安防的江湖，從視頻監(jiān)控到智能安防再到如今的AI視覺，都離不開一個關(guān)鍵詞——大數(shù)據(jù)。AI視覺+大數(shù)據(jù)，在安防又將開啟新征程，開辟另一個時代。

　　AI視覺+大數(shù)據(jù)的“天然聯(lián)姻”

　　決戰(zhàn)江湖，獨一無二往往易勝。

　　因產(chǎn)業(yè)升級帶來需求爆發(fā)與技術(shù)質(zhì)變，AI視覺新時代，到來。

　　AI視覺就是基于視覺形成框架的大腦中樞與感知的經(jīng)脈網(wǎng)絡(luò)，來做應(yīng)用。AI視覺技術(shù)要落地，算法只是其中一環(huán)，除此之外，需要構(gòu)建高價值的場景解決方案。因為在百行百業(yè)數(shù)字化轉(zhuǎn)型中，用戶需求更加復(fù)雜和多維，業(yè)務(wù)和商業(yè)模式，甚至是組織運作模式都將改變。所以，AI視覺始于安防，但也溢出安防。如何從不確定中找尋確定性，AI視覺要做的還有很多，而提供一站式AI視覺服務(wù)，打造AI視覺中樞解決方案，打造一個價值創(chuàng)造的閉環(huán)。

　　那這時代，為什么需要AI視覺+大數(shù)據(jù)來創(chuàng)造無限可能呢?

　　從六年前比特大陸、君正等人工智能芯片廠家以及商湯、云從、以薩等AI方案商進入安防可以看出，安防是人工智能技術(shù)落地最好的行業(yè)之一。而這主要源于安防本身的兩大特性：以視頻技術(shù)為核心的安防行業(yè)擁有海量的數(shù)據(jù)來源，可以充分滿足人工智能對于算法模型訓練的要求;安防行業(yè)中事前預(yù)防、事中響應(yīng)、事后追查的訴求與人工智能的技術(shù)邏輯完全吻合。此外，安防整個產(chǎn)業(yè)鏈的人工智能布局已經(jīng)成型。目前，在整個行業(yè)上下游環(huán)節(jié)的AI參與方分別包括：上游：包含了視頻算法提供商、芯片制造商、圖像傳感器、鏡頭模組等其他核心零部件;中游：硬件供應(yīng)商、軟件服務(wù)商、系統(tǒng)集成商、運營服務(wù)商;下游：為終端行業(yè)應(yīng)用，涉及政府、行業(yè)、民用等領(lǐng)域，涵蓋公安、交通、金融、學校等應(yīng)用領(lǐng)域。

　　人工智能和AI視覺并非一脈相承，后者有其行業(yè)屬性，應(yīng)用在安防行業(yè)的人工智能，主要有以下幾種技術(shù)分支。

　　AI視覺：計算機視覺技術(shù)運用由圖像處理操作及機器學習等技術(shù)所組成的序列來將圖像分析任務(wù)分解為便于管理的小塊任務(wù)。機器學習是從數(shù)據(jù)中自動發(fā)現(xiàn)模式，模式一旦被發(fā)現(xiàn)便可以做預(yù)測，處理的數(shù)據(jù)越多，預(yù)測也會越準確。

　　自然語言處理：對自然語言文本的處理是指計算機擁有的與人類類似的對文本進行處理的能力。例如：自動識別文檔中被提及的人物、地點等，或?qū)⒑贤械臈l款提取出來制作成表。

　　機器人技術(shù)：近年來隨著算法等核心技術(shù)提升，機器人取得重要突破。例如：無人機、家務(wù)機器人、醫(yī)療機器人等。

　　生物識別技術(shù)：生物識別可融合計算機、光學、聲學、生物傳感器、生物統(tǒng)計學，利用人體固有的生體特性如指紋、人臉、虹膜、靜脈、聲音、步態(tài)等進行個人身份鑒定，最初運用于司法鑒定。

　　這幾種技術(shù)分支與安防行業(yè)極為密切，但都需要與大數(shù)據(jù)、云技術(shù)、物聯(lián)網(wǎng)、移動互聯(lián)等熱點技術(shù)相互交叉融合，產(chǎn)生安防行業(yè)化綜合性應(yīng)用。

　　其實，AI視覺就是人工智能在安防的技術(shù)延伸，記得早在2016年北京安防展會，科達展臺宣傳語“讓大數(shù)據(jù)用起來”給記者很深印象。安防大數(shù)據(jù)用起來的關(guān)鍵是數(shù)據(jù)挖掘，再結(jié)合甲方的業(yè)務(wù)流程展開定制化應(yīng)用。對于公安和交通行業(yè)就是增加實戰(zhàn)力，對于商業(yè)領(lǐng)域就是增加商情效益和業(yè)務(wù)管理。如果是AI視覺時代下的安防，那么大數(shù)據(jù)的具體應(yīng)用主要是，提供強大的分布式計算能力和知識庫管理能力，是AI視覺分析預(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)模分布式計算和數(shù)據(jù)挖掘。海量數(shù)據(jù)管理被用于采集、存儲AI視覺應(yīng)用所涉及的全方位數(shù)據(jù)資源，并基于時間軸進行數(shù)據(jù)累積，以便能在時間維度上體現(xiàn)真實事物的規(guī)律;大規(guī)模分布式計算使得人工智能具備強大的計算能力，能同時分析海量的數(shù)據(jù)，開展特征匹配和模型仿真，并為眾多用戶提供個性化服務(wù);數(shù)據(jù)挖掘是AI視覺發(fā)揮真正價值的核心，利用機器學習算法自動開展多種分析計算，探究數(shù)據(jù)資源中的規(guī)律和異常點，輔助用戶更快、更準地找到有效的資源。這三個方面，就是AI視覺結(jié)合大數(shù)據(jù)應(yīng)用的實質(zhì)。

　　以此來看，能用起來的大數(shù)據(jù)，能解決目前AI視覺應(yīng)用痛點：

　　人流密度分布、變化趨勢、活動的動態(tài)監(jiān)測，預(yù)測踩踏指數(shù)，實現(xiàn)大型活動和重要區(qū)域的風險管理;

　　空間狀態(tài)分析，車流密度分布、變化趨勢，道路狀態(tài)及變化監(jiān)測，主要用于預(yù)測擁堵指數(shù)，實現(xiàn)交通信號的預(yù)測調(diào)節(jié);

　　數(shù)據(jù)融合、關(guān)聯(lián)，實現(xiàn)同號搜索，人、車軌跡跟蹤等;

　　有序過程與隨機過程分析，成為社會治安關(guān)鍵因素，進行常態(tài)與暫態(tài)分析，實現(xiàn)社會治安風險評估，事件預(yù)警;

　　高風險因素監(jiān)控和關(guān)聯(lián)分析，主要應(yīng)用于擴大社會掌控面;制定有效防范措施和反應(yīng)預(yù)案;

　　融合定位、通信、網(wǎng)絡(luò)等技術(shù)，提高對高風險因素(人、物、事、時間、地點等)掌控的精度、粒度，建立重大事件風險評估、預(yù)警機制，提高防范能力，進而實現(xiàn)犯罪高發(fā)分布及分類基礎(chǔ)性研究及綜合治理方案的制定;

　　高風險單位、區(qū)域、活動安全管理，利用大數(shù)據(jù)，進行風險和脆弱性分析，結(jié)合歷史數(shù)據(jù)的回歸統(tǒng)計;成功和不成功案例的分析，建立風險管理機制，指導(dǎo)安防系統(tǒng)建設(shè);

　　各類系統(tǒng)效能分析，主要應(yīng)用公共安全系統(tǒng)建設(shè)、評價;

　　安防基礎(chǔ)理論研究數(shù)據(jù)庫，通過數(shù)據(jù)融合、關(guān)聯(lián)及歷史回歸統(tǒng)計，開展大數(shù)據(jù)應(yīng)用;建立安全基礎(chǔ)研究和預(yù)警理論研究基礎(chǔ)數(shù)據(jù)庫。總之，大數(shù)據(jù)應(yīng)能解決公共安全的關(guān)鍵問題，支撐公共安全系統(tǒng)建設(shè)。

　　這些痛點都是目前在安防行業(yè)所面臨的，而單一的人工智能加入還很難徹底解決上述問題。當大數(shù)據(jù)加入后，AI視覺將一切迎刃而解。

　　AI視覺+大數(shù)據(jù)=無限可能

　　這時代，踏大數(shù)據(jù)智能化浪潮而來，但絕大部分的數(shù)據(jù)在沉睡，需要被喚醒，來挖掘做業(yè)務(wù)應(yīng)用。從“建”到“用”，是傳統(tǒng)安防業(yè)務(wù)跨向AI視覺在數(shù)據(jù)層面，最為顯著的轉(zhuǎn)變。AI視覺新時代的數(shù)據(jù)之能，融合多維數(shù)據(jù)，在數(shù)據(jù)碰撞中催生出新的模型，從而充分挖掘海量數(shù)據(jù)背后價值，實現(xiàn)規(guī)律認知，趨勢預(yù)知，化繁為簡。

　　隨著AI，大數(shù)據(jù)，云計算等技術(shù)的發(fā)展，安防正從傳統(tǒng)的視頻監(jiān)控走向AI視覺，從傳統(tǒng)的防控輔助系統(tǒng)走向效率提升的生產(chǎn)系統(tǒng)，智能安防走向千行百業(yè)。在走向千行百業(yè)的進程中，不同行業(yè)對于覆蓋的縱深要求不斷提升;為了獲取更多的細節(jié)信息支撐決策分析，對于視頻圖像全天候高清化越來越高，4K/8K圖像成為主流，對于網(wǎng)絡(luò)上行帶寬的要求越來越高;機器視覺技術(shù)的不斷發(fā)展，視頻圖像可以承載越來越多的信息，但仍需要更多的與前端多維感知設(shè)備之間進行數(shù)據(jù)的交互，提升決策準確率，并盡量在前端決策，減少后端處理壓力;多維感知數(shù)據(jù)的端云協(xié)同和對數(shù)據(jù)的實時交互對于網(wǎng)絡(luò)的時延、帶寬要求越來越高;同時防控走向深水區(qū)，對于防控的立體化、系統(tǒng)化、機動化要求不斷提升。

　　數(shù)據(jù)，從單維數(shù)據(jù)到多維數(shù)據(jù)。近年來，政府大力推進平安城市、智慧城市等視頻監(jiān)控的項目，視頻數(shù)據(jù)呈現(xiàn)爆炸式增長，比如單臺1080P 的監(jiān)控設(shè)備存儲一天所需的容量可達 40-60G，存儲一個月可達 1.2T 到 1.8T 之多，視頻內(nèi)容解析及目標特征提取后的數(shù)據(jù)匯總成海量城市級信息，再通過強大的計算和智能分析能力，對目標對象的特征、行為、軌跡進行分析，便可以給出追蹤建議。而如何加快對視頻數(shù)據(jù)的挖掘、應(yīng)用、及分析是亟待解決的安防命題。

　　視頻圖像大數(shù)據(jù)與多維感知數(shù)據(jù)的融合，可以全息刻畫觀察對象，在數(shù)字世界真實再現(xiàn)對象行為，可基于歷史數(shù)據(jù)挖掘分析對象行為規(guī)律，預(yù)判預(yù)測其可能出現(xiàn)的行為，并提前防范危害性行為，大幅促進社會和諧。

　　無論公共安全領(lǐng)域、交通領(lǐng)域、還是城市治理領(lǐng)域，人車問題及軌跡問題等都需要通過大數(shù)據(jù)得到快速的定位解決即提前預(yù)警。通過大數(shù)據(jù)技術(shù)，實現(xiàn)人，車，物及環(huán)境，行為分析等，實現(xiàn)多目標關(guān)聯(lián)分析，提前實現(xiàn)事件發(fā)展態(tài)勢、及交通異常事件的預(yù)測。

　　環(huán)境自感知場景落地，除了要具備大算力的 AI 芯片支持，算法提升精度來精準感知雪雨霧霜天氣，還需關(guān)聯(lián)氣象數(shù)據(jù)實現(xiàn)即時感知，實時開啟去霧，低照度，圖像增強等操作，以達到全天候高清監(jiān)控的目的，整個過程結(jié)合算力，算法及數(shù)據(jù)關(guān)聯(lián)融合在場景化訓練中不斷實現(xiàn)算法精度的提升，才得以練就完美的場景自適應(yīng)算法。

　　人員全息畫像的場景落地，在具備支撐高精度人臉人體分析的大算力芯片為前提，集合人臉分析算法，人體屬性提取等算法實現(xiàn)人臉，人體歸檔，結(jié)合車輛車牌識別算法結(jié)果，實現(xiàn)車輛軌跡及人車關(guān)聯(lián)，可進一步結(jié)合時空信息及場景分析得出人、車的晝伏夜出情況，用于分析隱匿點及實現(xiàn)人員車輛追蹤布控。

　　未來，安防技術(shù)要應(yīng)用于各行各業(yè)，如上場景僅是點滴之舉，未來更豐富的場景對算力、算法、數(shù)據(jù)有更高的要求，無論是算力增強，算法精度提升，還是大數(shù)據(jù)分析及應(yīng)用，最終都將以落地實際的智能化業(yè)務(wù)場景為目標，只有在場景化真正應(yīng)用和落地才能實現(xiàn)算力、算法及數(shù)據(jù)的綜合應(yīng)用。

　　結(jié)束語

　　加入人工智能的安防行業(yè)，大數(shù)據(jù)應(yīng)用目前主要在公安和交通行業(yè)，其他行業(yè)深度應(yīng)用幾乎沒有，或者應(yīng)用程度十分簡單，比如：智慧工地的大數(shù)據(jù)+AI安防應(yīng)用，也只是對視頻進行濃縮摘要、檢索處理。原本5分鐘的監(jiān)控視頻，通過AI提取，進行濃縮分析。看似有數(shù)據(jù)管理和數(shù)據(jù)挖掘的AI表象，但無實質(zhì)性的業(yè)務(wù)改善和提升，依舊是智能視頻分析的常用功能。

　　但，在AI視覺時代，一切都將大不一樣?？梢云诖磥碓诎卜?，不是一切數(shù)據(jù)業(yè)務(wù)化，而是一切業(yè)務(wù)數(shù)據(jù)化，也從智能安防時代的視頻智能邁向數(shù)據(jù)智能的更高階段，那時，數(shù)據(jù)能全面看、關(guān)聯(lián)看甚至自動看。

　　AI視覺，讓安防未來更加可期。