来源:安防知识网 作者:吴参毅
由于受到技术瓶颈及硬件平台计算能力的限制,人工智能在安防行业的应用一直发展缓慢。但自从2010年以来,随着互联网海量数据的出现,使得深度学习发挥潜力。同时以GPU为代表的硬件平台计算能力的飞速提升,更进一步加速了深度学习技术的普及。安防行业中的海量视频图像数据为深度学习提供了天然的大数据基础,同时深度学习最成功的应用方向是基于图像的应用,这对安防行业发展带来了极大的推动作用。从目前来看,安防行业是人工智能落地很成功的一个领域,并且不断深化应用,不断推进安防行业的技术变革。
人工智能加速智能安防产品落地
人工智能技术在安防领域落地应用,改善了原本应用效果不佳的现状,例如传统的周界类通用智能应用、人脸应用、视频结构化等。人脸应用主要包括人脸采集、人脸验证、静态库人脸检索、动态库人脸识别与分析。基于传统特征工程和分类器模型的模式识别方法,对应用场景要求苛刻,对采集的人脸在分辨率、人脸光照不均匀性、人脸采集的Yaw、Pitch、Roll角度都有很高的要求。在海量数据+深度学习层面,使用监督学习训练得到的特征比传统手工设计特征具有更强的表达能力,只要训练样本具有足够海量、具有足够完备性、和推理样本属于同一个分布,深度学习则能得到更具辨别力的特征。
深度学习特征的高表达性和高辨别力,加速了智能安防产品在行业市场和消费类市场的落地。最近两年来,人脸结构化产品(人脸采集、人脸比对)的逐渐普及,能很好说明人工智能技术促进了人脸结构化产品的可用性。类似电警摄像机和卡口摄像机促进了机动车图像的结构化,以及大数据应用,人脸采集摄像机的大量普及,将来也会逐渐带来人脸大数据应用,比如过人库分析与挖掘。
为了争取在市场的主动权,安防企业也加大与上游厂商合作,形成强强合作的效应。在新生领域进行探索,较其他企业更早的进行技术落地、摸索出一条成功的产品形态、切实可行的方案、更有竞争力的商业模式,造就一支具有更快技术转化能力的团队,更进一步强化强者地位。
AI+安防的未来在哪里
与此同时,以商汤、旷视、格林深瞳等为代表的人脸识别CV公司凭借着算法上的优势,对传统安防企业形成一定的冲击。但就目前而言,行业从业人员对人工智能的落地条件,已经达成了几点共识:(1)大数据;(2)算法;(3)硬件平台;(4)成功的应用方案;(5)好的商业模式。其实不仅仅是现在,过去和将来一样,无数的商业经验证明,在任何领域,一个初创企业要想在一个行业立足壮大,上面的5个条件必须全部都具备才可以,只具备其中的几个条件,很难长久生存下去。对一家企业来说,只要认清自己的方向,把握住行业本质,排除外界各种干扰,安心做好自己最擅长的事情和业务,就没有什么可怕的。
安防行业的本质是安防,人工智能只是技术手段。技术手段再高大上,对于一个行业的本质问题解决的不是很好,其价值也体现不出来。如同视频编解码技术,MPEG-4取代H.264,H.265取代H.264一样,新技术的出现带来行业的革新,作为安防行业从业人员和安防企业,要积极的拥抱这种革新,顺应技术潮流,把人工智能技术在安防行业的落地做扎实,这才是最根本的,毕竟AI+安防的未来在安防。
回过头看,人工智能之所以在安防行业最火,其实是安防行业具备了人工智能落地的多个条件。安防行业部署的摄像机7x24全天候的采集视频图像,为人工智能技术带来了海量的训练数据。同时现在人工智能在视频图像领域的目标检测和跟踪技术应用也最为成功。所以说人工智能之所以在安防行业最火,就是因为安防行业的海量视频图像数据,同时安防行业的首要需求是从视频图像中进行人车物的目标检测和跟踪。同时,安防行业不需要像机器人领域对人工智能要求高难度,这也是人工智能安防领域火热的原因。
人工智能革新智能安防技术
在传统安防行业中与人工智能最相关的领域为与视频图像智能相关的领域,比如周界类通用智能、电子警察摄像机、电子卡口摄像机、人脸检测、人脸验证、人脸比对与识别、视频浓缩、视频摘要、视频结构化等。安防行业的这些应用都与人工智能有密切相关。目前这些安防产品大都基于传统的计算机视觉和模式识别算法。现在深度学习算法都是基于GPU芯片,产品形态大都基于后端形式,而智能安防的一个强烈的需求是智能前端化。以深度学习为代表的人工智能领域的硬件平台,正在经历巨大的形态变革以及多元化发展。随着深度学习芯片的不断推出,尤其是低功耗芯片的不断涌现,人工智能必将不断应用于智能前端摄像机,而低功耗人工智能芯片和现在IP摄像机芯片的整合是必须要解决的一个技术难题。随着这一难题的不断解决,前端IPC摄像机的芯片解决方案也将会经历一些变化。同时随着人工智能芯片的不断演进以及能力的不断增强,其反过来又会不断推动视频图像智能应用的升级换代。