人工智能(Artificial Inligence，縮寫AI)始于20世紀(jì)50年代中期，之后數(shù)十年發(fā)展起起伏伏，80年代末隨著人工神經(jīng)網(wǎng)絡(luò)研究的興起，人工智能進(jìn)入一個(gè)新的階段。特別是zui近幾年，深度學(xué)習(xí)在人工神經(jīng)網(wǎng)絡(luò)優(yōu)化方面獲得突破，使得機(jī)器輔助成為可能，拓展了人工智能的應(yīng)用領(lǐng)域。
首先，有一些要的事要知道：AI是一門嚴(yán)謹(jǐn)?shù)目茖W(xué)，專注于設(shè)計(jì)智能系統(tǒng)和智能機(jī)器，其中使用的算法技術(shù)在某些程度上借鑒了我們對(duì)大腦的了解。許多現(xiàn)代AI系統(tǒng)使用人工神經(jīng)網(wǎng)絡(luò)和計(jì)算機(jī)代碼，模擬非常簡單的、通過互相連接的單元組成的網(wǎng)絡(luò)，有點(diǎn)像大腦中的神經(jīng)元。這些網(wǎng)絡(luò)可以通過改變單元之間的連接來學(xué)習(xí)經(jīng)驗(yàn)，有點(diǎn)像人類和動(dòng)物的大腦通過修改神經(jīng)元之間的連接進(jìn)行學(xué)習(xí)?，F(xiàn)代神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)識(shí)別模式、翻譯語言、學(xué)習(xí)簡單的邏輯推理，甚至創(chuàng)建圖像并且形成新的想法。其中，模式識(shí)別是一項(xiàng)特別重要的功能——AI十分擅于識(shí)別大量數(shù)據(jù)中的模式，而這對(duì)于人類來說則沒有那么容易。
深度學(xué)習(xí)系統(tǒng)中一個(gè)特別有用的架構(gòu)被稱為卷積神經(jīng)網(wǎng)絡(luò)或 ConvNet。 ConvNet 是連接神經(jīng)網(wǎng)絡(luò)中單元的一種特定方式，受其他動(dòng)物和人類視覺皮層體系結(jié)構(gòu)的啟發(fā)構(gòu)建而來?，F(xiàn)代 ConNet可以利用從7~100層的單元。在公園里，我們?nèi)祟惪吹酱竽裂蛉推嫱咄?，盡管它們的體型和體重都不同，但我們卻知道它們都是狗。對(duì)于計(jì)算機(jī)而言，圖像只是一串?dāng)?shù)組。在這串?dāng)?shù)組內(nèi)，局部圖案，例如物體的邊緣，在*層中能夠被輕易檢測出來。神經(jīng)網(wǎng)絡(luò)的下一層將檢測這些簡單圖案的組合所形成簡單形狀，比如汽車的輪子或人臉的眼睛。再下一層將檢測這些形狀組合所構(gòu)成的物體的某些部分，例如人臉、腿部或飛機(jī)的機(jī)翼。神經(jīng)網(wǎng)絡(luò)的zui后一層將檢測剛才那些部分的組合：一輛汽車、一架飛機(jī)、一個(gè)人、一只狗等等。神經(jīng)網(wǎng)絡(luò)的深度——具有多少層——使網(wǎng)絡(luò)能夠以這種分層次的方式識(shí)別復(fù)雜模式。
一旦經(jīng)過了大量樣本數(shù)據(jù)庫的訓(xùn)練，ConvNet 對(duì)于識(shí)別圖像、視頻、語音、音樂甚至文本等自然信號(hào)特別有用。為了很好地訓(xùn)練網(wǎng)絡(luò)，我們需要提供給這些網(wǎng)絡(luò)被人標(biāo)記的大量圖像數(shù)據(jù)。ConvNet會(huì)學(xué)習(xí)將每個(gè)圖像與其相應(yīng)的標(biāo)簽相互關(guān)聯(lián)起來。有趣的是，ConvNet 還能將以前從未見過的圖像及其相應(yīng)的標(biāo)簽配對(duì)。由此我么就得到了一個(gè)系統(tǒng)，可以梳理各種各樣的圖像，并且識(shí)別照片中的元素。
在安防領(lǐng)域，隨著平安城市建設(shè)的不斷推進(jìn)，監(jiān)控點(diǎn)位越來越多，從zui初的幾千路，到幾萬路，甚至于到現(xiàn)在幾十萬路的規(guī)模，視頻和卡口產(chǎn)生海量的數(shù)據(jù)。與此同時(shí)，隨著高清視頻、智能分析、云計(jì)算和大數(shù)據(jù)等相關(guān)技術(shù)的發(fā)展，安防正在從傳統(tǒng)的被動(dòng)防御向主動(dòng)判斷、預(yù)警發(fā)展，行業(yè)也從單一的安全領(lǐng)域向多行業(yè)應(yīng)用、提升生產(chǎn)效率、提高生活智能化程度方向發(fā)展，為更多的行業(yè)和人群提供可視化、智能化解決方案。隨著安防領(lǐng)域的發(fā)展，人工智能的重要作用正逐步顯現(xiàn)。當(dāng)前，用戶面對(duì)海量的視頻數(shù)據(jù)，已無法簡單利用人海戰(zhàn)術(shù)進(jìn)行檢索和分析，需要人工智能作為專家或助手，實(shí)時(shí)分析視頻內(nèi)容，探測異常信息，進(jìn)行風(fēng)險(xiǎn)預(yù)測。
一、人工智能技術(shù)
近年來蘇州千視通一直在研發(fā)智能技術(shù)，歷經(jīng)幾年的積累，其智能技術(shù)已被用到產(chǎn)品線的方方面面，而作為智能技術(shù)發(fā)展的目標(biāo)——“人工智能”，更是我們矢志不渝的追求。立足現(xiàn)在，放眼未來，我們把當(dāng)前的人工智能研發(fā)重點(diǎn)聚焦在視頻結(jié)構(gòu)化技術(shù)和大數(shù)據(jù)技術(shù)兩方面。
1．視頻結(jié)構(gòu)化技術(shù)
視頻結(jié)構(gòu)化技術(shù)是融合了機(jī)器視覺、圖像處理、模式識(shí)別、深度學(xué)習(xí)等zui前沿的人工智能技術(shù)，是視頻內(nèi)容理解的基石。
視頻結(jié)構(gòu)化在技術(shù)領(lǐng)域可以劃分為三個(gè)步驟：目標(biāo)檢測、目標(biāo)跟蹤和目標(biāo)屬性提取。
目標(biāo)檢測過程是從視頻中提取出前景目標(biāo)，然后識(shí)別出前景目標(biāo)是有效目標(biāo)(如：人員、車輛、人臉等)還是無效目標(biāo)(如：樹葉、陰影、光線等)。在目標(biāo)檢測過程主要應(yīng)用到運(yùn)動(dòng)目標(biāo)檢測、人臉檢測和車輛檢測等技術(shù)。
目標(biāo)跟蹤過程是實(shí)現(xiàn)特定目標(biāo)在場景中的持續(xù)跟蹤，并從整個(gè)跟蹤過程中獲取一張高質(zhì)量圖片作為該目標(biāo)的抓拍圖片。在目標(biāo)跟蹤過程中主要應(yīng)用到多目標(biāo)跟蹤、目標(biāo)融合以及目標(biāo)評(píng)分技術(shù)。
目標(biāo)屬性提取過程是對(duì)已經(jīng)檢測到的目標(biāo)圖片中目標(biāo)屬性的識(shí)別，判斷該目標(biāo)具有哪些可視化的特征屬性，例如人員目標(biāo)的性別、年齡、著裝，車輛目標(biāo)的車型、顏色等屬性。目標(biāo)屬性提取過程主要基于深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的特征提取和分類技術(shù)。
同時(shí)，為了解決視頻結(jié)構(gòu)化的高性能分析計(jì)算問題，我們于2016年推出了“千視”視頻結(jié)構(gòu)化服務(wù)器，充分利用多GPU的并行處理能力，提高視頻結(jié)構(gòu)化處理的綜合效能。
2．大數(shù)據(jù)技術(shù)
大數(shù)據(jù)技術(shù)為人工智能提供強(qiáng)大的分布式計(jì)算能力和知識(shí)庫管理能力，是人工智能分析預(yù)測、自主完善的重要支撐。其包含三大部分：海量數(shù)據(jù)管理、大規(guī)模分布式計(jì)算和數(shù)據(jù)挖掘。
海量數(shù)據(jù)管理被用于采集、存儲(chǔ)人工智能應(yīng)用所涉及的數(shù)據(jù)資源，并基于時(shí)間軸進(jìn)行數(shù)據(jù)累積，以便能在時(shí)間維度上體現(xiàn)真實(shí)事物的規(guī)律。同時(shí)，人工智能應(yīng)用長期積累的龐大知識(shí)庫，也需要依賴該系統(tǒng)進(jìn)行管理和訪問。
大規(guī)模分布式計(jì)算使得人工智能具備強(qiáng)大的計(jì)算能力，能同時(shí)分析海量的數(shù)據(jù)，開展特征匹配和模型仿真，并為眾多用戶提供個(gè)性化服務(wù)。
數(shù)據(jù)挖掘是人工智能發(fā)揮真正價(jià)值的核心，利用機(jī)器學(xué)習(xí)算法自動(dòng)開展多種分析計(jì)算，探究數(shù)據(jù)資源中的規(guī)律和異常點(diǎn)，輔助用戶更快、更準(zhǔn)地找到有效的資源，進(jìn)行風(fēng)險(xiǎn)預(yù)測和評(píng)估。
二、人工智能應(yīng)用
當(dāng)前人工智能技術(shù)的迅猛發(fā)展，積極推動(dòng)著安防領(lǐng)域向著一個(gè)更智能化、更人性化的方向前進(jìn)，主要體現(xiàn)在以下這幾個(gè)方面：
1．在*行業(yè)的應(yīng)用
*行業(yè)用戶的迫切需求是在海量的視頻信息中，發(fā)現(xiàn)**的線索。人工智能在視頻內(nèi)容的特征提取、內(nèi)容理解方面有著天然的優(yōu)勢。智能視頻分析系統(tǒng)，可實(shí)時(shí)、事后分析視頻內(nèi)容，檢測運(yùn)動(dòng)對(duì)象，識(shí)別人、車屬性信息，并通過網(wǎng)絡(luò)傳遞到后端人工智能的中心數(shù)據(jù)庫進(jìn)行存儲(chǔ)。匯總的海量城市級(jí)信息，再利用強(qiáng)大的計(jì)算能力及智能分析能力，人工智能可對(duì)*的信息進(jìn)行實(shí)時(shí)分析，給出zui可能的線索建議，將**的軌跡鎖定由原來的幾天，縮短到幾分鐘，為案件的偵破節(jié)約寶貴的時(shí)間。其強(qiáng)大的交互能力，還能與辦案民警進(jìn)行自然語言方式的溝通，真正成為辦案人員的專家助手。
以車輛特征為例，可通過使用車輛駕駛位前方的小電風(fēng)扇進(jìn)行車輛追蹤，在海量的視頻資源中鎖定涉案的嫌疑車輛的通行軌跡。
2．在交通行業(yè)的應(yīng)用
在交通領(lǐng)域，隨著交通卡口的大規(guī)模聯(lián)網(wǎng)，匯集的海量車輛通行記錄信息，對(duì)于城市交通管理有著重要的作用，利用人工智能技術(shù)，可實(shí)時(shí)分析城市交通流量，調(diào)整紅綠燈間隔，縮短車輛等待時(shí)間，提升城市道路的通行效率。城市級(jí)的人工智能大腦，實(shí)時(shí)掌握著城市道路上通行車輛的軌跡信息，停車場的車輛信息，以及小區(qū)的停車信息，能提前半個(gè)小時(shí)預(yù)測交通流量變化和停車位數(shù)量變化，合理調(diào)配資源、疏導(dǎo)交通，實(shí)現(xiàn)機(jī)場、火車站、汽車站、商圈的大規(guī)模交通聯(lián)動(dòng)調(diào)度，提升整個(gè)城市的運(yùn)行效率，為居民的出行暢通提供保障。
3．在智能樓宇的應(yīng)用
在智能樓宇領(lǐng)域，人工智能是建筑的大腦，綜合控制著建筑的安防、能耗，對(duì)于進(jìn)出大廈的人、車、物實(shí)現(xiàn)實(shí)時(shí)的跟蹤定位，區(qū)分辦公人員與外來人員，監(jiān)控大樓的能源消耗，使得大廈的運(yùn)行效率*，延長大廈的使用壽命。智能樓宇的人工智能核心，匯總整個(gè)樓宇的監(jiān)控信息、刷卡記錄，室內(nèi)攝像機(jī)能清晰捕捉人員信息，在門禁刷卡時(shí)實(shí)時(shí)比對(duì)通行卡信息及刷卡人臉部信息，檢測出盜刷卡行為。還能區(qū)分工作人員在大樓中的行動(dòng)軌跡和逗留時(shí)間，發(fā)現(xiàn)違規(guī)探訪行為，確保核心區(qū)域的安全。
4．在工廠園區(qū)的應(yīng)用
工業(yè)機(jī)器人由來已久，但大多數(shù)是固定在產(chǎn)線上的操作型機(jī)器人。可移動(dòng)巡線機(jī)器人在全封閉無人工廠中將有著廣泛的應(yīng)用前景。在工廠園區(qū)場所，安防攝像機(jī)主要被部署在出入口和周界，對(duì)內(nèi)部邊邊角角的位置無法涉及，而這些地方恰恰是安全隱患的死角，利用可移動(dòng)巡線機(jī)器人，定期巡邏，讀取儀表數(shù)值，分析潛在的風(fēng)險(xiǎn)，保障全封閉無人工廠的可靠運(yùn)行，真正推動(dòng)“工業(yè)4.0”的發(fā)展。
5．在民用安防的應(yīng)用
在民用安防領(lǐng)域，每個(gè)用戶都是個(gè)性化的，利用人工智能強(qiáng)大的計(jì)算能力及服務(wù)能力，為每個(gè)用戶提供差異化的服務(wù)，提升個(gè)人用戶的安全感，確實(shí)滿足人們?nèi)找嬖鲩L的服務(wù)需求。以家庭安防為例，當(dāng)檢測到家庭中沒有人員時(shí)，家庭安防攝像機(jī)可自動(dòng)進(jìn)入布防模式，有異常時(shí)，給予闖入人員聲音警告，并遠(yuǎn)程通知家庭主人。而當(dāng)家庭成員回家后，又能自動(dòng)撤防，保護(hù)用戶隱私。夜間期間，通過一定時(shí)間的自學(xué)習(xí)，掌握家庭成員的作息規(guī)律，在主人休息時(shí)啟動(dòng)布防，確保夜間安全，省去人工布防的煩惱，真正實(shí)現(xiàn)人性化。
三、存在的問題
人工智能在安防領(lǐng)域的應(yīng)用有著非常好的前景，但目前國內(nèi)的基礎(chǔ)還較薄弱，在應(yīng)用過程中還有較多問題需要完善和解決：
1)視頻成像質(zhì)量受環(huán)境影響較大，存在光照不足、圖像模糊、目標(biāo)尺寸過小或相互遮擋等問題，不利于人工智能對(duì)視頻內(nèi)容的辨識(shí)。
2)數(shù)據(jù)資源分散，開放和共享程度低，難以開展多面數(shù)據(jù)融合分析，使得人工智能缺乏有效的數(shù)據(jù)支撐。
3)領(lǐng)域?qū)I(yè)知識(shí)的積累不足。早期的智能分析技術(shù)屬于單場景的目標(biāo)檢測和行為分析，對(duì)視頻內(nèi)容的理解能力偏弱，同時(shí)也很少涉及大范圍場景的關(guān)聯(lián)行為分析，沒有積累下有效的經(jīng)驗(yàn)知識(shí)用于異常分析和風(fēng)險(xiǎn)預(yù)測。
4)缺乏有效的自主完善能力。當(dāng)前很多的智能，只是一種反應(yīng)式智能，根據(jù)輸入條件進(jìn)行自動(dòng)判斷而已，并不具備成長能力。人工智能應(yīng)具備基于時(shí)間的經(jīng)驗(yàn)積累，以及群體間的經(jīng)驗(yàn)分享能力，才能不斷完善，使得智能能力更強(qiáng)，更。
總 結(jié)
人工智能是安防領(lǐng)域的未來，在通往未來的道路上，還有許許多多障礙和困難需要跨越和克服，但總體趨勢是樂觀的，我們堅(jiān)信只有具備自主、個(gè)性化、不斷進(jìn)化完善的人工智能大腦，才能解決安防領(lǐng)域日益增加的需求，成為廣大用戶的專家和助手，提升整個(gè)安防領(lǐng)域的智能化水平，推動(dòng)安防產(chǎn)業(yè)的升級(jí)換代。
會(huì)員1.png)