Page 77 - 75202_安防5月刊

代，随着建设规模的逐步扩大，将带来存储成本的 而深度学习的迅猛发展，其背后是快速发展的 GPU
大幅增长。同时，各地的视频监控联网共享等相关 芯片技术，随着人们逐渐认识到专用计算芯片对人
项目已开展多年，随着人工智能、云计算、大数据技 工智能的重要作用，围绕 AI 任务进行专有加速的
术的兴起，平安城市应用正逐步向警务云、大数据 芯片越来越多，但无论是 AlphaGo 背后的谷歌 TPU
应用等方向转变。而高清监控视频信息作为公安最 还是加入了全新 Tensor Core 结构的英伟达 Tesla
重要的数据资源之一，目前还仅停留在事后查看的 V100，这些芯片都是为服务器端进行设计的，芯片
层面，没有被充分利用起来。遍布城市大街小巷的 面积较大大（英伟达 Volta 的 Tensor Core 面积有
摄像头，每天都会产生大量视频资料数据，不仅为 800 平方毫米），而针对前端/移动端设计的芯片在

社会治安稳定发挥作用，也为智慧城市和物联感知 功耗和性能上的不足，以及信息安全风险和缺乏统
提供信息支撑，但这些图像资料如何能够被用户快 一标准等问题，使得具备智能应用的前端产品和后
速消化使用，成为更有价值的情报数据呢？让用户 端产品各有擅长且长期共存。
从这些数据中自行寻找线索，不亚于大海捞针。人 后端产品主要是超融合NVR和视频结构化服
工的数据回溯，不仅占用了大量的人力、物力和时 务器，前者是在集中存储图像的基础上，通过集成
间，同时由于个人能力的差异也会导致针对视频的 深度学习算法实现了针对视频内容的智能分析和信
认知偏差。例如道路监控仅针对卡口实现了主干道 息提取，比如人脸/车辆/行为等，适合中小型项目使
的车辆识别，覆盖面有限，其他活动目标及特征无 用。后者通过集成高性能GPU芯片和智能算法，专
法获取,大多依靠人工进行收集和处理，难以结合 门对机非人等海量特征进行快速提取和准确识别
多种时空交叉数据进行快速检索和研判比对。 比对，比如人脸识别、车辆分析等。此外，后端产品
如何解决海量视频监控数据与人力分析瓶颈之 能根据需求灵活配置硬件资源，能够运行复杂，业
间的矛盾是产业技术升级的主要方向。而智能化早 务响应置后的算法，且升级维护比较方便。
已经成为行业发展的共识，10年前安防行业就开始 前端产品主要是AI摄像机，主要为后端提供初
向智能化发展，目的是自动把视频图像里面的内容 步结构化的图像数据，可以减少后端分析处理的计

和目标变成结构化数据，但一直没有令人满意的重 算资源压力和网络带宽等系统造价，还可以提高一
大突破，主要反映在识别准确率低、场景适应性差、 部分实时智能分析的应用价值。缺点是前端设备空
识别种类少。而深度学习是通过大量数据训练来建 间有限、功耗成本较高，会导致有限的硬件资源只
立输入数据和输出数据之间的映射，解决了之前的 能运行相对简单、对实时性要求高的算法。
技术瓶颈，使得由人工智能来自动处理海量监控视 因此，前端智能和后端智能并不冲突，随着智
频数据成为可能。以平安城市为例，针对道路监控 能的需求无所不在，未来更多数据的采集和计算都
视频特别是微卡口等相对标准的视频进行实时结构 将在前端产品进行边缘计算、前端处理分析后选择
化分析和特征信息提取，转化为公安实战所需的情 性上传到后端，二者结合起来，实现更智能的分布
报，是“十三五”平安中国建设规划的重要手段。 式管理，根据客户的具体需求提供差异化的智能解
目前，安防行业中基于深度学习的人工智能产 决方案。
品，主要识别方向包括：车辆分析、人员分析、行为
分析和图像分析，产品形态包括前端和后端两类。 作者单位：天地伟业技术有限公司

2018第三届中国国际无人系统博览会(2018.6.22-6.24深圳会展中心)www.china-drone.com.cn 57

ᇆ߰Ӭ൧ JOEE