李 輝，石 旭， 張京晶，李心怡，姚世嚴(yán)，李天宇，鄭劍飛

（北京軌道交通路網(wǎng)管理有限公司，北京 100101）

1 研究背景

近年來，“新基建”成為當(dāng)前社會(huì)各界關(guān)注的熱點(diǎn)?！靶禄ā奔葱滦突A(chǔ)設(shè)施建設(shè)， 數(shù)字化、信息交互、科技創(chuàng)新驅(qū)動(dòng)是“新基建”的3個(gè)特點(diǎn)?！靶禄ā敝饕?部分內(nèi)容：一是信息基礎(chǔ)設(shè)施，如以5G、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)為代表的通信基礎(chǔ)設(shè)施，以人工智能（AI）、云計(jì)算、區(qū)塊鏈為代表的新技術(shù)基礎(chǔ)設(shè)施，以大數(shù)據(jù)中心為代表的算力基礎(chǔ)設(shè)施；二是融合基礎(chǔ)設(shè)施，指深度應(yīng)用大數(shù)據(jù)、AI、物聯(lián)網(wǎng)技術(shù)，支撐傳統(tǒng)基礎(chǔ)設(shè)施升級(jí)，如智慧交通基礎(chǔ)設(shè)施、智慧能源基礎(chǔ)設(shè)施等；三是創(chuàng)新基礎(chǔ)設(shè)施，主要指支撐科學(xué)研究、技術(shù)研發(fā)的基礎(chǔ)設(shè)施。其中融合基礎(chǔ)設(shè)施與智慧地鐵建設(shè)目標(biāo)高度一致。

AI技術(shù)經(jīng)過多年發(fā)展，已進(jìn)入“機(jī)器學(xué)習(xí)期”。隨著各種機(jī)器學(xué)習(xí)算法的提出和應(yīng)用，特別是深度學(xué)習(xí)技術(shù)的發(fā)展，機(jī)器能夠通過大數(shù)據(jù)分析，自動(dòng)學(xué)習(xí)知識(shí)并實(shí)現(xiàn)智能化。智能視頻分析技術(shù)源于AI技術(shù)和機(jī)器視覺技術(shù)，在AI技術(shù)領(lǐng)域應(yīng)用最為成熟。當(dāng)前應(yīng)用較為普遍的智能視頻分析算法種類包括人臉識(shí)別、目標(biāo)跟蹤、物體檢測(cè)、密度估計(jì)、姿態(tài)估計(jì)及行人重識(shí)別（ReID）等。

2 智能視頻分析技術(shù)應(yīng)用現(xiàn)狀

近年來，智能視頻分析技術(shù)在安防、金融等領(lǐng)域有大量的應(yīng)用場(chǎng)景，在維護(hù)社會(huì)公共安全、創(chuàng)新社會(huì)治理方面取得令人矚目的成績(jī)。但該技術(shù)在地鐵行業(yè)還處于剛起步或探索階段，距離廣泛應(yīng)用還有較長(zhǎng)距離。

國(guó)內(nèi)北京、杭州、鄭州、西安等城市地鐵線路已有部分智能視頻分析技術(shù)的應(yīng)用場(chǎng)景，但是大多數(shù)場(chǎng)景仍是安防和金融領(lǐng)域的自然延伸。例如，北京地鐵6號(hào)線在車廂內(nèi)通過感知攝像機(jī)，運(yùn)用圖像識(shí)別和視頻分析技術(shù)對(duì)車內(nèi)乘客暈倒及擁擠度等進(jìn)行識(shí)別和告警；杭州地鐵通過人臉識(shí)別技術(shù)手段檢測(cè)、預(yù)防、捕獲各類涉危人員；西安地鐵、鄭州地鐵的刷臉支付等場(chǎng)景。

從國(guó)外的情況來看，2018年，日本東京地鐵實(shí)現(xiàn)乘客可通過APP實(shí)時(shí)查看全線85個(gè)站臺(tái)排隊(duì)及擁堵情況，引導(dǎo)乘客等待乘車或繞行其他路線。2019年，日本大阪地鐵谷町線天王寺站進(jìn)行人臉過閘實(shí)證試驗(yàn)。2021年，以色列地鐵在視頻監(jiān)控系統(tǒng)中加入智能分析功能，用于監(jiān)控“軌道入侵” “人群聚集”和“破壞攝像機(jī)”等站臺(tái)異常行為。

眾所周知，數(shù)據(jù)、算力和算法是人工智能的核心三要素，而現(xiàn)階段智能視頻分析技術(shù)仍以“數(shù)據(jù)驅(qū)動(dòng)”為主，這意味著產(chǎn)品研發(fā)落地過程中遇到的最大障礙是數(shù)據(jù)，以及因樣本數(shù)據(jù)規(guī)模不足而帶來的模型遷移和泛化能力差等問題。經(jīng)調(diào)研，目前國(guó)內(nèi)地鐵覆蓋全路網(wǎng)的攝像機(jī)的作用基本僅限于現(xiàn)場(chǎng)監(jiān)控，而智能視頻分析技術(shù)未能在地鐵行業(yè)推廣落地的原因主要有以下4個(gè)方面。

（1）場(chǎng)景缺乏梳理。既有的地鐵場(chǎng)景都是安防和金融領(lǐng)域應(yīng)用場(chǎng)景的自然延伸（如黑名單布控、刷臉過閘等），并沒有針對(duì)地鐵建設(shè)和客流組織提供針對(duì)性的場(chǎng)景，不能很好地解決建設(shè)和運(yùn)營(yíng)中的痛點(diǎn)。

（2）算法缺乏樣本。智能視頻核心算法相對(duì)成熟，但卷積神經(jīng)網(wǎng)絡(luò)算法一定要針對(duì)不同的應(yīng)用場(chǎng)景進(jìn)行機(jī)器學(xué)習(xí)，在實(shí)踐中不斷打磨，才能達(dá)到應(yīng)用要求。而各智能視頻廠商缺乏地鐵行業(yè)學(xué)習(xí)樣本數(shù)據(jù)和算法訓(xùn)練的機(jī)會(huì)。

（3）沒有定制產(chǎn)品。由于沒有針對(duì)特定應(yīng)用場(chǎng)景進(jìn)行定制化，通用產(chǎn)品功能繁雜，硬件要求高，性價(jià)比低，難以全網(wǎng)推廣。

（4）缺乏標(biāo)準(zhǔn)規(guī)范。國(guó)家、行業(yè)、地方對(duì)于智能視頻分析技術(shù)在地鐵行業(yè)的應(yīng)用，包括應(yīng)用場(chǎng)景、技術(shù)、精度指標(biāo)及安裝實(shí)施等方面均無標(biāo)準(zhǔn)規(guī)范支撐。

3 智慧地鐵業(yè)務(wù)需求及場(chǎng)景分析

《北京市智慧交通提升行動(dòng)計(jì)劃（2019-2021）》中提出，要實(shí)現(xiàn)地鐵的智慧化，必須打造集交通運(yùn)行監(jiān)測(cè)中心、指揮調(diào)度中心、決策支持中心、綜合信息服務(wù)中心為一體的智慧交通大腦，如圖1所示?；凇皟?yōu)供”“控需”“強(qiáng)治”的交通綜合治理思路，全面整合政府、企業(yè)、社會(huì)化數(shù)據(jù)，構(gòu)建運(yùn)營(yíng)、管控、執(zhí)法、服務(wù)等智慧交通應(yīng)用場(chǎng)景，最終為公眾出行提供便捷、高效、安全、綠色的服務(wù)。而打造智慧交通大腦對(duì)視頻監(jiān)視系統(tǒng)（CCTV）智能化提出更高的要求，希望依托全路網(wǎng)布設(shè)的攝像機(jī)實(shí)現(xiàn)“智能判斷，自動(dòng)預(yù)警” “協(xié)助指揮、服務(wù)乘客” “客流預(yù)測(cè)、決策支撐”及“視頻結(jié)構(gòu)化方便信息檢索”的能力。

近幾年，隨著高清視頻監(jiān)控?cái)z像機(jī)在地鐵路網(wǎng)的推廣和普及，地鐵安防監(jiān)控已基本實(shí)現(xiàn)“看得見，看得清，看得明”。未來，為建成智慧地鐵，CCTV系統(tǒng)還需向“看得懂，看得準(zhǔn)，看得遠(yuǎn)”的智能化方向發(fā)展?！翱吹枚币笙到y(tǒng)在一定程度上能替代人工，通過遍布全網(wǎng)的攝像機(jī)智能識(shí)別出地鐵運(yùn)營(yíng)過程中發(fā)生的各種異常情況，并實(shí)時(shí)推送報(bào)警信號(hào)，不僅可以降低運(yùn)營(yíng)成本，還能保證工作標(biāo)準(zhǔn)一致，永不疲勞?！翱吹臏?zhǔn)”則要求系統(tǒng)誤識(shí)率低，差錯(cuò)率低，精準(zhǔn)度高，不能誤報(bào)、錯(cuò)報(bào)?！翱吹倪h(yuǎn)”一方面指可視距離遠(yuǎn)，借助5G等先進(jìn)的通信手段，運(yùn)營(yíng)管理人員甚至乘客能夠把視角延伸至地鐵線網(wǎng)乃至列車的各個(gè)角落；二是指遠(yuǎn)見能力，通過多個(gè)點(diǎn)位視頻聯(lián)動(dòng)分析，可進(jìn)行某區(qū)域未來一段時(shí)間的運(yùn)營(yíng)態(tài)勢(shì)分析，如5 min短期客流預(yù)測(cè)等。

智能視頻分析技術(shù)將對(duì)運(yùn)營(yíng)企業(yè)、管理部門、政府和乘客產(chǎn)生直接而有效的價(jià)值，甚至?xí)l(fā)管理模式和業(yè)務(wù)流程的優(yōu)化重構(gòu)。其中最直接、最突出的應(yīng)用效果是在對(duì)智慧運(yùn)營(yíng)的支撐方面。如圖2所示，視頻分析后的數(shù)據(jù)將與自動(dòng)售檢票（AFC）數(shù)據(jù)、行車數(shù)據(jù)以及物聯(lián)網(wǎng)數(shù)據(jù)等進(jìn)行多元異構(gòu)數(shù)據(jù)的融合計(jì)算，實(shí)現(xiàn)客流快速化和定量化分析，以及客流狀態(tài)的實(shí)時(shí)準(zhǔn)確獲取，從而支撐短時(shí)精準(zhǔn)客流預(yù)測(cè)業(yè)務(wù)。同時(shí)，由于增加了對(duì)乘客異常行為的智能識(shí)別及告警能力，將進(jìn)一步提升實(shí)時(shí)風(fēng)險(xiǎn)監(jiān)測(cè)水平，不斷壓縮和清除地鐵運(yùn)行中的管理盲區(qū)。當(dāng)車站需要進(jìn)行客流引導(dǎo)及應(yīng)急疏散時(shí)，系統(tǒng)可提供更加實(shí)時(shí)、直觀、有效的信息，有效發(fā)揮先期判斷、先期處置的協(xié)調(diào)調(diào)度指揮作用。此外，除了對(duì)運(yùn)營(yíng)企業(yè)和運(yùn)營(yíng)管理單位進(jìn)行智慧化支撐外，還可為乘客提供全流線智慧化信息服務(wù)，從出行引導(dǎo)到進(jìn)站、出站，使乘客地鐵出行更便捷，更安全，更舒適。

通過對(duì)地鐵行業(yè)全生命周期、全場(chǎng)景、全業(yè)務(wù)鏈分析，本文梳理出智能視頻分析十大主題業(yè)務(wù)場(chǎng)景，覆蓋建設(shè)、運(yùn)營(yíng)、清分清算、設(shè)備運(yùn)維、多種經(jīng)營(yíng)等多個(gè)業(yè)務(wù)板塊，如圖3所示。

針對(duì)以上業(yè)務(wù)場(chǎng)景，為便于后續(xù)工作開展，本文根據(jù)前期調(diào)研情況以及部分廠商視頻分析產(chǎn)品盲測(cè)的結(jié)果，對(duì)業(yè)務(wù)場(chǎng)景的算法研發(fā)和實(shí)施難度進(jìn)行綜合評(píng)價(jià)，如表1所示。其中，32個(gè)場(chǎng)景中，9個(gè)“從無到有”，21 個(gè)“從有到優(yōu)”，2個(gè)“從優(yōu)到精”?？梢姡蠖鄶?shù)場(chǎng)景所需的算法模型已經(jīng)相對(duì)成熟，并且在其他行業(yè)已有應(yīng)用案例，但是由于未能針對(duì)地鐵場(chǎng)景進(jìn)行模型定制及樣本訓(xùn)練，其算法準(zhǔn)確率和軟件功能難以滿足地鐵實(shí)際業(yè)務(wù)的需求。

表1 業(yè)務(wù)場(chǎng)景應(yīng)用現(xiàn)狀與實(shí)現(xiàn)難度分析

4 融合技術(shù)方案

為實(shí)現(xiàn)智能視頻分析技術(shù)與地鐵行業(yè)的深度融合，本文提出“四步走”的實(shí)施路徑。首先，在深入研究地鐵行業(yè)應(yīng)用場(chǎng)景和實(shí)際需求的基礎(chǔ)上，基于深度神經(jīng)網(wǎng)絡(luò)研發(fā)算法模型，并利用海量地鐵真實(shí)圖像樣本進(jìn)行模型訓(xùn)練，以提升其準(zhǔn)確率。其次，利用地鐵真實(shí)測(cè)試樣本集對(duì)訓(xùn)練后的模型進(jìn)行測(cè)試和驗(yàn)證。再次，針對(duì)實(shí)驗(yàn)室檢測(cè)通過的算法模型，選擇試點(diǎn)線路、車站開展試點(diǎn)應(yīng)用，并依據(jù)應(yīng)用效果進(jìn)行調(diào)優(yōu)。最終，基于試點(diǎn)情況總結(jié)形成適合地鐵行業(yè)特點(diǎn)、可落地、可推廣的智能視頻分析技術(shù)實(shí)施導(dǎo)則，從而指導(dǎo)全行業(yè)工程化推廣。

4.1 算法研發(fā)

智能視頻分析技術(shù)與行業(yè)之間的耦合度極高，即便在其他行業(yè)應(yīng)用成熟的算法也難以直接應(yīng)用于地鐵行業(yè)。要實(shí)現(xiàn)該技術(shù)在地鐵行業(yè)落地須解決2個(gè)問題：訓(xùn)練樣本與行業(yè)知識(shí)。一方面，除個(gè)別場(chǎng)景（如人臉識(shí)別）可以跨行業(yè)外，絕大多數(shù)場(chǎng)景均需要大量的地鐵樣本數(shù)據(jù)進(jìn)行算法訓(xùn)練，才能滿足精度要求。而外部AI廠商沒有此類數(shù)據(jù)。另一方面，算法模型要最終發(fā)揮作用，必須依據(jù)地鐵特定場(chǎng)景和特定業(yè)務(wù)需求進(jìn)行定制。因此，有必要針對(duì)地鐵場(chǎng)景重新設(shè)計(jì)研發(fā)算法模型，并利用地鐵真實(shí)樣本數(shù)據(jù)開展模型訓(xùn)練。下面列舉4個(gè)場(chǎng)景的算法研發(fā)。

4.1.1 車廂實(shí)時(shí)滿載率監(jiān)測(cè)

現(xiàn)狀：國(guó)內(nèi)地鐵暫無成熟應(yīng)用案例。部分地鐵列車進(jìn)行了試點(diǎn)應(yīng)用，但算法準(zhǔn)確率受車廂攝像機(jī)安裝高度、角度影響較大，且早晚高峰人員遮擋現(xiàn)象嚴(yán)重，因此一般作為車廂稱重?cái)?shù)據(jù)的補(bǔ)充。

思路：可采用大廣角魚眼攝像機(jī)，頂部安裝，有效避免人員遮擋，利用畸變恢復(fù)技術(shù)，同時(shí)疊加多區(qū)域去重算法，提高車廂滿載率算法的準(zhǔn)確性，為提升旅客乘車體驗(yàn)、協(xié)助車站工作人員疏導(dǎo)客流提供幫助。圖4為普通攝像機(jī)識(shí)別情況，圖5為頂裝廣角攝像機(jī)識(shí)別情況。

算法模型：人頭檢測(cè)算法、Yolox-L。

考核指標(biāo)：擁擠程度識(shí)別準(zhǔn)確率大于95%，滿足規(guī)?；瘧?yīng)用需求。

應(yīng)用效果：將車廂擁擠情況提前顯示在前方車站乘客信息系統(tǒng)（PIS）顯示屏上，引導(dǎo)乘客均勻乘車。

4.1.2 乘客走行路徑分析

現(xiàn)狀：經(jīng)調(diào)研，該技術(shù)在泛安防行業(yè)應(yīng)用準(zhǔn)確率較低，不高于80%。地鐵行業(yè)目前沒有應(yīng)用案例。

思路：利用ReID+FaceID綁定技術(shù)，實(shí)現(xiàn)乘客的全路徑分析。如圖6所示，在北京地鐵千萬客流量的背景下，只有通過人體+人臉綁定的方式，才能夠有效提升準(zhǔn)確率，滿足實(shí)際業(yè)務(wù)應(yīng)用需求。

算法模型： ReID+FaceID、OSNet。

考核指標(biāo)：人體+人臉綁定準(zhǔn)確率90%，滿足規(guī)模化應(yīng)用需求。

應(yīng)用效果：通過分析抽樣乘客進(jìn)站到出站的各環(huán)節(jié)走行路徑及時(shí)間，可驗(yàn)證清分模型參數(shù)準(zhǔn)確性，并輔助進(jìn)行客流規(guī)律分析。

4.1.3 X 光機(jī)智能判圖

現(xiàn)狀：目前沒有在地鐵行業(yè)成熟應(yīng)用，原因一是沒有足夠多的數(shù)據(jù)訓(xùn)練算法；二是管制刀具、違禁品經(jīng)常更新，對(duì)算法的小樣本學(xué)習(xí)能力要求較高；三是背包內(nèi)物品的形態(tài)多種多樣，對(duì)機(jī)器識(shí)別的準(zhǔn)確率要求較高。目前大多數(shù)X光機(jī)識(shí)別違禁品為15種左右，準(zhǔn)確率約 50%。

思路：通過雙視角X光圖片多維度3D目標(biāo)檢測(cè)算法，關(guān)聯(lián)分析2個(gè)及以上不同視角拍攝物品X光圖片，實(shí)現(xiàn)1+1＞2的效果，有望大幅提升識(shí)別準(zhǔn)確率。

核心算法：雙視角X光圖片多維度3D目標(biāo)檢測(cè)算法。

考核指標(biāo)：裝有違禁物品的行包過安檢機(jī)，安保人員與機(jī)器能夠同時(shí)識(shí)別出來，識(shí)別種類30種以上，識(shí)別準(zhǔn)確率達(dá)到90%左右。

應(yīng)用效果：通過技術(shù)方案改進(jìn)與算法訓(xùn)練，實(shí)現(xiàn)對(duì)常見違禁品的自動(dòng)化識(shí)別與告警，降低現(xiàn)場(chǎng)工作人員的勞動(dòng)強(qiáng)度。

4.1.4 周界防護(hù)

現(xiàn)狀：人員侵界、樹木侵界、危險(xiǎn)源識(shí)別等算法模型在地鐵行業(yè)已有少量應(yīng)用，但準(zhǔn)確率仍有待提升。

思路：利用電子圍欄、振動(dòng)光纖、紅外對(duì)射、mimo雷達(dá)等多種類型傳感器，融合計(jì)算機(jī)視覺技術(shù)，對(duì)侵界事件進(jìn)行檢測(cè)和分析報(bào)警。

核心算法：異物檢測(cè)、人體識(shí)別等算法與傳感器技術(shù)進(jìn)行融合。

考核指標(biāo)：誤報(bào)率小于10%、漏報(bào)率小于2%。

應(yīng)用效果：通過計(jì)算機(jī)視覺技術(shù)對(duì)傳感器采集到的各類侵界情況進(jìn)行分析，提高周界監(jiān)控可靠性，降低誤報(bào)率。

4.2 算法訓(xùn)練及檢測(cè)

為提升算法研發(fā)效率，本文搭建了算法訓(xùn)練及檢測(cè)平臺(tái)，其架構(gòu)如圖7所示，支持多種模型和算法框架（TensorFlow、PyTorch、Caffe等），最大可支撐千萬級(jí)規(guī)模的樣本在線模型訓(xùn)練，同時(shí)具備圖形處理器（GPU）卡、容器管理及分布式多機(jī)多卡訓(xùn)練能力，大大提升了模型的訓(xùn)練速度。此外，還建立了六大類模型指標(biāo)評(píng)價(jià)體系，包含指標(biāo)評(píng)價(jià)標(biāo)準(zhǔn)、參數(shù)顯示、綜合評(píng)分等，覆蓋多種地鐵典型場(chǎng)景需求，可以從不同維度對(duì)算法模型進(jìn)行評(píng)價(jià)。

4.3 試點(diǎn)應(yīng)用

將通過實(shí)驗(yàn)室檢測(cè)后的算法模型嵌入應(yīng)用系統(tǒng)后，有必要通過小規(guī)模試點(diǎn)應(yīng)用進(jìn)一步檢驗(yàn)智能視頻分析系統(tǒng)的可行性和適應(yīng)性，并根據(jù)暴露出的問題進(jìn)行針對(duì)性的算法調(diào)優(yōu)和功能優(yōu)化，從而確保大規(guī)模投入生產(chǎn)時(shí)少出問題或不出問題。

在既有線路進(jìn)行試點(diǎn)過程中，要充分考慮工程化的各類問題。例如，既有攝像機(jī)的安裝高度、照射角度及范圍是否符合算法模型泛化要求，下降的精度是否在業(yè)務(wù)可接受范圍之內(nèi)；車廂、站臺(tái)攝像機(jī)及相關(guān)設(shè)備是否具備改造條件；不同的CCTV系統(tǒng)建設(shè)廠商對(duì)視頻流獲取及圖像幀解析方式的影響；在既有數(shù)據(jù)傳輸帶寬已被各系統(tǒng)占用，特別是車地?zé)o線通信帶寬十分緊張的情況下，數(shù)據(jù)的傳輸方案是否合理，如何統(tǒng)籌考慮端、邊、云的計(jì)算方案等。

基于以上工作研發(fā)的“平安列車”智能視頻分析系統(tǒng)創(chuàng)新性地將計(jì)算機(jī)視覺技術(shù)與列車安全員業(yè)務(wù)進(jìn)行融合，研發(fā)出3款智能終端，提供車廂擁擠度監(jiān)測(cè)（圖8）、乘客異常行為監(jiān)測(cè)（圖9）、智能清客、駕駛行為監(jiān)測(cè)等功能，并于2021年底在北京地鐵11號(hào)線西段工程（冬奧支線）全線進(jìn)行了試點(diǎn)。

4.4 全行業(yè)推廣

通過“平安列車”系統(tǒng)的研發(fā)及試點(diǎn)應(yīng)用，進(jìn)一步驗(yàn)證了技術(shù)路線的可行性，打通了從數(shù)據(jù)標(biāo)注到算法研發(fā)、訓(xùn)練、檢測(cè)及工程化的全流程、各環(huán)節(jié)，為未來地鐵新線建設(shè)和既有線改造CCTV系統(tǒng)中的視頻分析相關(guān)內(nèi)容的建設(shè)提供了有益參考。后續(xù)，將繼續(xù)針對(duì)梳理出的各類業(yè)務(wù)場(chǎng)景進(jìn)行算法研發(fā)和試點(diǎn)。對(duì)于完成試點(diǎn)驗(yàn)證的場(chǎng)景，將匯總編制1套包括各個(gè)場(chǎng)景技術(shù)方案、軟硬件產(chǎn)品清單、現(xiàn)場(chǎng)實(shí)施方案、成本估算等內(nèi)容的《軌道交通智能視頻分析技術(shù)實(shí)施導(dǎo)則》，為智能視頻分析技術(shù)在地鐵行業(yè)的推廣落地奠定堅(jiān)實(shí)基礎(chǔ)。

此外，對(duì)于實(shí)際業(yè)務(wù)應(yīng)用過程中萌生出的新的應(yīng)用場(chǎng)景，可以通過搭建的算法訓(xùn)練和檢測(cè)平臺(tái)，持續(xù)推進(jìn)新算法的研發(fā)、訓(xùn)練、檢測(cè)和應(yīng)用。因此，算法訓(xùn)練和檢測(cè)平臺(tái)可視作地鐵智能視頻分析業(yè)務(wù)場(chǎng)景的孵化器，研發(fā)并通過檢測(cè)的新的應(yīng)用場(chǎng)景可以不斷豐富完善《軌道交通智能視頻分析技術(shù)實(shí)施導(dǎo)則》，從而保障地鐵視頻分析智能化水平的持續(xù)提升，挖掘出更多視頻數(shù)據(jù)的價(jià)值。

5 結(jié)語

相比2008年4萬億投入的“鐵公基”傳統(tǒng)基建，“新基建”將引發(fā)國(guó)家經(jīng)濟(jì)結(jié)構(gòu)向以數(shù)字經(jīng)濟(jì)為代表的新興經(jīng)濟(jì)轉(zhuǎn)變。借助云計(jì)算、大數(shù)據(jù)、AI等“新基建”技術(shù)，智能視頻分析技術(shù)將從根本上改變視頻信息采集、傳輸處理、系統(tǒng)控制的方式和結(jié)構(gòu)，有效提高視頻監(jiān)控的智能化程度和使用價(jià)值。更重要的是，視頻數(shù)據(jù)將成為重要的可挖掘、可利用的數(shù)據(jù)資產(chǎn)，為地鐵行業(yè)數(shù)字化轉(zhuǎn)型提供更加強(qiáng)勁的數(shù)字驅(qū)動(dòng)力。