盘点人工智能在安防领域的应用.docx

盘点人工智能在安防领域的应用ArtificialIntelligence，缩写AI始于20世纪50年代中期，之后数十年开展起起伏伏，80年代末随着人工神经网络研究的兴起，人工智能进入一个新的阶段。十分是最近几年，深度学习在人工神经网络优化方面获得打破，使得机器辅助成为可能，拓展了人工智能的应用领域。在安防领域，随着平安城市建立的不断推进，监控点位越来越多，从最初的几千路，到几万路，甚至于到如今几十万路的规模，视频和卡口产生海量的数据。与此同时，随着高清视频、智能分析、云计算和大数据等相关技术的开展，安防正在从传统的被动防御向主动判定、预警开展，行业也从单一的平安领域向多行业应用、提升消费效率、进步生活智能化程度方向开展，为更多的行业和人群提供可视化、智能化解决方案。随着安防领域的开展，人工智能的重要作用正逐步显现。当前，用户面对海量的视频数据，已无法简单利用人海战术进展检索和分析，需要人工智能作为专家或者助手，实时分析视频内容，探测异常信息，进展风险预测。一、人工智能技术海康威视从2006年开场研发智能技术，历经10年的积累，其智能技术已被用到产品线的方方面面，而作为智能技术开展的目的人工智能，更是我们矢志不渝的追求。立足如今，放眼将来，我们把当前的人工智能研发重点聚焦在视频构造化技术和大数据技术两方面。1视频构造化技术视频构造化技术是交融了机器视觉、图像处理、形式识别、深度学习等最前沿的人工智能技术，是视频内容理解的基石。视频构造化在技术领域可以划分为三个步骤：目的检测、目的跟踪和目的属性提取。目的检测经过是从视频中提取出前景目的，然后识别出前景目的是有效目的如：人员、车辆、人脸等还是无效目的如：树叶、阴影、光线等。在目的检测经过主要应用到运动目的检测、人脸检测和车辆检测等技术。海康威视研究院在2016年PASCALVOC目的检测中获得第一，是海康威视10年研发积累的最好表达。目的跟踪经过是实现特定目的在场景中的持续跟踪，并从整个跟踪经过中获取一张高质量图片作为该目的的抓拍图片。在目的跟踪经过中主要应用到多目的跟踪、目的交融以及目的评分技术。海康威视研究院在2021年MOTChallenge算法测评中获计算机视觉的多目的跟踪算法第一。目的属性提取经过是对已经检测到的目的图片中目的属性的识别，判定该目的具有哪些可视化的特征属性，例如人员目的的性别、年龄、着装，车辆目的的车型、颜色等属性。目的属性提取经过主要基于深度学习网络构造的特征提取和分类技术。同时，为理解决视频构造化的高性能分析计算问题，我们于2021年设计研制了嵌入式GPU集群效劳器，充分利用多GPU的并行处理才能，进步视频构造化处理的综合效能。2大数据技术大数据技术为人工智能提供强大的分布式计算才能和知识库治理才能，是人工智能分析预测、自主完善的重要支撑。其包含三大局部：海量数据治理、大规模分布式计算和数据挖掘。海量数据治理被用于收集、存储人工智能应用所涉及的全方位数据资源，并基于时间轴进展数据累积，以便能在时间维度上表达真实事物的规律。同时，人工智能应用长期积累的庞大知识库，也需要依靠该系统进展治理和访问。当前，海康威视研究院开发的海康大数据平台已能支撑千亿级规模的车辆通行记录存储治理和应用。大规模分布式计算使得人工智能具备强大的计算才能，能同时分析海量的数据，开展特征匹配和模型仿真，并为诸多用户提供个性化效劳。数据挖掘是人工智能发挥真正价值的核心，利用机器学习算法自动开展多种分析计算，探究数据资源中的规律和异常点，辅助用户更快、更准地找到有效的资源，进展风险预测和评估。二、人工智能应用当前人工智能技术的迅猛开展，积极推动着安防领域向着一个更智能化、更人性化的方向前进，主要表达在以下这几个方面：1在公安行业的应用公安行业用户的迫切需求是在海量的视频信息中，发现犯罪嫌疑人的线索。人工智能在视频内容的特征提取、内容理解方面有着天然的上风。前端摄像机内置人工智能芯片，可实时分析视频内容，检测运动对象，识别人、车属性信息，并通过网络传递到后端人工智能的中心数据库进展存储。汇总的海量城市级信息，再利用强大的计算才能及智能分析才能，人工智能可对嫌疑人的信息进展实时分析，给出最可能的线索建议，将犯罪嫌疑人的轨迹锁定由原来的几天，缩短到几分钟，为案件的侦破节约珍贵的时间。其强大的交互才能，还能与办案民警进展自然语言方式的沟通，真正成为办案人员的专家助手。以车辆特征为例，可通过使用车辆驾驶位前方的小电风扇进展车辆追踪，在海量的视频资源中锁定涉案的嫌疑车辆的通行轨迹。2在交通行业的应用在交通领域，随着交通卡口的大规模联网，聚集的海量车辆通行记录信息，对于城市交通治理有着重要的作用，利用人工智能技术，可实时分析城市交通流量，调整红绿灯间隔，缩短车辆等待时间，提升城市道路的通行效率。城市级的人工智能大脑，实时把握着城市道路上通行车辆的轨迹信息，停车场的车辆信息，以及小区的停车信息，能提早半个小时预测交通流量变化和停车位数目变化，公道调配资源、疏导交通，实现机场、火车站、汽车站、商圈的大规模交通联动调度，提升整个城市的运行效率，为居民的出行畅通提供保障。3在智能楼宇的应用在智能楼宇领域，人工智能是建筑的大脑，综合控制着建筑的安防、能耗，对于进出大厦的人、车、物实现实时的跟踪定位，区分办公人员与外来人员，监控大楼的能源消耗，使得大厦的运行效率最优，延长大厦的使用寿命。智能楼宇的人工智能核心，汇总整个楼宇的监控信息、刷卡记录，室内摄像机能明晰捕捉人员信息，在门禁刷卡时实时比对通行卡信息及刷卡人脸部信息，检测出盗刷卡行为。还能区分工作人员在大楼中的行动轨迹和逗留时间，发现违规探访行为，确保核心区域的平安。4在工厂园区的应用工业机器人来历已久，但大多数是固定在产线上的操纵型机器人。可挪动巡线机器人在全封闭无人工厂中将有着广泛的应用前景。在工厂园区场所，安防摄像机主要被部署在出入口和周界，对内部边边角角的位置无法涉及，而这些地方恰正是平安隐患的死角，利用可挪动巡线机器人，定期巡逻，读取仪表数值，分析潜伏的风险，保障全封闭无人工厂的可靠运行，真正推动工业4.0的开展。5在民用安防的应用在民用安防领域，每个用户都是极具个性化的，利用人工智能强大的计算才能及效劳才能，为每个用户提供差异化的效劳，提升个人用户的平安感，确实知足人们日益增长的效劳需求。以家庭安防为例，当检测到家庭中没有人员时，家庭安防摄像机可自动进入布防形式，有异常时，给予闯入人员声音警告，并远程通知家庭主人。而当家庭成员回家后，又能自动撤防，保护用户隐私。夜间期间，通过一定时间的自学习，把握家庭成员的作息规律，在主人休息时启动布防，确保夜间平安，省去人工布防的烦恼，真正实现人性化。三、存在的问题人工智能在安防领域的应用有着非常好的前景，但目前国内的根底还较薄弱，在应用经过中还有较多问题需要完善和解决：1视频成像质量受环境影响较大，存在光照缺乏、图像模糊、目的尺寸过小或者互相遮挡等问题，不利于人工智能对视频内容的辨识。2数据资源分散，开放和分享程度低，难以开展多维数据交融分析，使得人工智能缺乏有效的数据支撑。3领域专业知识的积累缺乏。早期的智能分析技术属于单场景的目的检测和行为分析，对视频内容的理解才能偏弱，同时也很少涉及大范围场景的关联行为分析，没有积累下有效的经历知识用于异常分析和风险预测。4缺乏有效的自主完善才能。当前很多的智能，只是一种反响式智能，根据输入条件进展自动判定而已，并不具备成长才能。人工智能应具备基于时间的经历积累，以及群体间的经历共享才能，才能不断完善，使得智能才能更强，更高效。总结是安防领域的将来，在通往将来的道路上，还有许很多多障碍和困难需要跨越和克制，但总体趋势是乐观的，我们坚信只有具备自主、个性化、不断进化完善的人工智能大脑，才能解决安防领域日益增加的需求，成为广阔用户的专家和助手，提升整个安防领域的智能化程度，推动安防产业的晋级换代。