□ 文/毛 敏

淺析十三五規(guī)劃下智慧城市安防智能化技術(shù)

□ 文/毛 敏

隨著安防監(jiān)控行業(yè)的不斷發(fā)展，前端設(shè)備的高清化，每天有大量的數(shù)據(jù)源源不斷地產(chǎn)生并且不斷地被更新覆蓋，傳統(tǒng)的通過人力對大量數(shù)據(jù)進行分析的手段已無法應對當前的海量數(shù)據(jù)，此外，如此巨大的信息量，包含著巨大的冗余信息，所謂的“視頻結(jié)構(gòu)化”，即在視頻中提取行業(yè)所需要的關(guān)鍵目標，并對關(guān)鍵目標的特征進行獲取，以便于后續(xù)通過計算機進行海量分析。

針對安防領(lǐng)域，當前主要關(guān)注的目標是視頻中的人和車，視頻結(jié)構(gòu)化的優(yōu)勢在于能夠快速分析海量視頻信息，節(jié)省存儲，并可支持語義查找，從而解放人力。然而“視頻結(jié)構(gòu)化”的概念很早就被業(yè)界所提出，但直到近兩年才得以在實際的場景中使用，其主要原因在于算法及硬件平臺的開發(fā)不夠完善，例如：傳統(tǒng)的人臉識別算法需要輸入150*150ppi以上的圖像才能進行有效識別，因此導致算法在多路及實時性方面受到了嚴重的限制，一臺服務器只能支持十幾路圖像同時傳輸，此外，傳統(tǒng)的算法無法對目標的信息進行精確地結(jié)構(gòu)化。例如：對行人而言，無法獲取（性別，年齡段，上下衣著顏色，眼睛，背包，拉桿箱，打傘，姿態(tài)及方向等的特征），對車而言，則無法獲取（年檢標，遮陽板，掛飾，紙巾盒，副駕，是否打電話，是否系安全帶等），因此無法有效的對目標人物進行檢索。

近年來，由于深度學習的不斷發(fā)展，針對圖像的分類及檢測技術(shù)取得了關(guān)鍵性的突破，得益于深度學習所具有的高精度及對場景的寬適應性特點，當前已經(jīng)可以實現(xiàn)對100*100ppi以下的人臉圖像進行檢測，另一方面由于GPU的迅速發(fā)展，算法的并行處理能力得到的巨大的提升，目前對車輛的信息分析可支持80路1080P，對活動目標分析可支持最高40路1080p。由于能提取到更多的信息，因此支持矢量化的精細特征檢索，從而有效減少搜素空間，另一方面，由于深度學習的優(yōu)勢在于自動學習有效特征，因此基于該技術(shù)的以圖搜圖算法已經(jīng)到了實用化的階段。總的來講：深度學習相比與傳統(tǒng)的算法（SVM，AdaBoost等）具有更高的精確度及場景泛化能力，此外，由于其硬件平臺為GPU，其可以輕松對多路數(shù)據(jù)進行實時處理。

基于深度學習的智能視頻解決方案其效果優(yōu)劣取決于訓練數(shù)據(jù)的規(guī)模，大華作為國內(nèi)領(lǐng)先的AI安防企業(yè)擁有海量的專業(yè)數(shù)據(jù)源，從安防產(chǎn)品化來看，深度學習及其相關(guān)的硬件只是整個產(chǎn)品中的一個環(huán)節(jié)，大華具有整套智能視頻分析的解決方案，其中每個模塊都有專業(yè)的技術(shù)人員進行優(yōu)化，相比于其他軟件技術(shù)提供商，大華更了解實際的業(yè)務需求，并能根據(jù)該需求提供專業(yè)的解決方案。

作者單位：浙江大華技術(shù)股份有限公司