视频监控在高清化阶段获得前后端以及传输解码方式等领域的突破之后,海量的高清数据源给行业用户在业务上进行智能分析提供了基础的条件。在近年人工智能技术的渗透下,安防在深度算法、智能芯片、业务技术架构等产业链上的完善进一步加快了安防智能分析技术的落地应用。目前,在人群分析与车辆识别方面均获得了长足的进展,安防智能分析技术大面积服务于行业应用的人工智能时代正迎面而来。
智能分析的关键领域
智能分析更直接的表述是机器的视觉分析,在安防领域,通过监控摄像机捕捉到的场景画面进行即时的结构化处理,通过语义分析等技术对视频数据进行分类处理存储,并通过后端服务器的智能分析功能进行业务处理。在这个监控系统分析处理过程中,需要前端摄像机、智能芯片、编解码协议、深度算法、业务技术以及高速运转的网络架构。
在今年安防产业链上最显著的变化是上游芯片商与智能算法公司的强势介入,NVIDIA(GPU)与Movidius(智能棒)更是在展会上大放异彩,与普通的芯片相比,这些世界顶级的专业芯片供应商在芯片的运算性能及功耗方面,做得更加的出色,在以安防机器视觉分析为核心的业务技术领域,更加切合当下智能分析对人脸与车辆的识别,识别速度与准确率在复杂场景下都有了很好的提升。
与软硬一体的智能芯片供应商一样,国内几大智能算法公司也在积极调整战略加快安防的布局,从单一的提供API接口按调用次数费用,到提供软硬一体的解决方案,算法公司也在大打机器视觉分析的牌。对此,北京格灵深瞳信息技术有限公司产品总监谭勇认为,视觉分析已经成为行业主流的技术趋势,安防设备及解决方案需要为视频监控在“看得广、看得远、看得清、看得懂”等系列问题上攻坚克难。
基于深度算法的智能分析,需要一个高速运转的业务技术网络架构是机器视觉分析的基础,在安防技术领域,主流的设备解决方案供应商都具有自己基于深度算法的业务平台,在统一标准的协议下对接各类不同等级的用户的前端设备,并高效处理汇集到指挥中心的视频数据。但是随着接入用户设备在长度与广度的增加,以及前端采集数据的激增,已有的网络架构在构建时的兼容与扩容能力的弊端逐渐显现。对此,需要新的构建新的网络架构以满足大安防时代的视频数据在传输、存储、分析等方面的需求。为此,浙江宇视科技有限公司副总裁闫夏卿强调,实现视频数据端到端一体化标准接口,构建算法、数据、计算资源之间的高速交互通道和智能到大数据的融合反馈通道,使得视频数据在传输速度和处理速度方面的能力得到大幅度提升,需要构建一个高速全媒体总线的“智能链计算”架构。
此外,编解码传输协议与获取高清监控视频数据技术在智能分析领域同样重要,不过相比于在新技术领域的探索,传统的安防监控技术对于设备解决方案商而言,难度并没有那么大,也更容易找到解决方案。
机器视觉智能分析的闭环
在人工智能联姻安防业务的技术概念里,人脸分析与车辆分析都显得过于业务化。因此,在综合安防业务应用的全解决方案里,机器视觉分析成为行业比较认可的人工智能在安防领域的应用概念。机器自然是指安防前后端的各个设备,在智能芯片、深度算法的综合技术应用下,实现对安防业务的智能分析处理,提升安防监控由被动防御变为主动预防的能力。
对于机器视觉智能分析的闭环应用,北京旷视科技有限公司智能商业大客户总负责人李瑞龙表示,在安防领域,若产品是智能视觉云平台,技术是深度学习算法,数据是标注化的图像数据。那么,人工智能平台就是一个通过数据和技术打磨出的产品,在产品应用的过程中又产生了新的数据,不断迭代和加深学习的过程。即产品、技术与数据形成超级人工智能技术的闭环,最终的目的是形成机器视觉的功能效果,赋予机器一双慧眼,好让它像人一样去“看”与“想”。使机器具有像人一样的视觉功能,从而实现各种检测、判断、识别、测量等功能。
具体到安防业务应用中,以监控摄像机的智能分析检查类目看,智能分析主要识别类目包括人脸识别、行为特征识别、机动车识别、非机动车识别、动物及物体检测识别等,主要集中应用于公安、交通、零售、金融、酒店、展会、博物馆等细分行业市场。对此,宇视科技闫夏卿分析,商业化的持续落地应用,将带动智能算法与芯片在成本、性能等领域的不断突破,促使安防行业加速实现视频的深度结构化,推动安防业务与机器视觉识别的融合与发展,安防也将沿着网络化、高清化、卡口化与场景化的脉络持续推进。
安防智能分析人/车识别应用
在安防行业,能够促使机器视觉与智能分析技术的快速迭代,强劲的动力在于市场与用户对智能分析的需求日益增强。当前,公安和交通作为应用的热门行业,在提高案件破案率、交通管理的实战效果最佳。
在对人的检测和识别方面,目前监控摄像机能够提供的智能检测分析的类别特征有几十种,包括人的年龄与性别;头部特征描述,如识别戴不戴口罩、眼镜和帽子等;上身特征,如长短袖,衣服颜色和纹理等;下身特征,如长短裤,是裙子还是短裤、颜色等;其他特征,如背包、箱子等。对此,格灵深瞳谭勇认为,企业能够检测识别的特征越多,机器才能进行更多组合化的检测分析,准确率也会越高。
当前,人脸识别已经在静态场景与动态场景中获得很多成功的应用案例,苏州科达科技股份有限公司缪冬琴提到,与静态场景应用相比,安防动态场景下的人脸识别更有市场,可以实现在基于视频中的人脸照片进行远距离、快速、无接触式的对重点人员布控预警,让应用于车站、机场、地铁等重点场所和大型商场超市等人群密集的公共场所视频监控系统能够对视频图像进行采集、自动分析、抓取人脸实时比对,主动在监控场景中识别重点关注人员,实现重点人员的布控和识别。
另外,在零售、酒店、会议、商业楼宇等应用领域,人脸识别技术帮助商户实现对客流从“统计”到“属性”再到“行为”的精准分析,以此来获取更多的线下数据维度,用大数据分析指导商户的精准营销,推动零售行业从相同产品与服务给到所有的人,向着相同产品、不同服务给到特定人的转变。同时,利用人脸识别技术给企业、园区带来更智能化的管理体验。如通过人脸识别技术产品化,在人脸识别闸机、门禁、会议签到等传统场景带来管理上的高效与便利。
而相比于人的检测分析,车辆的检测分析更为成熟,主要原因是车辆的外形特征比较固定,车牌、车型、车身颜色等特征没有变化,摄像机在特征提取时不存在人脸在移动时可能会出现故意遮挡、改头换面等人为的问题。一般情况下,只要车辆经过监控区域,车速没有超限,抓拍读取车辆的信息就没有问题,在解决智慧停车、车辆套牌、违规驾驶、违停等交通业务方面的实战效果非常显著。并且随着智能抓拍摄像机的推广应用,遍布城市大大小小路段的监控摄像机除了在交通事件检测方面大显身手外,还可以结合大数据分析技术,使得车辆识别技术还可以应用于掌握城市及高速路段的实时交通流量,为重要的交通道路的“防堵治堵”的决策提供技术支撑。
安防监控的AI时代
毫无疑问,AI正在加快进入安防的步伐,对于视频监控领域,互联互通的政策要求下,监控设备与平台的大联网将局部零星的视频数据汇集在一个大的数据池里,在这个庞大的数据池里,海量的视频数据经过结构化技术处理后,数据之间的壁垒被打破,而一旦这些海量数据信息在完成标签化之后,数据ID的匹配将会对数据的历史价值与现实价值无限放大。
这个过程,首先基础是数据,谁掌握了数据,谁的数据量大,谁的数据样本种类丰富,谁就有输出最准确的结果分析的基本要素;其次是智能分析技术,不管是深度算法、智能芯片还是先进的技术业务架构,都必须要构建高效、稳定的智能分析技术,并以提供准确分析结果为出发点;最后是业务应用,所有的分析结果都应该是以提高用户的实战效率为应用,并存在可以实现延伸到其他领域的可能。
上一篇:人工智能在安防行业的发展 听大咖们怎么说
下一篇:AI助力锂电池技术 科学家找到了更安全的固体电解质
推荐阅读最新更新时间:2024-03-16 11:22
- 热门资源推荐
- 热门放大器推荐