在人工智能如火如荼的發展背景下,安防行業圍繞著AI開始全新的智能之旅。在這場旅途中,智能安防發展進度如何呢?

　　“進展”

　　邊緣計算推動邊緣智能發展

　　邊緣計算,是指在靠近物或數據源頭的網絡邊緣側,融合網絡、計算、存儲、應用核心能力的開放平臺,就近提供邊緣智能服務,滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。用一句話表示,邊緣計算可以理解為指靠近數據源的邊緣地帶來完成的運算程序。

　　隨著技術的不斷精進,“邊緣智能”概念應運而生,它提出了一種新模式:讓物聯網的每個邊緣設備都具備數據采集、分析計算,通信,以及最重要的智能。新的智能邊緣計算也同時利用了云計算的能力,利用云來大規模的進行安全配置、部署和管理邊緣設備,并能夠根據設備類型和場景分配智能的能力,從而讓智能在云和邊緣之間流動,獲得兩全其美的結果。

　　邊緣智能已經成為大勢所趨。隨著萬物互聯時代的到來,計算機視覺領域前端設備產生的圖片、視頻數據量巨大,如全部將其匯聚到云計算數據中心進行智能分析,將對通信的帶寬要求和實時性要求等帶來無限壓力。這就要求就近提供邊緣智能服務,將人工智能算力或推斷能力逐漸從云遷移到邊緣側,有助于緩解傳輸鏈路的壓力。

　　深度學習構建推動AI-City發展

　　安防行業作為人工智能技術天然的訓練場和應用場,對于人工智能的落地應用有著迫切的需求。近年來隨著“城市大腦”、“交通大腦”、“警務大腦”等“大腦”的出現,人工智能深度學習技術結合多維度感知推動了AI-City的進一步發展。

　　深度學習主要的研究領域在語音識別和視覺方面,而且將深度學習應用到各個方向,可以不同的領域做出不同的技術創新。對于掌握了許多視頻圖像資源的安防行業來說,深度學習和安防的結合擁有比較高的契合度,即對圖像和視頻的分析,包括:圖像分析;人臉識別;文字處理。

　　安防行業深度學習主要集中在體分析、車輛分析、行為分析、圖像分析四大塊上。隨著深度學習算法的突破,目標識別、物體檢測、場景分割、人物和車輛屬性分析等智能分析技術,都取得了突破性進展。

　　“阻礙”

　　人工智能安防很缺“芯”

　　在安防產業中,芯片可謂貫穿始終,從前端到后端,從傳輸、記錄到存儲,缺了“芯”的安防,勢必是不完整的。

　　安防視頻監控領域擁有海量的數據,能夠為深度學習訓練提供足夠多的場景;另外近些年,智能算法的發展依托海量大數據,在語音識別和視覺方面取得重要的突破,呈現更快速的迭代。人工智能在安防領域的落地更需要計算能力足夠強大的處理芯片,但在芯片層面,尚無完全滿足實戰需要的人工智能安防應用芯片。

　　難以撇開人工干預

　　雖然人工智能面已經完成了人類做不到的某些青石橋,但是人工智能的大規模應用還沒到時候,需要人工干預來區分接近相似的物體之間的區別。

　　從實際案例看,單獨一個場景的視頻摘取下來時候,通過以圖搜圖,能夠快速地揭示出來關聯的圖,并以此為依據,發現犯罪嫌疑人的軌跡,最終鎖定目標,但是,專家坦率地指出,這個過程依賴人工智能算法尚難以撇開人工干預,尚離不開視頻刑偵人員的分析和判斷。

　　結語:如今安防行業已進入數據大爆炸的時代,面對井噴式增長的數據量,傳統智能算法已無法滿足深層次數據價值挖掘的需求。人工智能研究的深入和深化,給安防行業帶來的變化也更加超乎想象,能夠發揮作用的應用場景越來越多。