【中國安防展覽網(wǎng) 焦點新聞】近日，?？低曆芯吭侯A研團隊基于深度學習技術研發(fā)的OCR(Optical Character Recognition，圖像中文字識別)技術在ICDARRobust Reading競賽數(shù)據(jù)集的“互聯(lián)網(wǎng)圖像文字”、“對焦自然場景文字”和“隨拍自然場景文字”三項文字識別(Word Recognition)挑戰(zhàn)任務中，大幅超越國內(nèi)外強勁參賽團隊，并刷新大賽記錄的消息備受關注。
作為2016年為火熱的技術之一，深度學習在語音、圖像、自然語言處理等領域取得了非常突出的成果，包括Google、Facebook、微軟、百度在內(nèi)的各大技術巨頭都在不遺余力地推進深度學習的研發(fā)和應用。2017年深度學習的勢頭依舊迅猛，并以更快的速度滲透在各個行業(yè)當中，對世界產(chǎn)生深遠影響。深度學習不但使得機器學習能夠?qū)崿F(xiàn)眾多的應用，而且拓展了人工智能的領域范圍，并使得機器輔助功能都變?yōu)榭赡?。其應用領域也加速滲透到越來越多領域，催生了深度學習與其它應用技術的加速融合。
安防領域基于大數(shù)據(jù)、人工智能的圖像識別算法是深度學習技術應用的主要滲透領域之一。目前，深度學習技術在安防領域的應用集中在人臉識別、車牌識別、視頻分析等幾個領域。
人臉識別
其實在安防領域的人臉識別還沒有達到理想的效果，其原因主要是視頻中的人臉往往處在一種非常復雜的狀態(tài)，光照、姿態(tài)、表情、飾物、分辨率等都影響著人臉識別算法，已有的訓練算法，或者說已有的訓練數(shù)據(jù)無法調(diào)整出一個具有很強泛化能力的算法模型，人臉識別需要更豐富的樣本數(shù)據(jù)，深度學習模型也還需要進一步優(yōu)化。
日前，國內(nèi)安防巨頭大華股份人臉識別團隊向人臉識別公開測試集LFW提交了測試結果，大華股份人臉識別率繼續(xù)Google、Facebook、百度、騰訊，排名，大華股份人臉識別技術團隊設計了一個上百層的深度網(wǎng)絡(目前已公開的人臉識別網(wǎng)絡中深的模型)，提出了一種新的度量學習方法，可以使得同一人之間的相似度盡量高，同時約束不同人之間的相似度足夠低，在訓練時，結合一種的在線采樣技術，可以極大地加快收斂速度。而且應用在2016年的G20峰會保障中，抓獲了一些在逃人員。
在深度學習的加持下，人臉識別算法已經(jīng)達到了它的鼎盛時期，識別準確率甚至超過了人眼。此外，格靈深瞳的一款新型攝像機——深瞳人眼攝像機識別準確率也創(chuàng)下了新高。這款攝像機它采用格靈深瞳的像素動態(tài)瞬時分配技術，可以瞬間將局部畫面的有效像素提升百倍以上，整體畫面可以達到數(shù)億等效像素，50米內(nèi)展現(xiàn)清晰的可識別人臉，100米內(nèi)看清全身特征。而且在前端嵌入了深度智能的芯片，使用深度智能的算法可以快速鎖定目標位置。
車牌識別
作為智能交通的一個典型應用，車輛特征識別一直是安防廠商重點關注的技術領域。目前很多廠商都宣稱自己的車牌識別率已經(jīng)達到了99%，但這也只是在標準卡口的視頻條件下再加上一些預設條件來達到的。在針對很多簡易卡口和卡口圖片進行車牌定位識別時，較好的車牌識別也很難達到90%。此外，早期的車輛特征通常為車牌號碼和車身顏色等，前幾年各大廠商也推出了產(chǎn)能對車牌號碼和車身顏色進行準確識別的產(chǎn)品，但對于車輛品牌和車型系列這些更加復雜的信息特征，并沒有很好的識別手段。近兩年，深度學習技術興起，很多廠商利用大規(guī)模的數(shù)據(jù)集訓練取得了實質(zhì)性進展。目前行業(yè)水平已經(jīng)可以達到上千種車系和上百種車標的識別，識別的準確率也已達到實用程度。今后，智能交通設備所能提取的車輛特征將更加豐富，將有助于提升業(yè)務部門的工作效率，推動智能交通行業(yè)的發(fā)展。
同時，在車輛檢索方面，車輛的圖片在不同場景下會出現(xiàn)曝光過度或者曝光不足，或者車輛的尺度發(fā)生很大變化，導致傳統(tǒng)方法提取的特征會發(fā)生變化，因此檢索率很不穩(wěn)定。深度學習能夠很好地獲取較為較穩(wěn)定的特征，搜索的相似目標更，Top5的搜索率在95%以上。在人臉識別項目中，由于光線、姿態(tài)和表情等因素引起人臉變化，目前很多應用都是固定場景、固定姿態(tài)，采用深度學習算法后，不僅固定場景的人臉識別率從89%提升到99%，而且對姿態(tài)和光線也有了一定的放松。
智能視頻監(jiān)控
其實不管是人臉識別還是車牌識別，都是基于視頻監(jiān)控的智能深化分析。安防行業(yè)普遍的應用也是視頻監(jiān)控。隨著智能化安防的發(fā)展，深度學習技術可謂安防行業(yè)的“顛覆性力量”。隨著深度學習算法的突破，目標識別、物體檢測、場景分割、人物和車輛屬性分析等智能分析技術，取得了突破性進展。較之以往的傳統(tǒng)智能算法，深度學習在解決視頻結構化問題方面更“智能”。
2016年，安博會前夕，?？低晹y手業(yè)務合作伙伴NVIDIA、Movidius，發(fā)布基于深度學習技術的從前端到后端全系列智能安防產(chǎn)品。海康威視發(fā)布的“深眸”系列專業(yè)智能攝像機依托強大的多引擎硬件平臺，內(nèi)嵌專為視頻監(jiān)控場景設計優(yōu)化的深度學習算法，具備了比人腦更的安防大數(shù)據(jù)歸納能力，實現(xiàn)了在各種復雜環(huán)境下人、車、物的多重特征信息提取和事件檢測。
宇視科技在2016年10月23日舉行的安防機器視覺戰(zhàn)略發(fā)布會上也披露，公司在芯片、算法、架構、產(chǎn)品四大層面取得機器視覺的全面突破。其中，宇視與Movidius深入合作發(fā)布了基于Myriad2芯片的全系中攝像機、卡口抓拍機與智慧棒產(chǎn)品。Myriad2是目前基于深度學習算法的低功耗芯片，可用于前端人臉識別與視頻特性行為的深度結構化。
深度學習還有很多應用場景，只要涉及到目標檢測、目標識別的地方，理論上都可以應用深度學習來解決。就像百度科學家吳恩達在一些報告中提到的，深度學習可以取代現(xiàn)有的很多特征提取、目標檢測技術。在未來，深度學習技術將與安防應用碰撞出更多的火花。
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號
移動版
