【中國安防展覽網(wǎng) 品牌專欄】安防行業(yè)海量的數(shù)據(jù)源以及應用場景為人工智能的落地提供了良好的土壤，同時，該行業(yè)對于人工智能的落地具有非常急迫的需求。智能安防很有可能成為人工智能產(chǎn)業(yè)化的著陸場，同時也將開啟安防行業(yè)新一輪的成長周期。
出于對市場的敏感，主流的設備及解決方案供應商已經(jīng)開始發(fā)力，在安防行業(yè)的人工智能化市場有了不少的投入，憑借其各自深耕安防行業(yè)的經(jīng)驗，在人工智能落地方面取得了不俗的成績。
一、多維感知及應用
視頻的多維感知要求智慧安防系統(tǒng)向下疊加多維的物聯(lián)感知(包括空間信息、動環(huán)信息、生物體征、深度語音識別等等)；多維應用則體現(xiàn)在向上輸出更多的視頻數(shù)據(jù)應用價值，支持更為寬廣的業(yè)務應用(比如智慧城市的“數(shù)據(jù)大腦”、城市交通態(tài)勢分析、機器視覺、大數(shù)據(jù)預警與決策等等)。
多維感知通過集成多種傳感器，將各類感知數(shù)據(jù)與視頻數(shù)據(jù)相融合，使得傳統(tǒng)的、分布式、開放和共享程度低的傳感數(shù)據(jù)終以集中式的方式展現(xiàn)出來。不僅豐富了感知手段，同時還能直接將結構化信息傳至后端，提升了整個系統(tǒng)的效率。多維應用則是在實現(xiàn)了信息數(shù)據(jù)的全面深入的感知和特征提取之后，著力于為智慧城市、交通態(tài)勢分析等頂層業(yè)務應用提供更多有價值的數(shù)據(jù)信息，逐步構建城市智慧服務體系，從而進一步為城市民眾提供有針對性的新服務和新模式。
多傳感器信息融合是多維感知重要的技術之一，指的是利用計算機技術將來自多個傳感器或多源的信息和數(shù)據(jù)在一定的準則下進行自動分析和綜合，以完成所需要決策和估計而進行的信息處理過程。
如采用多個傳感器(雙目、TOF相機和激光雷達等)聯(lián)合獲取監(jiān)控區(qū)域數(shù)據(jù)，進行行人檢測及軌跡追蹤。監(jiān)控系統(tǒng)聯(lián)合多個深度相機，并將每個相機的檢測及追蹤結果進行融合?？梢杂行У膶ν粎^(qū)域內(nèi)多個目標進行檢測和軌跡追蹤。多傳感器感知及監(jiān)控系統(tǒng)相較于傳統(tǒng)的單一傳感器(如單個單目或深度相機)監(jiān)控具有非常大的優(yōu)勢，監(jiān)控準確度和目標數(shù)目都有非常大的提升，對于視頻中多個行人的前后匹配及追蹤也更加準確。
值得注意的是，算法在多維感知中的地位日益凸顯。該解決方案內(nèi)包含了多個不同位置、不同視角的深度傳感器，涉及大量的傳感器標定、配準及數(shù)據(jù)融合算法，檢測和軌跡追蹤結果的準確性很大程度的依賴于算法的性能。因此智能算法的支持工作非常重要，其配準和融合效果的差異直接影響著檢測和追蹤結果的輸出。
圖1多傳感器行人檢測及軌跡追蹤(客戶端畫面)
在交通監(jiān)控場景中，某些路段需要檢測車輛的長寬高是否超限，傳統(tǒng)的二維監(jiān)控視頻，車輛的三維信息已經(jīng)在成像過程中失去了，所以基于二維模型的各類算法都難以取得理想的精度。針對這種情況，就需要使用立體視覺及多傳感器融合監(jiān)控方案，如搭建雙目相機并融合雷達、測距儀等傳感器的信息。又如廣場、機場等大范圍監(jiān)控場景，傳統(tǒng)的單槍機視場角過小，而魚眼相機成像的清晰度不夠。魚球聯(lián)動方案是一種解決辦法，魚眼相機超過180度的視場可以覆蓋整個目標區(qū)域，而對區(qū)域中具體某個目標感興趣時，可以自動控制球機去觀察該目標細節(jié)。但是，在應用中發(fā)現(xiàn)，魚眼相機的成像清晰度不夠的缺點仍然存在，導致一些小目標無法被檢測出來。為了更好地滿足客戶的需求，大華又推出了多目全景相機與球機聯(lián)動的解決方案。相比魚眼相機，基于拼接算法的多目全景相機成像分辨率更高，而且能夠根據(jù)應用的特點選擇不同型號的全景相機。其中，守望者高清全景相機將8個超低照度200萬圖像傳感器拼接成2個4K畫面，實現(xiàn)360度全景監(jiān)控，同時一體化搭載了30倍超星光球機，用以實現(xiàn)細節(jié)監(jiān)控。
圖2大華高清三目全景紅外槍(監(jiān)控畫面)
基于這樣的多傳感器融合的硬件方案，在大場景中實現(xiàn)了如進入/離開區(qū)域、越界、徘徊、停車、人員聚集、快速移動、物品、物品拿取、人臉檢測、軌跡追蹤等智能功能。
二、前端智能
前端智能可以利用攝像機進行前端分析，理解視頻畫面的內(nèi)容，而后將獲取的圖片、視頻以及分析結果等傳至后端存儲。常見的前端視頻分析技術，運用計算機視覺、圖像分析等技術從海量的視頻圖像中識別和提取目標，并形成結構化的數(shù)據(jù)，幫助客戶的抽取視頻中的關鍵信息。其帶來的大改變是延時的消失，可以近乎實時的進行判斷分析。同時減輕后端的計算壓力，使得后端的優(yōu)勢計算資源更加集中于實施深入的分析工作。
以安防中常用的區(qū)域入侵檢測為例。某客戶希望對一些關鍵場所進行防護，具體的需求就是禁止人員進入。在安裝了監(jiān)控攝像頭之后，客戶有三種方案可選擇：
a)不進行實時報警，當有人進入關鍵場所，并造成事故后，查看對應攝像頭的錄像，并找到涉事人進行處罰；
b)指派專人負責實時查看監(jiān)控畫面，發(fā)現(xiàn)有區(qū)域入侵事件發(fā)生，則手動觸發(fā)對應警報器，警告涉事人離開該區(qū)域或通知工作人員進行干預；
c)應用智能分析算法，自動檢測區(qū)域入侵事件的發(fā)生，并自動觸發(fā)對應警報器，警告涉事人離開該區(qū)域或通知工作人員進行干預；
圖2大華高清三目全景紅外槍(監(jiān)控畫面)
通過對比可以容易地看到，方案a)是一種事后人工查看錄像方案，其大的缺點是難以防止事故的發(fā)生，即使是事后處罰，也難以找到涉事人。究其原因，是不能及時判斷區(qū)域入侵事件是否發(fā)生，失去了展開防護的有利時機。方案b)是一種實時人工查看監(jiān)控的方案，當監(jiān)控負責人發(fā)現(xiàn)區(qū)域入侵事件后，可以采取一系列的措施來及時阻止涉事人，有效地防止事故發(fā)生。但是，該方案引入了人力成本，考慮到一個人能夠負責的監(jiān)控畫面是有限的，能夠保持專注地工作的時間也是有限的，需要投入的人力成本就比較高。再看方案c)，該方案是一種基于實時智能分析算法的方案，不僅能夠防止事故發(fā)生，而且不引入人力成本。盡管由于集成了智能分析算法，可能會導致攝像頭等前端設備的成本上升，但相比人力成本幾乎可以忽略不計。綜合考慮，方案c)對客戶來說，收益應該是大的，在實際中，客戶的選擇也正是如此。
方案a)與b)都是基于人工，利用的是監(jiān)控視頻的內(nèi)在價值。而方案c)使用了智能分析算法來代替人工，挖掘監(jiān)控視頻的外延價值。從另一個角度說，監(jiān)控視頻的內(nèi)在價值是需要客戶自己想辦法獲取的，而外延價值是安防產(chǎn)品自主分析出來提供給客戶的。從客戶的角度看，要提升監(jiān)控視頻的內(nèi)在價值，就需要大幅度增加人力成本，甚至會出現(xiàn)收益下降的情況，這是無法接受的結果。所以，在監(jiān)控硬件成本基本相當?shù)那疤嵯拢挥胁粩嗵嵘曨l的外延價值，才能增大客戶的收益，使安防產(chǎn)品滿足客戶日益增長的新需求。
相比人工方式，智能分析算法從監(jiān)控視頻中獲取的信息具有實時性、準確性、可靠性、多樣性等特點，并且?guī)缀醪辉黾映杀尽＝?jīng)過多年發(fā)展，監(jiān)控攝像頭中已經(jīng)可以集成一系列智能分析算法，除區(qū)域入侵外，還有如運動目標檢測、物檢測、物體移除檢測、絆線、入侵、逆行、徘徊、流量、密度、目標分類等等。這些智能算法的出現(xiàn)和逐漸成熟，極大地提升了監(jiān)控視頻的外延價值，促進了安防監(jiān)控的廣泛使用。
三、深度學習及后端分析
多前端、長時間的數(shù)據(jù)獲取會形成海量的音視頻數(shù)據(jù)。面對如此大規(guī)模的數(shù)據(jù)，如何快速準確的獲取有效信息往往非常困難。傳統(tǒng)的時間和勞動密集的人工查找方式效能低下，急需、自動和智能化的方法來解決以上問題。
深度學習的出現(xiàn)以及其在后端分析方面的應用，可以對視頻及圖片信息進行有效的結構化處理，完成傳統(tǒng)方法無法實現(xiàn)的功能，同時處理效率和結果準確度也有很大的提升。
大華智能與“視頻+”
在該背景下推出的智能視頻結構化服務器“DeepSense睿智”系列，可以進行實時的視頻結構化分析。“DeepSense睿智”系列是大華攜手的人工智能計算公司英偉達(NVIDIA)，發(fā)布的具有極高計算性能的智能視頻結構化服務器。“睿智”服務器采用NVIDIATeslaP4GPUs作為核心處理器，多可支持192路全清視頻實時結構化分析，相較于市場上同類別的產(chǎn)品，視頻處理能力將提高50倍以上。“睿智”服務器能夠?qū)碗s場景中的人、機動車、非機動車分離，提取車輛特征，如車型、車系、車身顏色、車牌顏色、車牌號碼識別、主副駕駛是否系安全帶、是否打電話、有無遮陽板、有無年檢標、有無掛墜、有無紙巾盒；針對行人，“睿智”服務器可以多方面分析其相關特征，包括性別、表情、年齡段、服飾特征(上下衣著顏色、眼鏡)、攜帶物特征(背包、打傘)、運動特征等。用戶可以按照待檢索目標的特點，對人、機動車、非機動車的各種特征條件進行組合篩選，快速地進行檢索。
圖4“睿智”視頻結構化服務器客戶端畫面
結束語
大華股份董事長傅利泉認為，安防行業(yè)正在升級為以視頻為核心的物聯(lián)信息服務的“視頻+”時代，即“視頻+多維感知”和“視頻+多維應用”。這一模式要求視頻安防向下疊加多維的物聯(lián)感知，如空間信息、動環(huán)信息、生物體征、深度語音識別等等；向上輸出更多的視頻數(shù)據(jù)應用價值，支持更為寬廣的業(yè)務應用，比如智慧城市的數(shù)據(jù)大腦，城市交通態(tài)勢分析、機器視覺、大數(shù)據(jù)預警與決策等。“視頻+”模式的提出，將更好的促進人工智能與安防產(chǎn)業(yè)的結合，進一步拓展監(jiān)控視頻的外延價值。
新一代的安防技術在多維感知、多維應用的常態(tài)下，正借助以深度學習為首的人工智能、大數(shù)據(jù)及物聯(lián)網(wǎng)技術，實現(xiàn)多元快速發(fā)展，只有不斷的堅持創(chuàng)新、推動并完善人工智能在安防領域的技術應用，才能解決安防領域日益增加的需求，提升整個安防領域的智能化水平，推動安防產(chǎn)業(yè)的升級換代。
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號
移動版
