通过人工智能和视频分析发现新市场
实现业务的增长可能意味着许多事，但最终几乎总是离不开扩大客户基础。与许多其他行业不同，物联网开发人员通常可以利用其底层技术来应对新的应用和市场。
尽管从表面上看，应用程序各有不同，但适应通用技术和方法的能力使开发人员有机会轻松扩展其市场范围。人工智能和视频分析的复合应用就是一个很好的例子。
机器学习和模式识别与视频相结合，实现了信息任务的自动化，从而加快了操作速度并提高了可靠性。边缘计算将处理从数据中心转移到使用一系列光谱来收集不同类型信息的摄像头。
认知多媒体分析公司 Graymatics 的首席执行官 Abhijit Shanbhag 说：“闭路电视监控摄像头早已部署在城市、建筑物内部以及机场的各个角落。”“它们通常被用于配合安保人员的工作，后者每隔一段时间会看一下屏幕。”
但是视频的作用远不只限于安保工作。它还有助于简化运营流程。借助恰当的软件，摄像头可以提供各种数据，从帮助改善客户体验到提高工厂生产线的产品质量。
收集数据已成为一项现成的能力。而现有软件的适应性改造和重新定位则开创了新的机遇。
计算机视觉和人工智能技术是其中的关键所在
通过利用强大的算法、深度学习技术和智能视频分析技术，Graymatics 开发了高度灵活的人工智能平台。
该公司基于云的 G3C.AI 软件可以分析视频流，以快速识别和检查潜在的问题、异常或关注的事件。它可以接收实时流协议 (RTSP) 视频源，并对其进行处理，然后将分析结果反馈到仪表板或警报中。
API 和库使开发人员和最终用户可以访问平台的视频分析功能。然后，借助一组工具，可以快速开发图形用户界面元素。
吸引新客户的一个例子从建筑物管理开始。自动化停车控制使用摄像头和边缘计算来处理车牌图像、核对许可用户的数据库、实时监控空闲车位的可用性以及对经授权人员进行放行。
在看似无关的应用程序中也需要这些基本功能。授权允许停车类似于设施门禁控制。计算建筑物的通行人数类似于观察他们如何逛零售商店。此外，在建筑施工区域中识别安全帽和安全鞋的使用，与在装配流水线上识别产品的外观缺陷也差不太多。
Graymatics 通过将基本技术转移到不同但相似的应用领域来进行创新的能力表明，开发人员可以如何在垂直领域（例如，智慧城市、工厂和零售业）中得以发展。
“当我们谈到购物中心等领域时，自然而然地会推及在购物中心的每个零售店中使用我们的分析技术”，Shanbhag 这样表示。“各大建筑公司希望将自身能力延伸至校园建设。从校园开始，分析的范围转移到了智慧城市，因为所需的分析存在很多重叠。建筑物决定了其建筑工地自身的性质，其中一些建筑物是工厂，则会需要类似的自动化类型。”
绝佳的平台，优秀的合作伙伴
作为扩展类型的基础，Graymatics 采取了一个适当的平台来抽象问题。为了保持经济高效，开发人员必须避免重新发明轮子这样的无用功。平台提供了尽可能多的通用功能核心。
Graymatics 可以通过这样的策略来满足各种需求。一种是交换人工智能模块来处理视频，以实现不同的用例，即使基本概念以及可能许多代码与该公司在其他地方使用的相同。另一种是为新硬件或常规功能添加全局支持，以便所有应用程序都可以访问。
唯有平台与其使用的生态系统一样强大。Shangbhag 表示，“我们已经针对英特尔® 技术优化了我们的软件（例如，英特尔® OpenVINO™ 工具包、英特尔® Movidius™ 视觉处理器和 IEI TANK AIoT 开发人员套件）”。“G3C.AI 与许多数据库、视频存储系统和其他工具兼容，从而可以更好地与现有基础设施兼容。”
增值转售商、系统集成商和分销商等合作伙伴也至关重要。由于 Graymatics 解决的是仅由人工智能提供支持的视频分析问题，因此通过与其他合适的公司合作，其保留了转换为新应用程序的灵活性。
该公司寻求与英特尔紧密合作的合作伙伴。Shanbhag 说：“这有助于加快我们打入市场的速度，并在各个地理区域得到广泛关注，而这在最初可能并非我们的首要任务。”
该公司用于解决新垂直行业的特定过程因市场性质而异。例如，在智慧城市方面，Graymatics 与主系统集成商和服务器合作伙伴开展合作。设备和应用程序使用 G3C.AI API 来访问其所需的特定算法。
但是对于零售商店而言，合作伙伴的层级较少。相反，Graymatics 从商店中的摄像头请求 RTSP 链接以获取视频源，然后将源移动到其云系统中。然后，公司将为零售商提供一个 URL 地址，其中包含仪表板，这些仪表板载有用于回答特定问题的数据。“例如，年龄在 30 到 35 岁之间的女性顾客在店内特定产品陈列前花了多少时间？” Shanbhag 这样说道。
通过智能加持、借助合作伙伴，并认识到如何将先前解决的问题应用于新的应用领域，像 Graymatics 这样的软件公司可以在世界各地找到新的市场。