時間：2021年08月05日 瀏覽數(shù)：
安防市場的快速增長，給視頻監(jiān)控技術(shù)提出了新的需求，促使視頻監(jiān)控技術(shù)從“高清化”往“智能化”發(fā)展，究其原因，既有技術(shù)因素(數(shù)據(jù)、算力和算法)的驅(qū)動，又和國內(nèi)的政策引導息息相關(guān)。
海量數(shù)據(jù)成優(yōu)質(zhì)訓練場
數(shù)據(jù)是人工智能的原材料，沒有原材料就好比“巧婦難為無米之炊”。人工智能是非常消耗大數(shù)據(jù)儲備的“監(jiān)督性學習場景”，要有足夠多的量才能滿足訓練數(shù)據(jù)的需求。
視頻監(jiān)控高清化進程使得圖像分辨率從D1發(fā)展到 720P、1080P 再到 4K，同時市場上高清攝像頭的比例也在擴大，每日產(chǎn)生的視頻監(jiān)控錄像的數(shù)據(jù)量就可達到上千PB，累積的歷史數(shù)據(jù)就更為龐大了，而且其中99%以上都是非結(jié)構(gòu)化數(shù)據(jù)。
這些海量的數(shù)據(jù)一方面為視頻監(jiān)控人工智能化的數(shù)據(jù)訓練工作提供優(yōu)質(zhì)的資源；另一方面，面對如此巨大的數(shù)據(jù)量，如果再采用過去簡單的人海戰(zhàn)術(shù)進行檢索和分析，已經(jīng)很難滿足新時代的安防工作需求。在此情況下，智能安防成為解決問題的唯一途徑，也就是要通過將非結(jié)構(gòu)化的圖像信息轉(zhuǎn)換為計算機能夠理解的結(jié)構(gòu)化數(shù)據(jù)，并利用人工智能技術(shù)，實時分析視頻內(nèi)容，將這些海量的視頻數(shù)據(jù)轉(zhuǎn)化為有效的數(shù)據(jù)，以提高監(jiān)控系統(tǒng)效率。
深度學習日漸成熟
在人類有史以來積累的大數(shù)據(jù)中，85%以上是視頻和圖像數(shù)據(jù)，因此人工智能的核心之一是視覺智能。而深度學習算法的應(yīng)用，使得計算機視覺技術(shù)得到了突破性的發(fā)展，從而也突破了視頻監(jiān)控的許多應(yīng)用限制，使其應(yīng)用范圍日益廣泛。
在深度學習算法成熟之前，傳統(tǒng)的計算機視覺算 法主要采用特征識別的方法，通過人工定義的特征參 量來對圖像進行分類和識別。當需要區(qū)分的圖像類別增加，或者圖像的內(nèi)容更加復雜時，特征識別方法需要引入大量的參數(shù)，并且需要對模型不斷地進行微調(diào)，其 實現(xiàn)難度急劇增長，因此這種方法的識別效率和準確度都存在瓶頸。在實際應(yīng)用中，傳統(tǒng)的特征識別方法可以實現(xiàn)諸如交通卡口的車牌號識別、入侵檢測、逆行檢測等簡單功能，但是在人臉識別、行為識別等領(lǐng)域一直沒有形成有效的解決方案。
深度學習算法通過設(shè)置多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，讓算法自行尋找和調(diào)節(jié)中間參量來進行大規(guī)模訓練。自2006年以來，深度學習算法取得了重大突破，在隨后的10多年里，憑借互聯(lián)網(wǎng)發(fā)展帶來的大數(shù)據(jù)資源、算力的快速提升、巨頭公司的基礎(chǔ)框架開源等有利因素，基于深度學習的計算機視覺算法性能也快速提升。在ILSVRC圖像分類比賽中，2012年的深度學習算法將識別錯誤率降到 15.3%，2015 年微軟更是將識別錯誤率降到3.6%，已經(jīng)超過了人類5.1%的識別水平。在人臉識
別領(lǐng)域，深度學習算法在 LFW 競賽中已經(jīng)達到了99.83%的識別水平，也超過了人類99.2%的識別水平。因此，深度學習算法的成熟為計算機視覺領(lǐng)域帶來了革命性的進展，在安防領(lǐng)域利用計算機視覺來實現(xiàn)人工智能已經(jīng)具備了先決條件。目前，人臉識別、車輛識別、行為識別等功能已經(jīng)突破應(yīng)用門檻，實際的應(yīng)用場景和應(yīng)用方案也都在不斷擴展。
算力承載大幅提升
1999年，英偉達首次推出GPU架構(gòu)。相比CPU，GPU 擁有大量的邏輯單元，更擅長處理海量數(shù)據(jù)，因而被應(yīng)用到深度學習領(lǐng)域中。2006年，英偉達又推出CUDA編程工具包，CUDA框架使得GPU可以通過更簡單、有效的接口和開發(fā)者進行交互，使得開發(fā)者可以充分利用 GPU 的運算資源，進一步提升 GPU 架構(gòu)的性能。
從目前的實際應(yīng)用來看，安防領(lǐng)域的數(shù)據(jù)是以圖像視覺數(shù)據(jù)為主，其數(shù)據(jù)量大，并且數(shù)據(jù)層次非常復雜，因此能夠充分發(fā)揮GPU圖像處理以及高性能計算的特點。GPU作為專為圖像處理設(shè)計的處理器，能3D模型的信息轉(zhuǎn)換為2D數(shù)據(jù)，即實現(xiàn)視頻圖像的結(jié)構(gòu)化處理；而且，隨著 GPU 的快速發(fā)展，在浮點運算、并行計算等部分，GPU可以提供數(shù)十倍乃至上百倍于CPU 的性能，相比 CPU，GPU 能將程序運行的時間從幾周降低到一天。所以說，算力的成熟使得深度學習強大的數(shù)據(jù)表達能力得以體現(xiàn)。
政策東風加碼
政策層面，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，提出了面向 2030 年我國新一代人工智能發(fā)展的總體要求、重點任務(wù)、資源配置、保障措施等。智能安防會作為人工智能產(chǎn)品創(chuàng)新的重點應(yīng)用推廣領(lǐng)域，實施智能安防推廣工程，鼓勵安防企業(yè)與互聯(lián)網(wǎng)企業(yè)開展合作，研發(fā)集成圖像與視頻精準識別、生物特征識別、編碼識別等多種技術(shù)的智能安防產(chǎn)品，推動安防產(chǎn)品的智能化、集約化、網(wǎng)絡(luò)化。
在國家政策的支持下，“感知互聯(lián)、數(shù)據(jù)驅(qū)動、云端共享、智慧應(yīng)用”將是未來安防行業(yè)的發(fā)展方向，物聯(lián)網(wǎng)、大數(shù)據(jù)、視頻結(jié)構(gòu)化、生物識別及人工智能等技術(shù)將融入到安防行業(yè)整體解決方案中，推動國內(nèi)安防智能化的快速發(fā)展。
?
（轉(zhuǎn)自中國安防行業(yè)網(wǎng)）
