大热的人脸识别在安防行业都落实在哪儿？

　　21日，《麻省理工科技评论》发布突破性技术榜单，百度以人脸识别技术获得提名。在榜单揭晓后一个关于人脸识别的圆桌论坛上，百度深度学习实验室主任林元庆对相关问题做了探讨，在谈到人脸识别时，林元庆认为图片是一个非常重要的载体，接下来这几年视频会是非常重要的方向。
 

　　林元庆认为对视频分析的把握主要有两个技术层面，一是视频基础的理解，比如汽车自动驾驶的情况下需要视频的数据，希望得到象素级别的视频理解，这个象素是人，还是车，还是天空或建筑物，这些技术在行业里面是非常核心的。二是视频的语义理解，这个视频里面到底在做什么，比如这个人在打球吗？不只是原来的简单分分类，要非常好的理解视频中的意思。
 

　　然而，在安防行业，智能视频分析技术早已存在多年，从初的概念到应用落地，从智能分析平台到智能分析前置到摄像头，随着深度学习的演进，智能视频分析技术得到了更多发展的空间。
 

　　智能分析平台
 

　　在目前公安视频联网共享平台的基础上，引入智能视频应用相关技术，将自动提取视频特征与人工标识相结合，关联现有信息综合资源库，与刑侦、技侦、网安、情报等部门信息结合起来，进行大数据处理，建设实用的图侦平台，提升视频监控图像在增加识别、智能化感知、主动预警等方面的应用水平，已经成为公安实战应用平台的发展趋势。安防平台的核心和基础是运用大数据和信息技术，建立基础数据平台，达到资源共享和信息共用，才能实现跨区域跨部门的信息分析，为科学决策提供依据。
 

　　同时，用户可以在不同摄像机场景中预设不同的报警规则，一旦目标在场景中出现违反预定义规则的行为，平台报警模块可自动弹出报警视频、报警信息或发出提示音，这时候用户可以点击报警信息，实现报警的场景确认并采取相关安全措施。通过视频分析功能，在实时监控时，监控人员可以监看更多的场景，更为及时发现可疑行为；此外，在事后取证时，通过对录像文件进行智能分析，形成一个很小的，仅包含可疑行为的视频摘要文件，监控人员对摘要进行查看，可以更快判断案件时间段。但事物都有两面性，这种主动防范的方式容易因为目标场景的变化出现误漏报现象，这是众多从事智能视频分析技术研究企业头疼问题。但现在已经有很多安防厂家的智能视频分析技术通过对动态场景的自适应建模及实时控制机制，使图像不断更新，并自动适应气象环境变化，采用复杂干扰过滤算法大程度避免风吹草动等细微动静对视频分析造成的干扰。
 

　　智能分析摄像机
 

　　把前端智能分析功能集成到高清网络摄像机内部，把以往只是单纯用来“看”的摄像机变成了一个具有独立思考分析能力的智能化“眼睛”，好像人眼一样，以智能化过滤不重要信息，集中精力在重点区域，重点事件的跟踪监控上。当摄像机有了智能分析的功能，监控系统不需要再在后台浪费大量的计算资源，仅仅需要根据实际需要在重要敏感区域部署智能化摄像机，就可以实现对区域的动态智能化监控，极大地降低了监控系统的部署成本，真正使智能化监控成为可能。
 

　　智能型摄像机将智能算法植入智能能力到前端的芯片中，形成智能型前端，适应客户对不同应用场景的需求，提高主动预警能力和监控效率。同时，让高清监控更主动、更省钱。智能高清摄像机集成了物体、物体移走、周界入侵、徘徊、越线等多种行为检测和报警功能，使被动监控转变成主动监控，极大地提升系统的效率。与此同时，该摄像机具有只传输和存储智能分析触发报警的视频数据，避免高清视频图像传输占用大量网络带宽，也极大节省后端数据存储资源，为客户节省建设投入。