AI大数据如何改变安防平台？

　　【安防展览网 市场分析】随着人工智能、云计算、大数据技术的兴起，平安城市应用正逐步向警务云和大数据等方向转变。高清监控视频信息作为公安重要的数据资源之一，遍布城市大街小巷的摄像头每天都会产生大量视频资料数据，但这些图像以前仅停留在事后查看的层面，没有被充分利用起来。让用户从这些数据中自行寻找线索，不仅占用了大量的人力、物力和时间，同时由于个人能力的差异也会导致针对信息的认知偏差。如何解决海量视频监控数据与人力分析瓶颈之间的矛盾是产业技术升级的主要方向，安防因此成为人工智能重要的落地场景之一，通过把图像中的内容和目标自动转换成结构化数据，让每个人都能直接理解人/车/事等主要信息，通过对从图像中挖掘出的信息进行研判分析，可以解决城市管理中的诸多难题，比如：根据交通流量优化红绿灯配时系统；在视频中搜索可疑车辆(肇事)和可疑人(失踪)，通过挖掘数据之间的关系和规律，可以进行趋势预测；半小时甚至更长时间后的车流和路径规划等。
 

　　图1 图像解析系统

 

　　如图1所示，图像解析是将视频转化为数据的关键途径，目前，基于深度学习的AI技术应用主要分为人脸、车辆、人体和动作行为这四类，通过大量数据训练来建立输入数据和输出数据之间的映射，通过人工智能来自动处理海量监控视频数据，解决了以往的技术瓶颈，已经可以用于布控抓捕等实战应用并且在治安维稳和破案打击等工作中取得了显著的战果。基于深度学习的图像解析方式分为前端分析和后端分析。前端分析产品主要是智能摄像机，在采集视频和图片的同时，依靠内置的算力芯片和智能算法，分析车辆和人员的特征属性，为云端的数据中心提供结构化的数据，可以减少云端分析处理的计算资源压力和网络带宽等系统成本。后端分析产品主要是智能NVR和智能服务器，智能NVR是在集中存储图像的同时，对视频内容智能分析和提取信息，比如小型比对库的人脸识别/车辆识别等，由于算力限制，适合中小型项目使用。智能服务器通过在X86服务器集成高性能GPU芯片和深度学习算法，对人脸特征、车辆特征、机动车/非机动车/行人的全目标特征进行快速提取和准确识别比对，比如人脸底库的识别比对、卡口过车图片的二次特征提取和以图搜车、行人的衣着体貌特征识别和以图搜人等。后端分析产品可以根据客户需求灵活配置硬件资源，运行场景复杂的算法，且升级维护比较方便。
 

　　图2 人脸动态布控

 

　　图3 以图搜人

 

　　随着智能需求日益增多，更多数据的采集和计算未来都将在前端进行边缘节点计算，前端初步处理分析后回传到后端进行深度分析，前端智能和后端智能互相协同，可根据客户的具体需求灵活组合，实现更灵活的分布式计算和资源利用大化。一般来说，检测、跟踪、去重、图片抓拍等处理以及拌线、越界、徘徊、计数等行为分析类的处理适合放在前端，而提取细节特征和识别比对等处理以及涉及敏感信息的复杂应用适合放在后端，由平台进行统一管理。