如何解決海量的視頻監(jiān)控數(shù)據(jù)與人力分析瓶頸之間的矛盾是產(chǎn)業(yè)技術(shù)升級的主要方向。而智能化早已經(jīng)成為行業(yè)發(fā)展的共識，10年前安防行業(yè)就要開始向智能化發(fā)展，目的是自動把視頻圖像里面的內(nèi)容和目標變成結(jié)構(gòu)化數(shù)據(jù)，但一直沒有令人滿意的重大突破，主要反映在識別準確率低、場景適應性差、識別種類少。而深度學習是通過大量數(shù)據(jù)誤碼練來建立輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的映射，解決了之前的技術(shù)瓶頸，使得人工智能來自動處理海量監(jiān)控視頻數(shù)據(jù)成為可能。以平安城市為例，針對道路監(jiān)控視頻特別是微卡口等相對標準的視頻進行實時結(jié)構(gòu)化分析和特征信息提取，轉(zhuǎn)化為公安實戰(zhàn)所需的情報，是“十三五”平安中國建設規(guī)劃的重要手段。

        目前，東莞安防行業(yè)中其于深度學習的人工智能產(chǎn)品，主要識別包括：車輛分析、人員分析、行為分析和圖像分析，產(chǎn)品形態(tài)包括前端和后端兩類。而深度學習的迅猛發(fā)展，其背后是快速發(fā)展的GPU芯片技術(shù)，隨著人們逐漸認識到專用計算芯片對人工智能的重要作用，圍繞AI任務進行專有加速的芯片越來越多，這些芯片都是為了服務器端進行設計的，芯片面積較大，而針對前端/移動端設計的芯片在功耗和性能上不足，以及信息安全風險和缺乏統(tǒng)一標準等問題，使得具備智能應用的前端產(chǎn)品和后端產(chǎn)品各有擅長且長期共存。

        后端產(chǎn)品主要是超融合NVR和視頻結(jié)構(gòu)化服務器，前者是在集中存儲圖像的基礎上，通過集成深度學習算法實現(xiàn)了針對視頻內(nèi)容的智能分析和信息提取，比如人臉/車輛/行為等，適合中小型項目使用。后者通過集成高性能GPU芯片和智能算法，專門對機非人等海量特征進行快速提取和準確識別比對，比如人臉識別、車輛分析等。此外，后端產(chǎn)品能根據(jù)需求靈活配置硬件資源，能夠運行復雜，業(yè)務響應置后的算法，且升級維護比較方便。

        前端產(chǎn)品主要是AI攝像機，主要為后端提供初步結(jié)構(gòu)化的圖像數(shù)據(jù)，可以減少后端分析處理的計算資源壓力和網(wǎng)絡帶寬等系統(tǒng)造價，還可以提高一部分實時智能分析的應用價值。缺點是前端設備空間有限、功耗成本較高，會導致有限的硬件資源只能運行相對簡單，對實時性要求的算法。

        因此，前端智能和后端智能并不沖突，隨著智能的需求無所不在，未來更多數(shù)據(jù)的采集和計算都將在前端產(chǎn)品進行邊緣計算、前端處理分析后選擇性上傳到后端，二者結(jié)合起來，實現(xiàn)更智能的分布式管理，根據(jù)客戶的具體需求提供差異化的智能解決方案。通常、檢測、跟蹤、去重、摳圖等相對通用的應用以及攔線越界徘徊計數(shù)等行為分析類的應用適合放在前端，而提取細節(jié)特征、識別比對等以及涉及敏感信息的復雜應用適合放在后端，我們可以根據(jù)實際情況進行設計分解，實現(xiàn)資源利用最大化。

        此外，隨著GPU性能和深度學習算法的訓練優(yōu)化，針對卡口視頻和道路監(jiān)控視頻等中遠距離場景的實時結(jié)構(gòu)化分析服務器，也開始投入實戰(zhàn)應用。”結(jié)構(gòu)化數(shù)據(jù)“是指能夠直接表達視頻中目標的屬性特征，這個數(shù)據(jù)可以大規(guī)模地檢索、分析、統(tǒng)計。結(jié)合平安城市中攝像頭部署的場景特點和用戶使用需求，視頻結(jié)構(gòu)化的對象可分為：車輛結(jié)構(gòu)化、非機動車結(jié)構(gòu)化、行人結(jié)構(gòu)化。

        本文章由東莞監(jiān)控系統(tǒng)http://www.shlyx.com/整理提供。