這幾年安防產(chǎn)業(yè)亦出現(xiàn)相當(dāng)熱門的數(shù)據(jù)化人工智能學(xué)習(xí)和識(shí)別技術(shù)的概念，它們與安防有什么關(guān)聯(lián)？如何應(yīng)用在安防監(jiān)控中？這種AI人工智能目前最多的應(yīng)用又是哪些？

結(jié)合數(shù)據(jù)采集的安防AI人工智能

自從道路監(jiān)控系統(tǒng)在全球興起之后，目前世界各國(guó)的城市監(jiān)控建設(shè)即將進(jìn)入擴(kuò)張與結(jié)構(gòu)改變的階段，在這種需求變革下，安防監(jiān)控系統(tǒng)將需要更多元化與人工智能化的整體解決方案。現(xiàn)代化的公共安全已不再僅止于無(wú)限的擴(kuò)充影像監(jiān)控覆蓋密度、廣度以及追求超高清解晰度，而是透過(guò)這些人工智能化的手段與工具，讓傳統(tǒng)安防時(shí)代更進(jìn)一步，轉(zhuǎn)向注重?cái)?shù)據(jù)采集、應(yīng)用和管理的人工智能化安防時(shí)代。

全球城市道路監(jiān)控建設(shè)都在快速發(fā)展，各國(guó)街道、十字路口隨處可見(jiàn)各種攝影機(jī)監(jiān)控設(shè)備，為城市公共安全及治安偵察工作提供了影像的方便性和立即性。但隨著監(jiān)控設(shè)備數(shù)量的大量倍增，影像解析度的不斷提高，公共安全搜集到的影像和圖片之?dāng)?shù)據(jù)量呈現(xiàn)等比幾何的增長(zhǎng)，再加上影像解析度的提高，連帶使伺服器的處理能力和使用率都產(chǎn)生了更高的門檻。因此，安防影像監(jiān)控在影像調(diào)閱、門禁進(jìn)出數(shù)據(jù)、資料的儲(chǔ)存、運(yùn)算等技術(shù)上都面臨巨大挑戰(zhàn)。

AI人工智能與安防監(jiān)控的應(yīng)用技術(shù)

面對(duì)這樣的挑戰(zhàn)，安防監(jiān)控使用者如何能在大量增加的數(shù)據(jù)中，利用既有的人工智能技術(shù)快速獲取有價(jià)值的資料，便成為當(dāng)前最重要的課題。以下簡(jiǎn)述幾種與安防監(jiān)控結(jié)合的AI人工智能技術(shù)：

1、人工智能的模式識(shí)別技術(shù)

通常在監(jiān)控系統(tǒng)收集的影像數(shù)據(jù)資料中，資料本身并不具價(jià)值，必須再經(jīng)過(guò)深度挖掘、分析資料中影像呈現(xiàn)的數(shù)據(jù)模式，才會(huì)產(chǎn)生出真正有用的價(jià)值。未來(lái)是大數(shù)據(jù)的時(shí)代，數(shù)據(jù)資料的模式識(shí)別將備受重視。

2、人工智能的深度學(xué)習(xí)技術(shù)

此為AI人工智能機(jī)器深度學(xué)習(xí)研究中的新領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)路，它模仿人腦的行為思考機(jī)制來(lái)解釋數(shù)據(jù)資料，例如影像內(nèi)容、聲音和資料本身。未來(lái)要讓AI人工智能的機(jī)器深度學(xué)習(xí)能夠大行其道，數(shù)據(jù)資料本身將是最主要的關(guān)鍵因素，而影像監(jiān)控資料占大數(shù)據(jù)總量的60％以上，也就是說(shuō)，影像監(jiān)控領(lǐng)域有70％以上的數(shù)據(jù)資料分析是用來(lái)進(jìn)行影像識(shí)別。目前這種AI機(jī)器深度學(xué)習(xí)在安防產(chǎn)業(yè)的諸多領(lǐng)域都取得了很大進(jìn)步，包括：行人檢測(cè)、車輛檢測(cè)、非移動(dòng)車輛檢測(cè)等，其識(shí)別準(zhǔn)確率甚至超過(guò)人類的眼睛判斷。

3、AI人工智能的前端識(shí)別技術(shù)

先進(jìn)的產(chǎn)品技術(shù)是一家高科技企業(yè)能否長(zhǎng)久發(fā)展的根本，要安防監(jiān)控智能化，系統(tǒng)就需有基于AI人工智能相關(guān)的「影像識(shí)別」運(yùn)算技術(shù)，才能夠開(kāi)發(fā)出一系列的智能化監(jiān)控應(yīng)用設(shè)備，因此前端識(shí)別技術(shù)也就成了AI人工智能的第三個(gè)本質(zhì)技術(shù)。

AI人工智能在安防領(lǐng)域的技術(shù)發(fā)展

大致介紹說(shuō)明完三種較常見(jiàn)的AI人工智能安防應(yīng)用技術(shù)內(nèi)容，接下來(lái)我們?cè)龠M(jìn)一步探討AI人工智能在安防上的深度技術(shù)發(fā)展：

多特征識(shí)別技術(shù)

一般在大量影像數(shù)據(jù)資料下，想要從歷史和即時(shí)的影像資料中篩選犯罪嫌疑人有如大海撈針，而多特征識(shí)別技術(shù)則是透過(guò)人工智能的方式，讓電腦從大量監(jiān)控影像中自動(dòng)識(shí)別出嫌疑人，分析資料中的個(gè)人特征，然后根據(jù)犯罪嫌疑人的特征自動(dòng)篩選，不僅大大的節(jié)省人力物力，同時(shí)也大大縮短犯罪嫌疑人的到案時(shí)間?，F(xiàn)在有部分廠商利用先進(jìn)的深度學(xué)習(xí)技術(shù)，研發(fā)出能夠克服光照、天氣等不可抗力因素，快速準(zhǔn)確地識(shí)別出個(gè)體人物的各種重要特征，如性別、年齡、發(fā)型、衣著、體型、是否戴眼鏡、是否騎車以及隨身攜帶的物品等。個(gè)體人物多特征識(shí)別演算法有著靈活的布建方式，可自訂時(shí)間軸和識(shí)別區(qū)域范圍以達(dá)到快速準(zhǔn)確的判別，并利用智能影像分析（IVS）于影像伺服器集群的輔助，對(duì)監(jiān)控系統(tǒng)中幾百支影像監(jiān)控?cái)z影機(jī)進(jìn)行24小時(shí)不間斷的多特征分析與檢索，即時(shí)找尋可疑人員，發(fā)出預(yù)先告警信號(hào)。

姿態(tài)識(shí)別技術(shù)

姿態(tài)識(shí)別技術(shù)是指針對(duì)個(gè)體人物的走路姿勢(shì)，是一種可在遠(yuǎn)距離就感知的生物行為特征技術(shù)。和其他生物特征識(shí)別技術(shù)相比，姿態(tài)識(shí)別的優(yōu)勢(shì)在于非接觸性、非侵入性、易于感知、目標(biāo)物難以隱藏和偽裝等。姿態(tài)分析還可以輕松的區(qū)分出個(gè)體人物的不同行為模式，例如是在行走中、奔跑中、還是攜負(fù)重物等。基于這些優(yōu)點(diǎn)，姿態(tài)識(shí)別特別適用于門禁系統(tǒng)、安全監(jiān)控、人機(jī)交換、醫(yī)療診斷等部分，尤其在安防領(lǐng)域中具有廣泛的應(yīng)用和經(jīng)濟(jì)價(jià)值。

姿態(tài)分析的技術(shù)困難點(diǎn)在于其特征的穩(wěn)定性問(wèn)題，因?yàn)橐粋€(gè)人的姿態(tài)會(huì)因生病受傷、體型胖瘦變化、穿衣多寡甚至是穿著舒適度等因素影響而改變，部分廠商為了克服這個(gè)問(wèn)題，特別在研發(fā)上加進(jìn)了機(jī)器深度學(xué)習(xí)方法，用姿態(tài)向量圖示來(lái)描述姿態(tài)順序排列，透過(guò)深度累積神經(jīng)網(wǎng)路訓(xùn)練匹配模型。訓(xùn)練好的累積神經(jīng)網(wǎng)路匹配模型能夠計(jì)算待識(shí)別的姿態(tài)影像和已經(jīng)注冊(cè)的姿態(tài)影像順序排列，比對(duì)每個(gè)姿態(tài)向量圖的相似度，再依據(jù)其相似度大小進(jìn)行身分識(shí)別。姿態(tài)識(shí)別應(yīng)用采全天候模式，在特定的安防場(chǎng)合中可快速對(duì)遠(yuǎn)距離個(gè)體人物目標(biāo)的身分進(jìn)行準(zhǔn)確判斷，因此研究人員將來(lái)勢(shì)必需要建置大規(guī)模的姿態(tài)資料庫(kù)。姿態(tài)識(shí)別技術(shù)將有助于解決一些低影像解晰度個(gè)體人物身分識(shí)別的難題，為使用者提供重要的識(shí)別查核線索。

3D相機(jī)技術(shù)

身高是人體重要的資料特征之一，在一些特定的場(chǎng)所，例如風(fēng)景區(qū)入口、車站收票口等對(duì)身高要求都有明確的規(guī)定。傳統(tǒng)利用尺度工具測(cè)量身高的方法雖然操作簡(jiǎn)單，但需要被測(cè)人員配合，不僅速度慢，精確度也較差；超聲波、紅外線等方式雖可實(shí)現(xiàn)自動(dòng)測(cè)量、精準(zhǔn)度較高，但對(duì)測(cè)量環(huán)境條件的要求有較多限制，不適合用于公共場(chǎng)所，而3D電腦視覺(jué)技術(shù)的3D相機(jī)則可以很好地解決上述問(wèn)題，提供多場(chǎng)景、非接觸式、自動(dòng)化的量測(cè)。3D相機(jī)是利用深度感測(cè)器獲取現(xiàn)實(shí)場(chǎng)景的深度資料和顏色資訊，透過(guò)座標(biāo)變換建立深度資料與3D座標(biāo)之間的對(duì)應(yīng)關(guān)系，然后藉由去雜訊、配對(duì)位準(zhǔn)等運(yùn)算法去除干擾并減小誤差，最后再以3D重建的方法得到身高以及其他資料。

3D相機(jī)無(wú)需與被測(cè)物件接觸，物件進(jìn)入測(cè)量場(chǎng)景即自動(dòng)采集測(cè)量多個(gè)人物目標(biāo)，配對(duì)位準(zhǔn)后對(duì)光照具有較強(qiáng)的穩(wěn)定性，可適應(yīng)場(chǎng)景的光照變化，因而也有較高的精確度和即時(shí)性，在安防影像監(jiān)控領(lǐng)域的應(yīng)用將愈顯重要?，F(xiàn)階段基于個(gè)體人物的多特征、姿態(tài)識(shí)別和3D相機(jī)等先進(jìn)AI人工智能分析技術(shù)，若能將其結(jié)合打造出新一代智能型影像分析監(jiān)控軟體平臺(tái)，將有助于安全監(jiān)控系統(tǒng)的建置，同時(shí)對(duì)數(shù)據(jù)分析起到示范先驅(qū)的作用。

推動(dòng)安防未來(lái)大數(shù)據(jù)

在AI人工智能分析市場(chǎng)的創(chuàng)新推動(dòng)下，人們挖掘影像監(jiān)控中有價(jià)值的數(shù)據(jù)資訊，并不僅只是局限于當(dāng)前人、事、物的基本資訊而已，同時(shí)也需依靠廠商強(qiáng)大的研發(fā)能力，可以不斷對(duì)安防大數(shù)據(jù)采集的關(guān)鍵資訊進(jìn)行有效補(bǔ)充，不但為最終的大數(shù)據(jù)平臺(tái)帶來(lái)更具附加價(jià)值的資料，也為深度的AI人工智能在安防產(chǎn)業(yè)數(shù)據(jù)應(yīng)用下，提供源源不絕的產(chǎn)品發(fā)展動(dòng)力。

責(zé)任編輯：ct