城市化進程不斷發展，為了更好地保障人民人身和財產安全，政府對加強城市各地聯網型監控系統已經越來越重視，當前監控系統建設使用監控錄像存儲，事件發生后調取查閱的方式在一定程度上滿足了社會的需求，但是無法避免和阻止事態趨于惡化，智能視頻分析技術則能夠較好的解決上述問題。
深度智能是什么?
智能視頻分析(IV，Intelligent Video)源自計算機視覺(CV，Computer Vision)技術，計算機視覺技術是人工智能(AI，Artificial Intelligent)研究的分支之一，它能夠在圖像及圖像描述之間建立映射關系，從而使計算機能夠通過數字圖像處理和分析來理解視頻畫面中的內容。而視頻監控中所提到的智能視頻技術主要指的是“自動的分析和抽取視頻源中的關鍵信息”。
如果把攝像機看作人的眼睛，智能視頻系統或設備則可以看作人的大腦。智能視頻技術借助計算機強大的數據處理功能，對視頻畫面中的海量數據進行高速分析，過濾掉用戶不關心的信息，僅僅為監控者提供有用的關鍵信息。智能視頻解決方案以數字化、網絡化視頻監控為基礎，用戶可以設置某些特定的規則，系統識別不同的物體，同時識別目標行為是否符合這些規則，一旦發現監控畫面中的異常情況，系統能夠以最快和最佳的方式發出警報并提供有用信息，從而能夠更加有效的協助安保人員處理危機，切實提高監控區域的安全防范能力。
通過如下一些簡單的對比，我們可以看出傳統視頻監控和智能視覺監控之間的不同：
| 傳統視頻監控 | 智能視覺監控 | |
監控持續性 |
需要連續長時間盯著屏幕，容易導致安保人員眼睛疲勞、注意力下降。根據研究表明，人眼緊盯屏幕22分鐘之后，注意力就會大幅下降，遠低于正常水平（此時人眼只能察覺畫面里不到5%的信息），因此實際使用時，無法達到真正意義上的7×24小時監控。 | 不需要一直緊盯屏幕，安保人員只需要在系統告警時進行確認即可。避免了安保人員因長時間觀看屏幕造成疲勞而降低注意力，提高了安保人員實際監控的效果，真正做到7×24全天候監控。 |
監控有效性 |
人眼觀察范圍有限（理論上人眼水平最大視角為100°~120°，但實際上有效視角只有20°~30°，其中視覺敏銳視角僅10°，剩余部分即所謂的“眼角余光”，區域視力非常低），無法同時緊盯多個屏幕；且人腦也無法同時處理多個監控屏幕的畫面。因此，安保人員面臨大型屏幕墻時無法有效監控。 | 所有監視屏幕均由攝像機自動進行智能監控，安保人員只需要對產生告警的攝像機進行確認和處理即可。這樣，安保人員的實際有效監控范圍可以提高數十倍，大大提高了監控效率。 |
監控能力 |
人眼視覺靈敏度有限，在監控距離遙遠、光線不足等監控環境下，人眼無法察覺監控屏幕上的細微變化。 | 智能視覺攝像機可以識別出人眼無法分辨的細微變化，例如在遙遠距離、光線不足、低對比度、環境偽裝等等情況下的入侵行為和威脅。 |
監控實際效果 |
由于種種原因，傳統監控的實際效果并不理想，在大多時候傳統監控系統只能用于事后取證，無法起到預防、預警的作用 | 可以偵測并記錄出現在監控屏幕內的徘徊行為。在發現入侵者之后可以自動預警，這樣，安保人員就可以隨時掌握著入侵者的行蹤，并在事發之前進行預防和控制，把損失降到最低。 |
監控傳輸通道 有效利用率 |
無論是否有事情發生，都必須將畫面傳到監控室的屏幕上，無畏地消耗傳輸線路的帶寬，尤其不利于大型監控系統。 | 可設置“告警觸發式”傳輸模式——借助計算機或嵌入式設備的強大數據處理功能，對視頻圖像中海量的數據進行高速分析，過濾掉用戶不關心的信息，僅僅為監控者提供有用的關鍵信息。只在監控到威脅的時候才占用帶寬，在同等帶寬條件下可以容納更多路監控 |
監控錄像 管理效率 |
無論是否有事情發生，都必須對監控畫面進行錄像，極大地浪費存儲空間。同時，由于錄像存在大量無用信息，導致回放翻看錄像時浪費時間。 | 可設置“告警觸發式”錄像模式——只對用戶指定的入侵行為或威脅事件前后過程進行錄像，在同等條件下可以存儲更長時間的錄像，同時回放翻查錄像效率很高。 |
從以上對比中我們可以看出智能分析技術的好處，但從這些年智能分析技術的應用來看，其并未實現大面積商用，究其原因主要是過去技術不夠成熟、應用效果不夠理想，傳統的智能分析技術由于算法是人為根據不同的場景和應用需求進行設計，在適應性上需要人為不斷的改善和提升，在特定的環境下有良好的性能，但是一旦環境等因素發生變化，傳統的智能分析算法在應用上的性能就會降低。傳統智能分析算法存在不可突破的局限性，限制了智能分析技術的進一步發展，直到2012年之后，深度學習算法帶來了突破，深度學習作為一種技術思想，其理論和技術本身并不是一種新鮮事物，但是隨著硬件計算能力的突破和海量數據的積累，深度學習在各個領域的智能應用取得了重大突破。深度學習解決了一些傳統智能算法無法解決的問題，而且輸出結果會隨著數據處理量的增大而更加準確，使得機器學習能夠實現眾多應用。
深度智能安博會首秀
2016年北京安博會期間，安防業界主流廠商新品發布會陸續進行，“AI+”等應用概念的集體出爐，預示著產業進入到一個新的階段，以海康威視為例，在北京安博會期間發布了基于深度學習的以“深眸”系列智能攝像機為代表的安防產品家族，如 “深眸”系列專業級智能攝像機、“超腦”系列智能NVR、 “臉譜”系列人臉分析產品等，這些產品基于視頻及多維感知、人工智能、大數據等核心技術深入用戶業務，提升綜合安防及可視化管理水平。
為何深度學習在今年大放異彩?
我們不禁思考，為何基于深度學習技術的產品會在今年大放異彩?這其中的原因大致有以下幾點：
第一，深度學習拓展了人工智能的領域范圍，提升了智能程度，開啟了視頻智能應用的新篇章，其價值主要體現在應用深度和廣度等方面。針對應用深度而言，深度學習算法可以大幅提升智能算法分析性能，提高視頻智能應用水平;針對應用廣度而言，深度學習可以克服其靠人工選擇特征和淺層學習的局限性，可以完成傳統智能視頻分析技術很難完成或者不可能完成的任務;
第二， NVIDIA、Movidius上游深度學習芯片或方案大幅提升了算法效果，提高了產品開發效率，同時降低了研發成本，擴大了人工智能的市場規模，一段時期內，降低了應用門檻，簡單的深度學習芯片+數據就能超越傳統的算法效果。
深度學習的規模化應用將帶來的產業變動
隨著行業深度學習應用的不斷深入，接下來用戶期望和技術標準也會相應提高，廠家競爭領域將會發生變化，從單張圖理解延伸到視頻和語義的理解，人工智能應用范圍擴大，安防廠商在這些領域要更注重模型和方案的創新，開發出更切合用戶需求的產品，用戶們需求千差萬別，使得離一線用戶較遠的芯片廠商，無法為每一類客戶定制所需要的產品和方案，不能兼顧到方方面面，這就為軟件形式為主的廠商留下了廣闊的空間。軟件廠商可以和芯片廠商廣泛交流，提煉軟件應用中的共同需求，將其成熟技術迭代硬件化，減少總體費用與時間成本，實現整體解決方案的效能最大化。我們有理由相信，上下游合理分工、通力合作，一定能有力地推動深度學習下的智能技術穩步前進。
2016年，在業內領先的智能安防廠商的帶領和共同推動下，人工智能在安防產業的應用逐漸呈現出規模化，這是一個新的歷史轉折點，未來已來，一個AI驅動的智慧時代正在來臨!
京公網安備 11010502049343號