熱門關(guān)鍵詞: 弱電工程 監(jiān)控?cái)z像頭 系統(tǒng)集成 IDC機(jī)房建設(shè) 機(jī)房搬遷
經(jīng)過(guò)十多年的平安城市建設(shè),中國(guó)已經(jīng)成為全世界最大的安防市場(chǎng),視頻監(jiān)控系統(tǒng)作為安防系統(tǒng)中不可或缺的重要組成,正日益發(fā)揮更加重要的作用,在平安城市、雪亮工程等重點(diǎn)建設(shè)項(xiàng)目的背景下,安防已成為人工智能最為重要的落地場(chǎng)景之一。隨著平安城市建設(shè)的推進(jìn)和深化,目前新建監(jiān)控項(xiàng)目已基本實(shí)現(xiàn)高清化,隨著建設(shè)規(guī)模的逐步擴(kuò)大和人工智能、云計(jì)算、大數(shù)據(jù)技術(shù)的興起,平安城市應(yīng)用正逐步向警務(wù)云、大數(shù)據(jù)應(yīng)用等方向轉(zhuǎn)變。 高清監(jiān)控安裝視頻信息作為公安最重要的數(shù)據(jù)資源之一,遍布城市大街小巷的攝像頭,每天都會(huì)產(chǎn)生大量視頻資料數(shù)據(jù),不僅為社會(huì)治安穩(wěn)定發(fā)揮作用,也為智慧城市和物聯(lián)感知提供信息支撐,但這些圖像資料目前還僅停留在事后查看的層面,沒有被充分利用起來(lái),如何能夠被用戶快速消化使用,成為更有價(jià)值的情報(bào)數(shù)據(jù)呢?讓用戶從這些數(shù)據(jù)中自行尋找線索,不僅占用了大量的人力、物力和時(shí)間,同時(shí)由于個(gè)人能力的差異也會(huì)導(dǎo)致針對(duì)信息的認(rèn)知偏差。例如針對(duì)卡口實(shí)現(xiàn)了主干道的車輛識(shí)別,覆蓋面有限,其他活動(dòng)目標(biāo)及特征無(wú)法獲取,大多依靠人工進(jìn)行收集和處理,難以結(jié)合時(shí)空數(shù)據(jù)進(jìn)行快速檢索和分析研判。
如何解決海量視頻監(jiān)控?cái)?shù)據(jù)與人力分析瓶頸之間的矛盾是產(chǎn)業(yè)技術(shù)升級(jí)的主要方向。安防行業(yè)多年前就將智能化作為主要發(fā)展趨勢(shì),視頻分析是人工智能的重要熱點(diǎn)之一,人的信息獲取絕大部分是從圖像中來(lái),從技術(shù)成熟度和應(yīng)用場(chǎng)景看,圖像智能的發(fā)展更接近實(shí)用,進(jìn)步也更快速。
今天,城市里的數(shù)據(jù)非常豐富,其中攝像頭的數(shù)據(jù)量非常大,可以挖掘出巨大的價(jià)值,可以解決城市管理中的諸多難題。我們希望把視頻圖像里面的內(nèi)容和目標(biāo)白動(dòng)轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù),讓每個(gè)人都能直接理解人/車/事這幾類主要信息,車:車型、車款、車牌號(hào)碼、車輛顏色、行駛方向、行駛速度,人:步行、騎車、性別、年齡、上身、下身、背包拎包,事:擁堵、逆行、徘徊、奔跑、劇烈運(yùn)動(dòng)、交通行為。有了以上數(shù)據(jù)就能進(jìn)行決策和優(yōu)化,比如根據(jù)交通流量?jī)?yōu)化紅綠燈配時(shí)系統(tǒng),比如在視頻中搜索可疑車輛(肇事)和可疑人(失蹤),比如挖掘數(shù)據(jù)之間的關(guān)系和規(guī)律,找到數(shù)據(jù)之間背后的原因,還可以進(jìn)行趨勢(shì)預(yù)測(cè),比如半小時(shí)甚至更長(zhǎng)時(shí)間后的車流和路徑規(guī)劃。但原先的智能分析技術(shù)一直存在識(shí)別準(zhǔn)確率低、場(chǎng)景適應(yīng)性差、識(shí)別種類少等問(wèn)題。深度學(xué)習(xí)通過(guò)大量數(shù)據(jù)訓(xùn)練來(lái)建立輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的映射,通過(guò)人工智能來(lái)自動(dòng)處理海量監(jiān)控視頻數(shù)據(jù),解決了以往的技術(shù)瓶頸。以平安城市為例,針對(duì)道路監(jiān)控等相對(duì)標(biāo)準(zhǔn)場(chǎng)景的視頻,可進(jìn)行 智能人臉識(shí)別系統(tǒng)和機(jī)非人實(shí)時(shí)結(jié)構(gòu)化分析和特征信息提取,轉(zhuǎn)化為公安所需的情報(bào)線索。
目前,安防行業(yè)中基于深度學(xué)習(xí)的人工智能產(chǎn)品,以天地偉業(yè)為例,主要識(shí)別方向包括:車輛分析、人員分析、行為分析和圖像分析,產(chǎn)品形態(tài)分為前端智能和云端智能。
前端產(chǎn)品主要是用于邊緣節(jié)點(diǎn)計(jì)算的AI攝像機(jī)(人臉識(shí)別攝像機(jī)/卡口電警攝像機(jī)),在采集視頻和圖片的同時(shí),依靠?jī)?nèi)置的算力芯片和智能算法,為云端的數(shù)據(jù)中心提供結(jié)構(gòu)化的數(shù)據(jù),可以減少云端分析處理的計(jì)算資源壓力和網(wǎng)絡(luò)帶寬等系統(tǒng)成本。缺點(diǎn)是前端設(shè)備空間有限、功耗成本較高,導(dǎo)致有限的硬件資源只能運(yùn)行相對(duì)簡(jiǎn)單、對(duì)實(shí)時(shí)性要求高的算法。