城市化進程不斷發(fā)展,為了更好地保障人民人身和財產(chǎn)安全,政府對加強城市各地聯(lián)網(wǎng)型監(jiān)控系統(tǒng)已經(jīng)越來越重視,當前監(jiān)控系統(tǒng)建設(shè)使用監(jiān)控錄像存儲,事件發(fā)生后調(diào)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(tài)趨于惡化,智能視頻分析技術(shù)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(shù),計算機視覺技術(shù)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(guān)系,從而使計算機能夠通過數(shù)字圖像處理和分析來理解視頻畫面中的內(nèi)容。而視頻監(jiān)控中所提到的智能視頻技術(shù)主要指的是“自動的分析和抽取視頻源中的關(guān)鍵信息”。
如果把攝像機看作人的眼睛,智能視頻系統(tǒng)或設(shè)備則可以看作人的大腦。智能視頻技術(shù)借助計算機強大的數(shù)據(jù)處理功能,對視頻畫面中的海量數(shù)據(jù)進行高速分析,過濾掉用戶不關(guān)心的信息,僅僅為監(jiān)控者提供有用的關(guān)鍵信息。智能視頻解決方案以數(shù)字化、網(wǎng)絡(luò)化視頻監(jiān)控為基礎(chǔ),用戶可以設(shè)置某些特定的規(guī)則,系統(tǒng)識別不同的物體,同時識別目標行為是否符合這些規(guī)則,一旦發(fā)現(xiàn)監(jiān)控畫面中的異常情況,系統(tǒng)能夠以最快和最佳的方式發(fā)出警報并提供有用信息,從而能夠更加有效的協(xié)助安保人員處理危機,切實提高監(jiān)控區(qū)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(tǒng)視頻監(jiān)控和智能視覺監(jiān)控之間的不同:
傳統(tǒng)視頻監(jiān)控 | 智能視覺監(jiān)控 | |
監(jiān)控持續(xù)性 | 需要連續(xù)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(jù)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(jiān)控。 | 不需要一直緊盯屏幕,安保人員只需要在系統(tǒng)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(jiān)控的效果,真正做到7×24全天候監(jiān)控。 |
監(jiān)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(qū)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(jiān)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(jiān)控。 | 所有監(jiān)視屏幕均由攝像機自動進行智能監(jiān)控,安保人員只需要對產(chǎn)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(jiān)控范圍可以提高數(shù)十倍,大大提高了監(jiān)控效率。 |
監(jiān)控能力 | 人眼視覺靈敏度有限,在監(jiān)控距離遙遠、光線不足等監(jiān)控環(huán)境下,人眼無法察覺監(jiān)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(huán)境偽裝等等情況下的入侵行為和威脅。 |
監(jiān)控實際效果 | 由于種種原因,傳統(tǒng)監(jiān)控的實際效果并不理想,在大多時候傳統(tǒng)監(jiān)控系統(tǒng)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(xiàn)在監(jiān)控屏幕內(nèi)的徘徊行為。在發(fā)現(xiàn)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(fā)之前進行預防和控制,把損失降到最低。 |
監(jiān)控傳輸通道 有效利用率 | 無論是否有事情發(fā)生,都必須將畫面?zhèn)鞯奖O(jiān)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(jiān)控系統(tǒng)。 | 可設(shè)置“告警觸發(fā)式”傳輸模式——借助計算機或嵌入式設(shè)備的強大數(shù)據(jù)處理功能,對視頻圖像中海量的數(shù)據(jù)進行高速分析,過濾掉用戶不關(guān)心的信息,僅僅為監(jiān)控者提供有用的關(guān)鍵信息。只在監(jiān)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(jiān)控 |
監(jiān)控錄像 管理效率 | 無論是否有事情發(fā)生,都必須對監(jiān)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(shè)置“告警觸發(fā)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(shù)的好處,但從這些年智能分析技術(shù)的應用來看,其并未實現(xiàn)大面積商用,究其原因主要是過去技術(shù)不夠成熟、應用效果不夠理想,傳統(tǒng)的智能分析技術(shù)由于算法是人為根據(jù)不同的場景和應用需求進行設(shè)計,在適應性上需要人為不斷的改善和提升,在特定的環(huán)境下有良好的性能,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(shù)的進一步發(fā)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(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,深度學習在各個領(lǐng)域的智能應用取得了重大突破。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。
深度智能安博會首秀
2016年北京安博會期間,安防業(yè)界主流廠商新品發(fā)布會陸續(xù)進行,“AI+”等應用概念的集體出爐,預示著產(chǎn)業(yè)進入到一個新的階段,以??低暈槔?,在北京安博會期間發(fā)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(chǎn)品家族,如 “深眸”系列專業(yè)級智能攝像機、“超腦”系列智能NVR、 “臉譜”系列人臉分析產(chǎn)品等,這些產(chǎn)品基于視頻及多維感知、人工智能、大數(shù)據(jù)等核心技術(shù)深入用戶業(yè)務(wù),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(shù)的產(chǎn)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(lǐng)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(xiàn)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(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);
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(chǎn)品開發(fā)效率,同時降低了研發(fā)成本,擴大了人工智能的市場規(guī)模,一段時期內(nèi),降低了應用門檻,簡單的深度學習芯片+數(shù)據(jù)就能超越傳統(tǒng)的算法效果。
深度學習的規(guī)?;瘧脤淼漠a(chǎn)業(yè)變動
隨著行業(yè)深度學習應用的不斷深入,接下來用戶期望和技術(shù)標準也會相應提高,廠家競爭領(lǐng)域?qū)l(fā)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(lǐng)域要更注重模型和方案的創(chuàng)新,開發(fā)出更切合用戶需求的產(chǎn)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(chǎn)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(shù)迭代硬件化,減少總體費用與時間成本,實現(xiàn)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(shù)穩(wěn)步前進。
2016年,在業(yè)內(nèi)領(lǐng)先的智能安防廠商的帶領(lǐng)和共同推動下,人工智能在安防產(chǎn)業(yè)的應用逐漸呈現(xiàn)出規(guī)?;?,這是一個新的歷史轉(zhuǎn)折點,未來已來,一個AI驅(qū)動的智慧時代正在來臨!
【相關(guān)閱讀】開源環(huán)境下,深度學習核心競爭力不在于算法和芯片