Page 56 - 安防6月刊_150dpi
P. 56
A 人工智能
Artificial Intelligence
超高清 传统智能算法相比，深度学习可以像人类大脑一样搜集
相对于高清视频监控，超高清视频监控可以获得更多 信息，并将这些信息转化为相应的行为，在解决视频结构
的视频细节内容，生成更多有价值的数据，从而在一定程 化问题方面更“智能”。未来智能不是单纯的分析、判断，
度上能够促进人工智能的发展，推动人工智能在视频监控 设备将向决策方向演变发展。
领域更深层次的应用。在超高清视频产品发展规划方面， 物联
前端采集端主要分成两个方向，一是继续完善产品种类， 早期的前端摄像机主要采集的数据还仅限于音频和
采用多目拼接方式实现，实现4K，8K超高分辨率180度/360 视频，但是随着前端硬件性能的提升，摄像机将向着信息
度全景监控；二是朝智能方向发展，采用超高像素可以覆 采集一体化平台的方向发展，摄像将不止“能看能听”，
盖更大场景，采集更多人车物做智能分析，实现单台设备 还能“能感觉、能嗅探、知方位”，作为一体化信息采集
全场景智能分析。比如排队，人群密度分析等等。 平台，其优势不仅在于信息采集的多样性，同时基于多维
场景化 度信息的辅助，摄像机对于周界环境的感知和适应性将
前端场景化向两个方向发展，一方面向精细化场景 得到大幅提高，多维的感知手段带来的是多维的数据类
发展，前端摄像机设备部署在不同的场所，比如城市主干 型，比如音视频信息、地理位置信息、环境信息、报警信
道、商业路段、火车站、行政中心区域、医院、学校、企事 息等等，这就满足了大数据时代对样本种类足够丰富的
业单位大楼内部、村居、街道、社会面个体等场景。 要求。同时，安防感知网络所获取的数据信息都是以视频
为了让解决方案更加贴合这些细分后的场景，常规 为核心的，各种数据与视频相结合后，就能获得可视的感
的前端：球机、枪机、半球、筒机，已经无法满足这些细分 知内容。举几个简单的例子，把摄像头和电子罗盘、GPS等
后的用户场景，需要一些特殊形态，比如多目摄像机。 传感器结合起来，就能在电子地图上清楚的看到这个摄
这些场景类摄像机能覆盖大场景，提供立体实景，从 像机所监控的区域，还可以自动在监控画面上叠加显示
而更易感知；把传统的多画面模式切换到融合呈现模式， 设备所在地的经纬度和街道信息，便于管理和调动;把视
体验更佳；再基于AR技术和资源融合，使效率极大提升。 频和温湿度传感器结合起来，在厨房或者药店这些对环
同时由于各类场景的差异性，一套算法不足以适用 境温湿度有很高要求的场所下，就既可以看到仓库的监
所有场景，需针对各类场景进行算法优化，提升场景适应 控实景，又能了解仓库当前的环境状况了，当温湿度超过
性，这对于所有智能摄像机都是挑战，使得产品的系统工 设定阈值，还可以弹出温湿度异常仓库的监控实景图片，
程门槛大幅提升。 让监控人员快速定位和了解现场情况;如果RFID技术和
深度学习 视频结合起来，比如在工地工人的安全帽上安装RFID标
当前的智能化发展趋势已经不同于以往的人工建模 签，就可以进行无接触的打卡，结合工地大门口安装的监
方式，深度学习作为机器学习的一个分支，其目的在于建 控摄像机将人员图像和信息同时录入系统。
立、模拟人脑进行分析学习的神经网络，它模仿人脑的机 技术的发展，必将带来价值的提升。云作为载体，将
制来解释数据，例如图像、声音和文本等。目前，深度学 一次性买卖升级为持续的服务，前端的AI化，将互联网与
习的应用领域中大约有70%都在图像识别方面。随着大 智能带入了中下层市场，使得AI更加的亲民普及。
数据与高清摄像机应用的普及，海量高清及以上分辨率
视频数据给安防产品技术带来了大数据，这也就成为深 作者单位：浙江大华技术股份有限公司
度学习在安防领域必将快速发展的肥沃土壤。和以往的
38 2019第八届深圳国际智能交通与卫星导航位置服务展览会(2019.6.20-6.22深圳会展中心)www.its-expo.com
ದ۽ᇆି JOEE ྒ௹၂
