【行业资讯】AI视觉+大数据，双轮驱动安防新时代

正文共：3785字-8图

预计阅读时间：10分钟

安防的江湖，从视频监控到智能安防再到如今的AI视觉，都离不开一个关键词——大数据。AI视觉+大数据，在安防又将开启新征程，开辟另一个时代。

　　AI视觉+大数据的“天然联姻”

　　决战江湖，独一无二往往易胜。

AI视觉新时代因产业升级带来需求爆发与技术质变到来。

　　AI视觉就是基于视觉形成框架的大脑中枢与感知的经脉网络，来做应用。AI视觉技术要落地，算法只是其中一环，除此之外，需要构建高价值的场景解决方案。因为在百行百业数字化转型中，用户需求更加复杂和多维，业务和商业模式，甚至是组织运作模式都将改变。所以，AI视觉始于安防，但也溢出安防。如何从不确定中找寻确定性，AI视觉要做的还有很多，而提供一站式AI视觉服务，打造AI视觉中枢解决方案，打造一个价值创造的闭环。

　　那这时代，为什么需要AI视觉+大数据来创造无限可能呢?

　　从六年前比特大陆、君正等人工智能芯片厂家以及商汤、云从、以萨等AI方案商进入安防可以看出，安防是人工智能技术落地最好的行业之一。而这主要源于安防本身的两大特性：以视频技术为核心的安防行业拥有海量的数据来源，可以充分满足人工智能对于算法模型训练的要求;安防行业中事前预防、事中响应、事后追查的诉求与人工智能的技术逻辑完全吻合。此外，安防整个产业链的人工智能布局已经成型。目前，在整个行业上下游环节的AI参与方分别包括：上游：包含了视频算法提供商、芯片制造商、图像传感器、镜头模组等其他核心零部件;中游：硬件供应商、软件服务商、系统集成商、运营服务商;下游：为终端行业应用，涉及政府、行业、民用等领域，涵盖公安、交通、金融、学校等应用领域。

　　人工智能和AI视觉并非一脉相承，后者有其行业属性，应用在安防行业的人工智能，主要有以下几种技术分支。

　　AI视觉：计算机视觉技术运用由图像处理操作及机器学习等技术所组成的序列来将图像分析任务分解为便于管理的小块任务。机器学习是从数据中自动发现模式，模式一旦被发现便可以做预测，处理的数据越多，预测也会越准确。

　　自然语言处理：对自然语言文本的处理是指计算机拥有的与人类类似的对文本进行处理的能力。例如：自动识别文档中被提及的人物、地点等，或将合同中的条款提取出来制作成表。

　　机器人技术：近年来随着算法等核心技术提升，机器人取得重要突破。例如：无人机、家务机器人、医疗机器人等。

　　生物识别技术：生物识别可融合计算机、光学、声学、生物传感器、生物统计学，利用人体固有的生体特性如指纹、人脸、虹膜、静脉、声音、步态等进行个人身份鉴定，最初运用于司法鉴定。

　　这几种技术分支与安防行业极为密切，但都需要与大数据、云技术、物联网、移动互联等热点技术相互交叉融合，产生安防行业化综合性应用。

　　其实，AI视觉就是人工智能在安防的技术延伸，记得早在2016年北京安防展会，科达展台宣传语“让大数据用起来”给记者很深印象。安防大数据用起来的关键是数据挖掘，再结合甲方的业务流程展开定制化应用。对于公安和交通行业就是增加实战力，对于商业领域就是增加商情效益和业务管理。如果是AI视觉时代下的安防，那么大数据的具体应用主要是，提供强大的分布式计算能力和知识库管理能力，是AI视觉分析预测、自主完善的重要支撑。其包含三大部分：海量数据管理、大规模分布式计算和数据挖掘。海量数据管理被用于采集、存储AI视觉应用所涉及的全方位数据资源，并基于时间轴进行数据累积，以便能在时间维度上体现真实事物的规律;大规模分布式计算使得人工智能具备强大的计算能力，能同时分析海量的数据，开展特征匹配和模型仿真，并为众多用户提供个性化服务;数据挖掘是AI视觉发挥真正价值的核心，利用机器学习算法自动开展多种分析计算，探究数据资源中的规律和异常点，辅助用户更快、更准地找到有效的资源。这三个方面，就是AI视觉结合大数据应用的实质。

以此来看，能用起来的大数据，能解决目前AI视觉应用痛点：

　　人流密度分布、变化趋势、活动的动态监测，预测踩踏指数，实现大型活动和重要区域的风险管理;

　　空间状态分析，车流密度分布、变化趋势，道路状态及变化监测，主要用于预测拥堵指数，实现交通信号的预测调节;

　　数据融合、关联，实现同号搜索，人、车轨迹跟踪等;

　　有序过程与随机过程分析，成为社会治安关键因素，进行常态与暂态分析，实现社会治安风险评估，事件预警;

　　高风险因素监控和关联分析，主要应用于扩大社会掌控面;制定有效防范措施和反应预案;

　　融合定位、通信、网络等技术，提高对高风险因素(人、物、事、时间、地点等)掌控的精度、粒度，建立重大事件风险评估、预警机制，提高防范能力，进而实现犯罪高发分布及分类基础性研究及综合治理方案的制定;

　　高风险单位、区域、活动安全管理，利用大数据，进行风险和脆弱性分析，结合历史数据的回归统计;成功和不成功案例的分析，建立风险管理机制，指导安防系统建设;

　　各类系统效能分析，主要应用公共安全系统建设、评价;

　　安防基础理论研究数据库，通过数据融合、关联及历史回归统计，开展大数据应用;建立安全基础研究和预警理论研究基础数据库。总之，大数据应能解决公共安全的关键问题，支撑公共安全系统建设。

　　这些痛点都是目前在安防行业所面临的，而单一的人工智能加入还很难彻底解决上述问题。当大数据加入后，AI视觉将一切迎刃而解。

AI视觉+大数据=无限可能

　　这时代，踏大数据智能化浪潮而来，但绝大部分的数据在沉睡，需要被唤醒，来挖掘做业务应用。从“建”到“用”，是传统安防业务跨向AI视觉在数据层面，最为显著的转变。AI视觉新时代的数据之能，融合多维数据，在数据碰撞中催生出新的模型，从而充分挖掘海量数据背后价值，实现规律认知，趋势预知，化繁为简。

　　随着AI，大数据，云计算等技术的发展，安防正从传统的视频监控走向AI视觉，从传统的防控辅助系统走向效率提升的生产系统，智能安防走向千行百业。在走向千行百业的进程中，不同行业对于覆盖的纵深要求不断提升;为了获取更多的细节信息支撑决策分析，对于视频图像全天候高清化越来越高，4K/8K图像成为主流，对于网络上行带宽的要求越来越高;机器视觉技术的不断发展，视频图像可以承载越来越多的信息，但仍需要更多的与前端多维感知设备之间进行数据的交互，提升决策准确率，并尽量在前端决策，减少后端处理压力;多维感知数据的端云协同和对数据的实时交互对于网络的时延、带宽要求越来越高;同时防控走向深水区，对于防控的立体化、系统化、机动化要求不断提升。

　　数据，从单维数据到多维数据。近年来，政府大力推进平安城市、智慧城市等视频监控的项目，视频数据呈现爆炸式增长，比如单台1080P 的监控设备存储一天所需的容量可达 40-60G，存储一个月可达 1.2T 到 1.8T 之多，视频内容解析及目标特征提取后的数据汇总成海量城市级信息，再通过强大的计算和智能分析能力，对目标对象的特征、行为、轨迹进行分析，便可以给出追踪建议。而如何加快对视频数据的挖掘、应用、及分析是亟待解决的安防命题。

　　视频图像大数据与多维感知数据的融合，可以全息刻画观察对象，在数字世界真实再现对象行为，可基于历史数据挖掘分析对象行为规律，预判预测其可能出现的行为，并提前防范危害性行为，大幅促进社会和谐。

　　无论公共安全领域、交通领域、还是城市治理领域，人车问题及轨迹问题等都需要通过大数据得到快速的定位解决即提前预警。通过大数据技术，实现人，车，物及环境，行为分析等，实现多目标关联分析，提前实现事件发展态势、及交通异常事件的预测。

　　环境自感知场景落地，除了要具备大算力的 AI 芯片支持，算法提升精度来精准感知雪雨雾霜天气，还需关联气象数据实现即时感知，实时开启去雾，低照度，图像增强等操作，以达到全天候高清监控的目的，整个过程结合算力，算法及数据关联融合在场景化训练中不断实现算法精度的提升，才得以练就完美的场景自适应算法。

　　人员全息画像的场景落地，在具备支撑高精度人脸人体分析的大算力芯片为前提，集合人脸分析算法，人体属性提取等算法实现人脸，人体归档，结合车辆车牌识别算法结果，实现车辆轨迹及人车关联，可进一步结合时空信息及场景分析得出人、车的昼伏夜出情况，用于分析隐匿点及实现人员车辆追踪布控。

　　未来，安防技术要应用于各行各业，如上场景仅是点滴之举，未来更丰富的场景对算力、算法、数据有更高的要求，无论是算力增强，算法精度提升，还是大数据分析及应用，最终都将以落地实际的智能化业务场景为目标，只有在场景化真正应用和落地才能实现算力、算法及数据的综合应用。

结束语

　　加入人工智能的安防行业，大数据应用目前主要在公安和交通行业，其他行业深度应用几乎没有，或者应用程度十分简单，比如：智慧工地的大数据+AI安防应用，也只是对视频进行浓缩摘要、检索处理。原本5分钟的监控视频，通过AI提取，进行浓缩分析。看似有数据管理和数据挖掘的AI表象，但无实质性的业务改善和提升，依旧是智能视频分析的常用功能。

　　但，在AI视觉时代，一切都将大不一样。可以期待，未来在安防，不是一切数据业务化，而是一切业务数据化，也从智能安防时代的视频智能迈向数据智能的更高阶段，那时，数据能全面看、关联看甚至自动看。

　　AI视觉，让安防未来更加可期。

来源 | 智能研究院

版权声明：本号内容部分来自互联网，转载请注明原文链接和作者，如有侵权或出处有误请和我们联系。