人工智能技术在安防领域的应用

日期:2019-01-13 18:53 作者:澳门皇冠 来源:皇冠现金

  人工智能中的深度学习技术通过大量数据训练来建立输入数据和输出数据之间的映射,自动处理海量监控视频数据。以公安应用为例,针对道路监控等相对标准场景的视频,可进行人脸动态识别和机非人实时结构化分析和特征信息提取,转化为情报线索。

  目前,安防行业中基于深度学习的人工智能产品,主要识别方向包括:车辆分析、人员分析、行为分析和图像分析,产品形态分为前端智能和云端智能。

  前端产品主要是用于边缘节点计算的AI摄像机(人脸识别摄像机/卡口电警摄像机),在采集视频和图片的同时,依靠高性能芯片和先进算法,为云端的数据中心提供结构化的数据,可以减少云端分析处理的计算资源压力和网络带宽等系统成本。缺点是前端设备空间有限、功耗成本较高,导致有限的硬件资源只能运行相对简单、对实时性要求高的算法。

  云端产品主要是智能NVR、人脸识别比对服务器、车辆结构化分析服务器和视频结构化分析服务器,智能NVR是在集中存储图像的基础上,通过集成深度学习算法实现了针对视频内容的智能分析和信息提取,比如小型比对库的人脸识别/车辆识别等,适合中小型项目使用。后三类智能服务器通过在X86服务器集成高性能GPU芯片和深度学习算法,专门对人脸特征、车辆特征、机动车/非机动车/行人的全目标特征进行快速提取和准确识别比对,比如亿级人脸底库的识别比对、卡口过车图片的二次特征提取和以图搜车、行人的衣着体貌特征识别和以图搜人等。云端产品能根据客户需求灵活配置硬件资源,可以运行复杂,业务响应置后的算法,且升级维护比较方便。

  随着智能需求日益增多,更多数据的采集和计算未来都将在前端进行边缘节点计算,前端初步处理分析后回传到云端进行深度分析,前端智能和云端智能并不矛盾,可根据客户的具体需求灵活组合,实现更智能的分布式计算,提供差异化的智能解决方案。一般来说,检测、跟踪、去重、抠图等相对通用的应用以及拌线、越界、徘徊、计数等行为分析类的应用适合放在前端,而提取细节特征、识别比对等以及涉及敏感信息的复杂应用适合放在云端,要结合实际设计,实现资源利用最大化。

      现金网,澳门皇冠,皇冠现金