“AI+安防”已是老生常谈,但AI安防工程化落地这个难题怎么“破”?

亿欧网 中字

1月16日,第一期“安·视界”技术沙龙在广东省公共安全技术防范协会演示厅举行。本次沙龙由广东省公共安全技术防范协会主办,广州市安全防范行业协会和深圳市龙岗智能视听研究院协办,安防行业中的技术及产品专家们齐聚一堂,共同探讨人工智能如何在安防行业的工程化落地。

“慧眼”与“智脑”打造智慧城市

国家特聘专家,北京大学数字视频编解码技术国家工程实验室深圳分室负责人,鹏城实验室人工智能研究中心主任李革发表了“数字视网膜:视频监控中的’慧眼’与’智脑’”的主题演讲。

“AI+安防”已是老生常谈,但AI安防工程化落地这个难题怎么“破”?

△李革

视频监控是公共安防的重要部分,视频产生了大量数据,但却常常是“有眼无珠”。李革认为,媒体大数据的挑战存在三大挑战,分别是储存难(压缩问题)、检索难(模式识别问题)、识别难(对象再识别的问题)。

在存储难方面,视频压缩率的增长率远低于视频监控的数据量增长率;在检索方面,图像和视频数据量的指数级增长对模式识别提出巨大挑战;在识别方面,从大规模数据集中标识特定对象非常困难,通常该数据集包含从不同摄像机网络采集的一系列视觉表观相似的对象。

那么,如何破解这三大难题?构建智能云端图像视频数据处理中心是其中一种解决方法,但该方式虽可以较好地利用现有的大规模摄像头,但却也存在不少缺点。

比如传统视觉感知系统在对象检测、模式识别和场景理解中的准确性不够高。

那么究竟该如何应对当下面临的这些难题?李革认为,“云脑+数字视网膜”是解决办法。

“云”是分层解耦的AI平台,这个不必再赘述。什么是“数字视网膜”?李革介绍道,人类视网膜同时具有影像重构和特征提取两大功能,影像重构即精细编码视觉内容,特征提取即对视频流的识别理解,眼睛虽然能对将所见图像完整成像,但大脑对图像分析是基于提取到的特征。因此城市中视频监控数据的有效利用,也可借鉴人类视网膜成像及大脑处理的流程。

李革认为,未来视频应该分成两个“流”,即视频编码+特征编码,未来数字视网膜的技术框架应该是:视频特征紧凑表达技术+高效视频监控转码技术。李革还距离传统是把视频汇集进行搜索,而用了双流技术,只传每个摄像头的特征流,与传统结果无异。

李革教授,国家特聘专家,北京大学数字视频编解码技术国家工程实验室深圳分室负责人,鹏城实验室人工智能研究中心主任。 美国奥本大学(Auburn University)电子工程博士学位,美国加州大学戴维斯分校(Univ. of California, Davis)电子工程博士后。曾就职于多家跨国公司,从事无线移动通信、手机基带芯片算法设计和视频编解码SoC设计等前沿项目。作为技术与管理带头人之一,先后参与创立了两家半导体设计公司,分别被两家美国纳斯达克上市公司收购。作为项目负责人参与多项国家、省部级科研项目,包括:国家自然基金委-广东省政府重大专项项目:视频大数据高效表达、深度分析与综合利用;信产部电子发展基金项目:AVS 标准的核心芯片的开发及产业化;科技部重大仪器项目:超高清视频实时分析增强仪开发和应用项目。迄今为止在智能视频处理和分析、视频数据挖掘等领域发表多篇国际论文,申请多项国内外专利。

立体防控时代,AI与大数据结合落地新思考

广电安全研究院产品部经理谢毅星围绕“AI+大数据赋能公共安全治理”展开演讲。

“AI+安防”已是老生常谈,但AI安防工程化落地这个难题怎么“破”?

△谢毅星

谢毅星首先介绍了公共安全治理发展历程与现状,他表示,80-90年代是传统治理时代,2000-2005年开始了数字化治理,2006-2012开始网络化治理,2013-2017年是合成化治理,2018年开始则进入以数据为特征的立体防控治理时代,大数据与人工智能的结合在这一时代发挥着重要作用。

谢毅星介绍道,“AI+大数据”在掌握行为轨迹、建立大数据分析模型、重大事件监测、重点车辆监测预警、重点区域监测、赋能社区安全治理等方面都能发挥重要作用。广电运通的AI+大数据能力已在深圳市龙岗区落地的雪亮工程、龙岗分局智慧警务云平台落地应用,获得良好效果。

广电智能安全研究院谢毅星,通信技术中级工程师,安防行业11年从业经验,在安防项目设计、项目管理、产品研发等方面拥有丰富积累。作为主要负责人,参与及主导了深圳市龙岗分局智慧警务云平台、广州市天河区智感安防区等多个标杆项目,对安防行业整体发展历程、AI赋能公共安全治理方面有深刻理解。

人脸识别算法准确度与实际落地

依图科技高级架构师李娜从算法识别准确度的角度来谈落地的关键路径。李娜说,人脸识别的认识分为两派,一派认为人脸识别面临瓶颈,新的应用场景受到限制,另一派认为人脸识别未来的精度还有进一步提升的空间,还有更多的场景亟待探索。“很庆幸,我们国家对人脸识别的认识属于后者。”

李娜将人脸识别分为三个阶段。2015年以前是1.0时代,那时候的算法精度与人眼相比处于劣势或基本持平,处于弱智能时代。

2015年后,人脸识别进入2.0时代,彼时机器识别已经能超过肉眼大约100倍的水平,当时在1:1比对,即在认证合一验证场景开始得到应用,在2016年,人脸识别开始在安防有实战应用,2016年后开始有动态布控的应用,这意味系统要有实时比对的性能,这对算力和算法都有很高的要求。

人脸识别的3.0时代,不仅是进行识别,而要挖掘人脸识别数据之间的关系,让数据会思考,帮助应用进一步落地。这需要更高的识别精度,为此,依图推出聚类技术,解决数据无法复用的问题。

“AI+安防”已是老生常谈,但AI安防工程化落地这个难题怎么“破”?

△李娜

李娜,依图科技高级架构师,哈尔滨工业大学机电工程硕士学位,高级项目经理。曾就职于安防行业主流厂家,从事视频监控及应用技术,动力环境监控及物联网技术及视频智能应用等系统设计及落地方案策划。作为方案架构负责人之一,曾参与及主导过多个千万级以上项目,并在公司从模拟监控,数字监控向网络监控发展及与新技术结合落地过程中发挥了关键作用,对安防行业的发展路径有深刻理解及体会。

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >