視頻是安防領(lǐng)域內(nèi)應(yīng)用最多的數(shù)據(jù)，而視頻結(jié)構(gòu)化描述又是人工智能最直接的表達(dá)方式，東莞監(jiān)控安裝公司表示隨著國(guó)家對(duì)維穩(wěn)的重視，視頻結(jié)構(gòu)化描述面臨爆發(fā)的增長(zhǎng)模式，因此人工智能在安防領(lǐng)域最具市場(chǎng)空間。

  　 東莞安防監(jiān)控領(lǐng)域的人工智能主要集中在人、車、行為的分析識(shí)別上，不同的目標(biāo)有著不同的識(shí)別算法。對(duì)于人的人工智能主要包括人臉識(shí)別和行人識(shí)別，人臉識(shí)別特征，如性別、年齡、民族、眼鏡、笑容以及人臉特征數(shù)據(jù)，行人識(shí)別特征，如背包、挎包、拉桿箱、裙子、帽子、傘、頭發(fā)、圍巾等。當(dāng)前的安防領(lǐng)域人臉的應(yīng)用，對(duì)于定點(diǎn)的，按照人臉抓取要求條件安裝的攝像機(jī)可實(shí)現(xiàn)落地應(yīng)用，對(duì)于通用的安防類攝像機(jī)，其應(yīng)用水平將大打折扣，不適合落地。 而對(duì)于行人特征識(shí)別受到攝像機(jī)分辨率、光線以及角度的影響，在當(dāng)下的技術(shù)水平尚無(wú)法實(shí)現(xiàn)高精度的人體識(shí)別。車輛特征化比較成熟，在卡口/微卡口系統(tǒng)中基本做到落地實(shí)用，但是在治安攝像機(jī)，其精準(zhǔn)度受到光線和角度的影響，精準(zhǔn)度快速下降，無(wú)法達(dá)到落地實(shí)用。異常行為，如絆線、區(qū)域、遺留等可實(shí)現(xiàn)落地使用，其他如徘徊、聚集、火焰等需在特定場(chǎng)景下才可落地實(shí)用，通用場(chǎng)景尚無(wú)法落地實(shí)用。

　　深度學(xué)習(xí)與高效計(jì)算奠定技術(shù)基礎(chǔ) 目前支持人工智能在安防領(lǐng)域內(nèi)得以落地的關(guān)鍵技術(shù)就是深度學(xué)習(xí)與高效計(jì)算。眾所周知，由于深度學(xué)習(xí)的出現(xiàn)使得人臉識(shí)別技術(shù)得到突飛猛進(jìn)的發(fā)展，由原來(lái)的實(shí)驗(yàn)室階段一躍成為現(xiàn)場(chǎng)可使用的技術(shù)，但是深度學(xué)習(xí)帶來(lái)的另外一個(gè)負(fù)面效應(yīng)就是超大計(jì)算量。由于傳統(tǒng)的CPU不適合并行的圖像運(yùn)算，使得人臉的解決方案面臨高昂的代價(jià)，而GPU(或TPU)等高密度計(jì)算的出現(xiàn)極大地緩解了深度學(xué)習(xí)對(duì)計(jì)算資源的需求，使得人工智能最終實(shí)現(xiàn)落地。

　　盡管人工智能的應(yīng)用已是大勢(shì)所趨，但就當(dāng)前的行業(yè)應(yīng)用現(xiàn)狀來(lái)看，人工智能在安防領(lǐng)域的應(yīng)用仍然存在相關(guān)技術(shù)限制，首要的挑戰(zhàn)便是技術(shù)的普適性，如光線、分辨率、環(huán)境等的影響。以人臉為例，按照人臉采集標(biāo)準(zhǔn)設(shè)立的攝像機(jī)與普通的治安攝像機(jī)在捕捉人臉的數(shù)量和質(zhì)量上存在巨大差異。其次是技術(shù)計(jì)算需求，我們知道人工智能需要大量的機(jī)器運(yùn)算，這對(duì)系統(tǒng)建設(shè)和維護(hù)都提出了較高的要求。當(dāng)前流行的CPU(i7)只能處理3-4路1080P分辨率下的人臉捕捉與特征化，如果要進(jìn)行大量的人臉采集入庫(kù)，則需要大量的計(jì)算資源。現(xiàn)在很多公司為了提高計(jì)算效率，采用GPU，但是如何保證GPU7X24不間斷穩(wěn)定運(yùn)行，仍是橫亙?cè)诟骷夜久媲暗碾y題。最后在市場(chǎng)上，人工智能當(dāng)前還處于應(yīng)用前期，這注定其處于較高的價(jià)位，如要進(jìn)行大面積應(yīng)用，必然會(huì)對(duì)其價(jià)格提出較為適宜的要求。

        以上內(nèi)容由東莞監(jiān)控系統(tǒng)安裝公司創(chuàng)通寶整理提供。