伴隨著AI在安防視頻監(jiān)控的深入應用，圍繞著智能安防的核心-精準識別目標(人、車、物、行為......)、高效視頻結(jié)構(gòu)化(提取目標詳細信息并標簽化)為安防實戰(zhàn)輸出有效數(shù)據(jù)信息，基于深度學習的算法和底層技術架構(gòu)為傳統(tǒng)意義上的智能安防帶來了更深層次的應用，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：深度學習帶來機器學習方式的改變
視頻智能分析技術一直是各大科研院校、安防企業(yè)的核心研究領域，但是在過去傳統(tǒng)的智能分析技術由于算法是人來根據(jù)不同的場景和應用需求進行設計，在適應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的進一步發(fā)展，直到2012年之后，隨著深度學習算法的突破，引起了工業(yè)界的廣泛關注，同時得到了安防廠商的青睞。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(shù)據(jù)的積累，深度學習在各個領域的智能應用取得重大突破。深度學習解決了一些傳統(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，使得機器學習能夠?qū)崿F(xiàn)眾多應用。目前各種相關的智能算法，都可以使用深度學習實現(xiàn)，深度學習拓展了人工智能的領域范圍，提升了智能程度。
深度學習最成功的應用領域是計算機視覺，深度學習開啟了視頻智能應用的新篇章，其價值主要體現(xiàn)在應用深度和廣度等方面。
(1) 應用深度方面
相比傳統(tǒng)的智能視頻分析算法，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。例如，人臉識別在安防領域還沒有達到理想的效果，利用優(yōu)化的深度學習模型結(jié)合海量數(shù)據(jù)，可以訓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用水平。
(2) 應用廣度方面
相比傳統(tǒng)的智能視頻分析技術，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(tǒng)智能視頻分析技術很難完成或者不可能完成的任務。例如，對于大流量人群分析任務，使用深度學習技術，通過大量數(shù)據(jù)樣本分析，讓計算機自行學習人和其他目標的區(qū)別，運算出能顯著標識人的一層層特征信息，有效突破光照突變、背景復雜、人體部分遮擋等傳統(tǒng)技術的難點，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用范圍。
總之，深度學習技術可以取代傳統(tǒng)的智能視頻分析技術，提升智能應用的水平，拓展智能應用的領域范圍。
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雜的視頻畫面中的人、車、環(huán)境的目標分析識別和信息提取。深度學習算法和底層技術架構(gòu)賦予了視頻監(jiān)控系統(tǒng)(攝像頭、服務器、平臺)“聰明”的能力，那么，如何實現(xiàn)這種能力的最優(yōu)化，還取決于核心設備應用的組合。
當前業(yè)內(nèi)領先的智能安防廠商陸續(xù)發(fā)布基于深度學習的智能安防產(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備或通用型的產(chǎn)品，盡管基于深度學習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，安防龍頭海康威視自2016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、車兩大關鍵的目標，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)應用場景中，很多時候的業(yè)務核心最終都聚焦在對目標人物的查找上面，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器的組合應用為例。
GIF圖:?？低暷橙四樝到y(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 | 效率比對 | 效果 | |
| 傳統(tǒng)智能 | 普通攝像機+傳統(tǒng)智能服務器 | 對任何場景下的人臉都采用通用識別算法，應用不智能，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高性能服務器 | 人臉抓拍更優(yōu)質(zhì)比對分析更準確目標搜索更高效 | |
| 工作原理 | 人臉識別系統(tǒng)前端部署深眸人臉攝像機，內(nèi)置深度學習算法，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)服務器再做二次智能分析應用，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)以臉搜臉、動態(tài)軌跡的應用。 | ||
| 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智能分析+后端GPU高性能服務器做二次識別 |
聯(lián)系客服
