AI視覺(jué)+大數據，雙輪驅動(dòng)安防新時(shí)代

　　安防的江湖，從視頻監控到智能安防再到如今的AI視覺(jué)，都離不開(kāi)一個(gè)關(guān)鍵詞——大數據。AI視覺(jué)+大數據，在安防又將開(kāi)啟新征程，開(kāi)辟另一個(gè)時(shí)代。

　　AI視覺(jué)+大數據的“天然聯(lián)姻”

　　決戰江湖，獨一無(wú)二往往易勝。

　　因產(chǎn)業(yè)升級帶來(lái)需求爆發(fā)與技術(shù)質(zhì)變，AI視覺(jué)新時(shí)代，到來(lái)。

　　AI視覺(jué)就是基于視覺(jué)形成框架的大腦中樞與感知的經(jīng)脈網(wǎng)絡(luò )，來(lái)做應用。AI視覺(jué)技術(shù)要落地，算法只是其中一環(huán)，除此之外，需要構建高價(jià)值的場(chǎng)景解決方案。因為在百行百業(yè)數字化轉型中，用戶(hù)需求更加復雜和多維，業(yè)務(wù)和商業(yè)模式，甚至是組織運作模式都將改變。所以，AI視覺(jué)始于安防，但也溢出安防。如何從不確定中找尋確定性，AI視覺(jué)要做的還有很多，而提供一站式AI視覺(jué)服務(wù)，打造AI視覺(jué)中樞解決方案，打造一個(gè)價(jià)值創(chuàng )造的閉環(huán)。

　　那這時(shí)代，為什么需要AI視覺(jué)+大數據來(lái)創(chuàng )造無(wú)限可能呢?

　　從六年前比特大陸、君正等人工智能芯片廠(chǎng)家以及商湯、云從、以薩等AI方案商進(jìn)入安防可以看出，安防是人工智能技術(shù)落地最好的行業(yè)之一。而這主要源于安防本身的兩大特性：以視頻技術(shù)為核心的安防行業(yè)擁有海量的數據來(lái)源，可以充分滿(mǎn)足人工智能對于算法模型訓練的要求;安防行業(yè)中事前預防、事中響應、事后追查的訴求與人工智能的技術(shù)邏輯完全吻合。此外，安防整個(gè)產(chǎn)業(yè)鏈的人工智能布局已經(jīng)成型。目前，在整個(gè)行業(yè)上下游環(huán)節的AI參與方分別包括：上游：包含了視頻算法提供商、芯片制造商、圖像傳感器、鏡頭模組等其他核心零部件;中游：硬件供應商、軟件服務(wù)商、系統集成商、運營(yíng)服務(wù)商;下游：為終端行業(yè)應用，涉及政府、行業(yè)、民用等領(lǐng)域，涵蓋公安、交通、金融、學(xué)校等應用領(lǐng)域。

　　人工智能和AI視覺(jué)并非一脈相承，后者有其行業(yè)屬性，應用在安防行業(yè)的人工智能，主要有以下幾種技術(shù)分支。

　　AI視覺(jué)：計算機視覺(jué)技術(shù)運用由圖像處理操作及機器學(xué)習等技術(shù)所組成的序列來(lái)將圖像分析任務(wù)分解為便于管理的小塊任務(wù)。機器學(xué)習是從數據中自動(dòng)發(fā)現模式，模式一旦被發(fā)現便可以做預測，處理的數據越多，預測也會(huì )越準確。

　　自然語(yǔ)言處理：對自然語(yǔ)言文本的處理是指計算機擁有的與人類(lèi)類(lèi)似的對文本進(jìn)行處理的能力。例如：自動(dòng)識別文檔中被提及的人物、地點(diǎn)等，或將合同中的條款提取出來(lái)制作成表。

　　機器人技術(shù)：近年來(lái)隨著(zhù)算法等核心技術(shù)提升，機器人取得重要突破。例如：無(wú)人機、家務(wù)機器人、醫療機器人等。

　　生物識別技術(shù)：生物識別可融合計算機、光學(xué)、聲學(xué)、生物傳感器、生物統計學(xué)，利用人體固有的生體特性如指紋、人臉、虹膜、靜脈、聲音、步態(tài)等進(jìn)行個(gè)人身份鑒定，最初運用于司法鑒定。

　　這幾種技術(shù)分支與安防行業(yè)極為密切，但都需要與大數據、云技術(shù)、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)等熱點(diǎn)技術(shù)相互交叉融合，產(chǎn)生安防行業(yè)化綜合性應用。

　　其實(shí)，AI視覺(jué)就是人工智能在安防的技術(shù)延伸，記得早在2016年北京安防展會(huì )，科達展臺宣傳語(yǔ)“讓大數據用起來(lái)”給記者很深印象。安防大數據用起來(lái)的關(guān)鍵是數據挖掘，再結合甲方的業(yè)務(wù)流程展開(kāi)定制化應用。對于公安和交通行業(yè)就是增加實(shí)戰力，對于商業(yè)領(lǐng)域就是增加商情效益和業(yè)務(wù)管理。如果是AI視覺(jué)時(shí)代下的安防，那么大數據的具體應用主要是，提供強大的分布式計算能力和知識庫管理能力，是AI視覺(jué)分析預測、自主完善的重要支撐。其包含三大部分：海量數據管理、大規模分布式計算和數據挖掘。海量數據管理被用于采集、存儲AI視覺(jué)應用所涉及的全方位數據資源，并基于時(shí)間軸進(jìn)行數據累積，以便能在時(shí)間維度上體現真實(shí)事物的規律;大規模分布式計算使得人工智能具備強大的計算能力，能同時(shí)分析海量的數據，開(kāi)展特征匹配和模型仿真，并為眾多用戶(hù)提供個(gè)性化服務(wù);數據挖掘是AI視覺(jué)發(fā)揮真正價(jià)值的核心，利用機器學(xué)習算法自動(dòng)開(kāi)展多種分析計算，探究數據資源中的規律和異常點(diǎn)，輔助用戶(hù)更快、更準地找到有效的資源。這三個(gè)方面，就是AI視覺(jué)結合大數據應用的實(shí)質(zhì)。

　　以此來(lái)看，能用起來(lái)的大數據，能解決目前AI視覺(jué)應用痛點(diǎn)：

　　人流密度分布、變化趨勢、活動(dòng)的動(dòng)態(tài)監測，預測踩踏指數，實(shí)現大型活動(dòng)和重要區域的風(fēng)險管理;

　　空間狀態(tài)分析，車(chē)流密度分布、變化趨勢，道路狀態(tài)及變化監測，主要用于預測擁堵指數，實(shí)現交通信號的預測調節;

　　數據融合、關(guān)聯(lián)，實(shí)現同號搜索，人、車(chē)軌跡跟蹤等;

　　有序過(guò)程與隨機過(guò)程分析，成為社會(huì )治安關(guān)鍵因素，進(jìn)行常態(tài)與暫態(tài)分析，實(shí)現社會(huì )治安風(fēng)險評估，事件預警;

　　高風(fēng)險因素監控和關(guān)聯(lián)分析，主要應用于擴大社會(huì )掌控面;制定有效防范措施和反應預案;

　　融合定位、通信、網(wǎng)絡(luò )等技術(shù)，提高對高風(fēng)險因素(人、物、事、時(shí)間、地點(diǎn)等)掌控的精度、粒度，建立重大事件風(fēng)險評估、預警機制，提高防范能力，進(jìn)而實(shí)現犯罪高發(fā)分布及分類(lèi)基礎性研究及綜合治理方案的制定;

　　高風(fēng)險單位、區域、活動(dòng)安全管理，利用大數據，進(jìn)行風(fēng)險和脆弱性分析，結合歷史數據的回歸統計;成功和不成功案例的分析，建立風(fēng)險管理機制，指導安防系統建設;

　　各類(lèi)系統效能分析，主要應用公共安全系統建設、評價(jià);

　　安防基礎理論研究數據庫，通過(guò)數據融合、關(guān)聯(lián)及歷史回歸統計，開(kāi)展大數據應用;建立安全基礎研究和預警理論研究基礎數據庫?？傊?，大數據應能解決公共安全的關(guān)鍵問(wèn)題，支撐公共安全系統建設。

　　這些痛點(diǎn)都是目前在安防行業(yè)所面臨的，而單一的人工智能加入還很難徹底解決上述問(wèn)題。當大數據加入后，AI視覺(jué)將一切迎刃而解。

　　AI視覺(jué)+大數據=無(wú)限可能

　　這時(shí)代，踏大數據智能化浪潮而來(lái)，但絕大部分的數據在沉睡，需要被喚醒，來(lái)挖掘做業(yè)務(wù)應用。從“建”到“用”，是傳統安防業(yè)務(wù)跨向AI視覺(jué)在數據層面，最為顯著(zhù)的轉變。AI視覺(jué)新時(shí)代的數據之能，融合多維數據，在數據碰撞中催生出新的模型，從而充分挖掘海量數據背后價(jià)值，實(shí)現規律認知，趨勢預知，化繁為簡(jiǎn)。

　　隨著(zhù)AI，大數據，云計算等技術(shù)的發(fā)展，安防正從傳統的視頻監控走向AI視覺(jué)，從傳統的防控輔助系統走向效率提升的生產(chǎn)系統，智能安防走向千行百業(yè)。在走向千行百業(yè)的進(jìn)程中，不同行業(yè)對于覆蓋的縱深要求不斷提升;為了獲取更多的細節信息支撐決策分析，對于視頻圖像全天候高清化越來(lái)越高，4K/8K圖像成為主流，對于網(wǎng)絡(luò )上行帶寬的要求越來(lái)越高;機器視覺(jué)技術(shù)的不斷發(fā)展，視頻圖像可以承載越來(lái)越多的信息，但仍需要更多的與前端多維感知設備之間進(jìn)行數據的交互，提升決策準確率，并盡量在前端決策，減少后端處理壓力;多維感知數據的端云協(xié)同和對數據的實(shí)時(shí)交互對于網(wǎng)絡(luò )的時(shí)延、帶寬要求越來(lái)越高;同時(shí)防控走向深水區，對于防控的立體化、系統化、機動(dòng)化要求不斷提升。

　　數據，從單維數據到多維數據。近年來(lái)，政府大力推進(jìn)平安城市、智慧城市等視頻監控的項目，視頻數據呈現爆炸式增長(cháng)，比如單臺1080P 的監控設備存儲一天所需的容量可達 40-60G，存儲一個(gè)月可達 1.2T 到 1.8T 之多，視頻內容解析及目標特征提取后的數據匯總成海量城市級信息，再通過(guò)強大的計算和智能分析能力，對目標對象的特征、行為、軌跡進(jìn)行分析，便可以給出追蹤建議。而如何加快對視頻數據的挖掘、應用、及分析是亟待解決的安防命題。

　　視頻圖像大數據與多維感知數據的融合，可以全息刻畫(huà)觀(guān)察對象，在數字世界真實(shí)再現對象行為，可基于歷史數據挖掘分析對象行為規律，預判預測其可能出現的行為，并提前防范危害性行為，大幅促進(jìn)社會(huì )和諧。

　　無(wú)論公共安全領(lǐng)域、交通領(lǐng)域、還是城市治理領(lǐng)域，人車(chē)問(wèn)題及軌跡問(wèn)題等都需要通過(guò)大數據得到快速的定位解決即提前預警。通過(guò)大數據技術(shù)，實(shí)現人，車(chē)，物及環(huán)境，行為分析等，實(shí)現多目標關(guān)聯(lián)分析，提前實(shí)現事件發(fā)展態(tài)勢、及交通異常事件的預測。

　　環(huán)境自感知場(chǎng)景落地，除了要具備大算力的 AI 芯片支持，算法提升精度來(lái)精準感知雪雨霧霜天氣，還需關(guān)聯(lián)氣象數據實(shí)現即時(shí)感知，實(shí)時(shí)開(kāi)啟去霧，低照度，圖像增強等操作，以達到全天候高清監控的目的，整個(gè)過(guò)程結合算力，算法及數據關(guān)聯(lián)融合在場(chǎng)景化訓練中不斷實(shí)現算法精度的提升，才得以練就完美的場(chǎng)景自適應算法。

　　人員全息畫(huà)像的場(chǎng)景落地，在具備支撐高精度人臉人體分析的大算力芯片為前提，集合人臉?lè )治鏊惴?，人體屬性提取等算法實(shí)現人臉，人體歸檔，結合車(chē)輛車(chē)牌識別算法結果，實(shí)現車(chē)輛軌跡及人車(chē)關(guān)聯(lián)，可進(jìn)一步結合時(shí)空信息及場(chǎng)景分析得出人、車(chē)的晝伏夜出情況，用于分析隱匿點(diǎn)及實(shí)現人員車(chē)輛追蹤布控。

　　未來(lái)，安防技術(shù)要應用于各行各業(yè)，如上場(chǎng)景僅是點(diǎn)滴之舉，未來(lái)更豐富的場(chǎng)景對算力、算法、數據有更高的要求，無(wú)論是算力增強，算法精度提升，還是大數據分析及應用，最終都將以落地實(shí)際的智能化業(yè)務(wù)場(chǎng)景為目標，只有在場(chǎng)景化真正應用和落地才能實(shí)現算力、算法及數據的綜合應用。

　　結束語(yǔ)

　　加入人工智能的安防行業(yè)，大數據應用目前主要在公安和交通行業(yè)，其他行業(yè)深度應用幾乎沒(méi)有，或者應用程度十分簡(jiǎn)單，比如：智慧工地的大數據+AI安防應用，也只是對視頻進(jìn)行濃縮摘要、檢索處理。原本5分鐘的監控視頻，通過(guò)AI提取，進(jìn)行濃縮分析?？此朴袛祿芾砗蛿祿诰虻腁I表象，但無(wú)實(shí)質(zhì)性的業(yè)務(wù)改善和提升，依舊是智能視頻分析的常用功能。

　　但，在A(yíng)I視覺(jué)時(shí)代，一切都將大不一樣?？梢云诖?，未來(lái)在安防，不是一切數據業(yè)務(wù)化，而是一切業(yè)務(wù)數據化，也從智能安防時(shí)代的視頻智能邁向數據智能的更高階段，那時(shí)，數據能全面看、關(guān)聯(lián)看甚至自動(dòng)看。

　　AI視覺(jué)，讓安防未來(lái)更加可期。