伴隨著AI在安防視頻監(jiān)控的深入應(yīng)用,圍繞著智能安防的核心-精準識別目標(biāo)(人、車、物、行為......)、高效視頻結(jié)構(gòu)化(提取目標(biāo)詳細信息并標(biāo)簽化)為安防實戰(zhàn)輸出有效數(shù)據(jù)信息,基于深度學(xué)習(xí)的算法和底層技術(shù)架構(gòu)為傳統(tǒng)意義上的智能安防帶來了更深層次的應(yīng)用,推動著現(xiàn)有智能安防升級到更高階的產(chǎn)業(yè)層次。
一、深度智能第一層:深度學(xué)習(xí)帶來機器學(xué)習(xí)方式的改變
視頻智能分析技術(shù)一直是各大科研院校、安防企業(yè)的核心研究領(lǐng)域,但是在過去傳統(tǒng)的智能分析技術(shù)由于算法是人來根據(jù)不同的場景和應(yīng)用需求進行設(shè)計,在適應(yīng)性上需要人來不斷的來改善和提升,所以表現(xiàn)出在特定的環(huán)境下表現(xiàn)出良好的性能,但是一旦環(huán)境等因素發(fā)生變化,傳統(tǒng)的智能分析算法在應(yīng)用上的性能就會降低。
傳統(tǒng)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(shù)的進一步發(fā)展,直到2012年之后,隨著深度學(xué)習(xí)算法的突破,引起了工業(yè)界的廣泛關(guān)注,同時得到了安防廠商的青睞。深度學(xué)習(xí)作為一種技術(shù)思想,其理論和技術(shù)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(shù)據(jù)的積累,深度學(xué)習(xí)在各個領(lǐng)域的智能應(yīng)用取得重大突破。深度學(xué)習(xí)解決了一些傳統(tǒng)智能算法無法解決的問題,而且輸出結(jié)果會隨著數(shù)據(jù)處理量的增大而更加準確,使得機器學(xué)習(xí)能夠?qū)崿F(xiàn)眾多應(yīng)用。目前各種相關(guān)的智能算法,都可以使用深度學(xué)習(xí)實現(xiàn),深度學(xué)習(xí)拓展了人工智能的領(lǐng)域范圍,提升了智能程度。
深度學(xué)習(xí)最成功的應(yīng)用領(lǐng)域是計算機視覺,深度學(xué)習(xí)開啟了視頻智能應(yīng)用的新篇章,其價值主要體現(xiàn)在應(yīng)用深度和廣度等方面。
(1) 應(yīng)用深度方面
相比傳統(tǒng)的智能視頻分析算法,深度學(xué)習(xí)算法可以大幅提升智能算法分析性能,提高視頻智能應(yīng)用水平。例如,人臉識別在安防領(lǐng)域還沒有達到理想的效果,利用優(yōu)化的深度學(xué)習(xí)模型結(jié)合海量數(shù)據(jù),可以訓(xùn)練出泛化能力更強的模型,大幅提升人臉識別的準確率,從而提升人臉識別智能應(yīng)用水平。
(2) 應(yīng)用廣度方面
相比傳統(tǒng)的智能視頻分析技術(shù),深度學(xué)習(xí)可以克服其靠人工選擇特征和淺層學(xué)習(xí)的局限性,可以完成傳統(tǒng)智能視頻分析技術(shù)很難完成或者不可能完成的任務(wù)。例如,對于大流量人群分析任務(wù),使用深度學(xué)習(xí)技術(shù),通過大量數(shù)據(jù)樣本分析,讓計算機自行學(xué)習(xí)人和其他目標(biāo)的區(qū)別,運算出能顯著標(biāo)識人的一層層特征信息,有效突破光照突變、背景復(fù)雜、人體部分遮擋等傳統(tǒng)技術(shù)的難點,使得以前很難實用的大流量人群分析變得實用化,擴大了智能視頻分析的應(yīng)用范圍。
總之,深度學(xué)習(xí)技術(shù)可以取代傳統(tǒng)的智能視頻分析技術(shù),提升智能應(yīng)用的水平,拓展智能應(yīng)用的領(lǐng)域范圍。
二、深度智能第二層:前后端智能系統(tǒng)功能疊加
簡單來說,智能安防也好,深度智能安防也罷,其核心目的主要是為了通過“聰明”的機器自主完成對復(fù)雜的視頻畫面中的人、車、環(huán)境的目標(biāo)分析識別和信息提取。深度學(xué)習(xí)算法和底層技術(shù)架構(gòu)賦予了視頻監(jiān)控系統(tǒng)(攝像頭、服務(wù)器、平臺)“聰明”的能力,那么,如何實現(xiàn)這種能力的最優(yōu)化,還取決于核心設(shè)備應(yīng)用的組合。
當(dāng)前業(yè)內(nèi)領(lǐng)先的智能安防廠商陸續(xù)發(fā)布基于深度學(xué)習(xí)的智能安防產(chǎn)品,包括前端嵌入式智能攝像機、后端高性能智能視頻結(jié)構(gòu)化分析服務(wù)器、綜合智能分析管理平臺等產(chǎn)品,不過,大多數(shù)廠商都只擁有單一的深度智能設(shè)備或通用型的產(chǎn)品,盡管基于深度學(xué)習(xí)的智能單品擁有高超的性能,但受限于組合系統(tǒng)中其他設(shè)備的局限性,仍然會影響到系統(tǒng)整體的性能發(fā)揮。
為了真正實現(xiàn)安防監(jiān)控的深度智能,安防龍頭??低曌?016年起即連續(xù)推出了其從前端到后端完善的深度智能產(chǎn)品線,并且圍繞著人、車兩大關(guān)鍵的目標(biāo),針對性的進行了前后端的產(chǎn)品組合配套,實力詮釋深度智能的實戰(zhàn)效果。
人臉卡口、人臉布控場景 交通卡口、電警車輛布控場景
三、實戰(zhàn)場景效能對比
場景一:尋人(人臉識別+人臉大數(shù)據(jù))
公安實戰(zhàn)應(yīng)用場景中,很多時候的業(yè)務(wù)核心最終都聚焦在對目標(biāo)人物的查找上面,走失的老人、小孩,或者犯罪嫌疑人之類,這里我們以??低晫I(yè)的人臉攝像機和后端臉譜服務(wù)器的組合應(yīng)用為例。
系統(tǒng)組成 | 效率比對 | 效果 | |
傳統(tǒng)智能 | 普通攝像機 +傳統(tǒng)智能服務(wù)器
| 對任何場景下的人臉都采用通用識別算法,應(yīng)用不智能,算法單一,無法做到精準識別、快速識別。 | |
深度智能 | 深眸人臉攝像機+GPU高性能服務(wù)器 | 人臉抓拍更優(yōu)質(zhì) | |
工作原理 | 人臉識別系統(tǒng)前端部署深眸人臉攝像機,內(nèi)置深度學(xué)習(xí)算法,可以對人臉進行快速定位抓拍,有效解決漏抓誤報問題。圖像效果好,即使周圍環(huán)境光線不佳,人員戴帽子或一定角度下低頭、側(cè)臉,仍然可以做到準確識別。前端深眸提供高質(zhì)量人臉圖片,后端臉譜+大數(shù)據(jù)服務(wù)器再做二次智能分析應(yīng)用,人臉識別的準確率和效率都會有大幅度的提升,還可實現(xiàn)以臉?biāo)涯槨討B(tài)軌跡的應(yīng)用。 |
GIF圖:海康威視某人臉系統(tǒng)實時抓拍比對實景圖
場景二:車輛識別(車輛檢索+車輛大數(shù)據(jù))
系統(tǒng)組成 | 效率 | 效果 | |
傳統(tǒng)智能 | 普通攝像頭+傳統(tǒng)智能服務(wù)器 | 算法單一,只滿足基本的車牌識別功能,或者只能夠?qū)囕v顏色、型號、行駛方向等簡單的元素進行分析。且實時分析的容量有限,當(dāng)數(shù)據(jù)量超出一定范圍,系統(tǒng)支持不到。 | |
深度智能 | 神捕智能交通攝像機+GPU高性能服務(wù)器
| 10多種車牌類型,200多種車輛品牌車內(nèi)掛件、裝飾物,車內(nèi)人臉、司機行為,車輛違法分析、行人闖紅燈、不禮讓行人......,機/非動車、行人分類檢測 | |
工作原理 | ??瞪癫肚岸酥悄茏龌A(chǔ)智能分析+后端GPU高性能服務(wù)器做二次識別 |