安防的智能感知

□ 文/本刊記者 何 遙

安防的智能感知

□ 文/本刊記者 何 遙

IoT將是一個被傳感器連接的世界。城市監控區域中無處不在的攝像頭形成一張巨大的網，通過圖像傳感器獲取視覺信息，給人、車、物、環境打上視覺標簽，管理者通過挖掘目標運動軌跡和環境變化信息，分析其行為，為應急指揮系統提供預警信息。本期欄目邀請到幾位業內專業人士共同探討安防的智能感知。

圖像傳感與視覺智能分析

圖像傳感與視覺智能分析將為安防行業提供更堅實的應用基礎、更廣闊的應用方向。

Jason Liu：安防監控市場正向更多互通互聯、更高分辨率和更智能的趨勢發展。世界各地城市新興的智能城市監控系統證實了這一點，這些系統采用了聯網的安防攝像機、智能交通系統攝像機和持續的空中監控。

預計監控/安防市場在可預見的未來將繼續呈現好的增長勢頭，尤其以圖像信號處理壓縮標準如H.264和新興的H.265為主。這支持傳輸更高分辨率、更快幀速率視頻用于視頻分析，如面部識別。分辨率超過1080p的圖像傳感器，如300萬至600萬像素，甚至800萬至1200萬像素已開始實現魚眼矯正、寬視場和全景攝相機以增強情景感知。

安森美半導體在安防市場處于有利地位，提供寬廣的產品陣容，具備各種不同的分辨率、光學格式和性能層，滿足行業的極嚴需求。目前的安防產品包括AR0 CMOS數字圖像傳感器系列，該系列產品為設備提供100萬至300萬像素的分辨率、2.2至3.75μM像素單元大小和1 / 4英寸至1/2.7英寸光學格式。

李林森：隨著科技的發展，計算機技術的不斷提升，智能視覺分析技術應運而生，可以有效地解決傳統視頻監控的問題，為安防行業提供更為廣闊的應用方向。智能視覺分析技術和以往的監控技術有本質的區別，其主要特征是采用計算機視覺的方法，在幾乎不需要人為干預的情況下，通過對攝像機拍錄的圖像序列進行自動分析來對動態場景中的目標進行定位、識別和跟蹤，并在此基礎上分析和判斷目標的行為，從而做到既能完成日常管理又能在異常情況發生的時候及時做出反應。更形象地說，智能視覺監控系統能夠看，看被監控場景中目標物體的行為；能夠想，想目標物體的行為意味著什么；能夠說，把想的結果用自然語言的形式表達出來。因此智能視覺監控系統取代了監控任務中人的大部分工作，是新一代的具有高度智能的監控技術。

Jason Liu安森美半導體高級市場營銷經理

奚榮勇蘇州科達科技股份有限公司產品經理

智能視覺分析技術是指計算機圖像視覺分析技術，計算機圖像視覺技術是人工智能（AI，Artificial Intelligent）研究的分支之一，它能夠在圖像及圖像描述之間建立映射關系，從而使計算機能夠通過數字圖像處理和分析來理解視頻畫面中的內容。而視頻監控中所提到的智能視頻技術主要指的是“自動的分析和抽取視頻源中的關鍵信息”。 如果把攝像機看作人的眼睛，智能視頻系統或設備則可以看作人的大腦。智能視頻技術借助計算機強大的數據處理功能，通過將場景中背景和目標分離進而分析并追蹤在攝像機場景內出現的目標，對視頻畫面中的海量數據進行高速分析，過濾用戶不關心的信息，僅僅為監控者提供有用的關鍵信息。智能視頻解決方案以數字化、網絡化視頻監控為基礎，用戶可以根據的視頻內容分析功能，通過在不同攝像機的場景中預設不同的報警規則，系統識別不同的物體，同時識別目標行為是否符合這些規則，一旦目標在場景中出現了違反預定義規則的行為，系統能夠以最快和最佳的方式發出警報并提供有用信息，從而能夠更加有效的協助安全人員處理危機，最大限度的降低誤報和漏報現象，切實提高監控區域的安全防范能力。

李林森海康威視研究院大數據產品原型組產品經理

林志華福建星網銳捷安防科技有限公司產品經理

智能視覺分析技術在安防領域的重要作用是毋庸置疑的，具有廣泛的應用前景，可以應用在公安、司法、交通、教育、金融等主流行業應用，比如十字路口、高速公路、停車場、飛機場等交通場景；比如軍事基地、銀行等軍事場景監控、國家重要部門以及人們日常生活的場所；比如天安門廣場、火車站等敏感的公共場合，相關智能視覺分析產品也隨著技術的發展不斷地細化，比如人臉識別比對系統，公安機關搭建人臉識別比對系統，建立人臉捕捉數據庫，將人臉信息歸檔，并與個人身份建立關系，在實際運用過程中采用人臉搜索、黑名單布防、陌生人識別等多項智能分析功能，大大提高視頻監控的防范功效，可以讓犯罪分子無可遁形。由于和智能視覺分析相關的高清產品并未得到真正的普及，社會上的監控布局點也并不完善，目前還只是針對某些行業進行使用，還遠遠未達到全面普及，只有大批量的使用高清攝像機，增大捕獲到清晰、正面人臉的可能性，才能有更好的實戰效果。此外，還需要公安和企業加強合作，加大監控點的部署密度。由于大量監控點的部署會帶來海量視頻，需要重視智能視頻分析技術的應用，合理利用技術，人機配合，發揮技術的長處，從而有效輔助偵辦人員。

林志華：智能感知，是指充分利用物聯網、云計算、數字寬帶等新一代信息技術，通過改造、新建、集成各類信息基礎設施及革新信息化支撐環境，深度融合和開發利用信息資源。重點突出感知、大數據分析、趨勢分析及預測、智能管理、智能控制等技術在日常辦公、生活、學習等活動中的應用，建立集全域感知、融合應用、信息支撐于一體的智慧信息應用系統，推動信息化建設向更高層次發展。

溫曉萍：感知系統可以分成三層架構：

第一層為基礎設備感知單元。包括固定式或移動感知終端、感知攝像機、感知AP，以及用戶側設備：pad、phone、感知標簽、應用終端等。

第二層為感知系統服務。包括感知接口、感知引擎、數據庫、web服務。

最頂層為上層應用。主要為感知服務應用的呈現。可針對不同場景應用做深度開發。包括PC端、手機端APP。

溫曉萍博康智能網絡科技有限公司產品總監

產品與應用

智能感知在安防領域的應用已經有了一個好的開端。未來智能安防產品作為傳感器的載體和集合，將實現人、機、云更高級的交互。

Jason Liu：物聯網（IoT）將智能對象或物體連接到互聯網上，并使電子設備能相互交互。它還改變了安防攝像機的使用和部署方式，提供更多的互通互聯、有線或無線配置的能力。它們可被用于照明條件差的遠程位置，并由最新的圖像傳感器的低功耗特性所支持，可高效地用于僅提供電池電源的地方。

近年來，圖像傳感技術和產品迅速演變發展，以支持日益增長的安防市場。除了微光性能，它們還可提供高動態范圍，即在同時有明亮的亮點和黑暗的陰影的場景成像的能力。擴展的近紅外（NIR）量子效率支持以NIR 照明成像，而高性能的調制傳遞函數（MTF）確保保持圖像清晰度，即使在常見于安防應用中富有挑戰性的光照條件下。安森美半導體的器件還通常采用背照式技術，以較小的像素和輸出接口如MIPI和HiSPi提升靈敏度，支持高動態范圍模式在ISP芯片組，這是在這市場被許多客戶認為至關重要的一個功能。

奚榮勇：科達感知型攝像機系列分為特征分析、車輛卡口、人員卡口三類，車輛卡口主要針對機動車道的車輛目標的分析；人員卡口主要針對人行道或通道上的行人目標的分析；特征分析攝像機則主要針對監控普通場景下通用運動目標的分析。這三類攝像機部署成本不同、定位不同，各司其職、相互配合。

林志華：星網安防從用戶需求為出發點，結合自身在視頻監控、物聯網、云計算、網絡方面的優勢，在智能感知應用方面也在積極探索并不斷創新。在特定領域進行創新應用：人員統計、軌跡分析、考勤簽到。通過各種感知技術的廣泛應用，提供更加智能的技術手段。我們相信在可預見的安防領域智能感知應用會不斷豐富，實現信息數據的全面透徹感知和特征提取。拉進人與人、人與物之間的信息共享。

溫曉萍：博康公司自主研發的“指揮通信一體化綜合保障平臺”，基于公安信息網進行部署和資源接入，充分利用云計算和云存儲資源，采用面向服務的體系架構進行整體規劃和分層設計。平臺整合的基礎通信資源涵蓋視頻會議、350M無線語音、340M無線圖傳、PSTN、3G/4G圖傳、衛星通信、短波、視頻專網、VOIP電話等；對警用無線對講終端、移動警務終端、視頻監控終端、警用定位終端、工作音視頻信息記錄終端等通信設備、感知設備進行管理；對公安信息通信網絡、通信基站、通信頻率、信道等各類通信資源進行管理。

李林森：如何發揮已建監控系統更大的實戰價值，如何破解當前監控偵查技術的困局，是安防企業需要思考在IoT（物聯網）興起后的問題。海康威視作為安防領軍企業，擁有先進的結構化系統，結合最新的深度學習智能分析技術，積極助力安防大數據時代的深度智能應用。海康威視推出了“獵鷹”、“刀鋒”兩款結構化智能分析服務器，利用強大的深度學習圖像識別技術，將視頻和圖片中的有效信息快速全面的進行提取，實現非結構化視頻圖片向結構化數據的轉變，大大提升已建系統的價值。

“獵鷹”是一款能夠從視頻中挖掘數據的智能結構化服務器，從視頻中結構化提取關鍵目標，包括車輛、人及其特征等。先進的視頻結構化技術能夠幫助相關業務部門在海量視頻中快速尋找目標。從視頻存儲的角度看來，結構化引領存儲模式全新變革，提煉視頻中有價值的圖片和文本信息。從原本需要一直存儲變成關鍵信息的存儲，使存儲更持久。隨著前端設備不斷增多，視頻畫面也逐漸地走向更高清。利用視頻結構化技術，即使是再高清再高容的視頻存儲也依舊可以進行關鍵信息的提取。從原先需要依靠人工去進行疲勞式海量辨析，逐漸過渡成為大數據智能研判，“獵鷹”是不可替代的橋梁。“獵鷹”可以與公安、交通等平臺構成一套完整的產品解決方案，完成系統級行業應用。平臺對“獵鷹”結構化提取的數據進行調用與分析，結合大數據相關應用，共同形成整套大數據解決方案。

“刀鋒”，定位于中心智能結構化處理，通過對車輛圖片的智能結構化，深度挖掘海量圖片的關鍵信息，為行業應用分析提供大數據依據。系統支持7種車型識別， 11種車身顏色識別，2000多種車輛子品牌識別，同時能夠完成安全帶、開車打手機、遮陽板、黃標車、危險品車輛等二次識別檢測。系統還支持車輛背向品牌及子品牌、車身顏色的識別，使其無論是在卡口系統還是電子警察系統（背向）下，均得到了廣泛的行業應用。定位于中心智能結構化處理，通過對車輛圖片的智能結構化，深度挖掘海量圖片的關鍵信息，為行業應用分析提供大數據依據。同時，“刀鋒”還可以對車輛數據進行建模，可廣泛應用于嫌疑人修改或更換車牌、套牌車檢測、車臉快速檢索、刑偵破案場景等各種業務需求。系統可與公安、交通等行業平臺形成完整的大數據解決方案。以公安行業應用為例，車輛軌跡、區域碰撞、落腳點分析等均需要大量的結構化數據信息。在海量基礎數據高效、準確的采集過程中，“刀鋒”系統能夠出色地完成海量圖片二次識別、車輛以圖搜圖功能，強大的數據處理能力讓其在整體行業大數據系統中起到不可替代的關鍵性作用。

深度學習將與安防應用碰撞出更多火花

隨著安防監控日益高清化，每天都在源源不斷地產生著海量監控數據，視頻、圖片等非結構化數據不斷地更新覆蓋，SDT安防大數據時代已經到來。智能感知的背后，是對數據的深刻理解。

奚榮勇：智能感知技術及其應用未來的趨勢主要是基于深度學習的智能分析技術的使用。

在行人分析或者說人臉分析這個方面，在安防領域還沒有達到最理想的狀態。究其原因，行人和人臉面對的情況是非常復雜的。光照、姿態、表情、飾物、分辨率等因素時刻影響著智能分析算法的效果。利用深度學習技術可以幫助我們逐步克服這些不利因素，通過積累多種場景下的樣本數據，逐步提升行人分析或者人臉分析的準確率。

在車輛分析這個方面，原先車輛卡口攝像機只能做到車輛檢測、車牌檢測、車型分析等功能。依托深度學習，除了可以提升原有的智能算法的準確性，還可以擴展更多的智能分析領域，例如車輛子型號、年款的分析、車內司乘人員的檢測、安全帶檢測、打電話檢測等。

除此以外，利用深度學習還能幫助提升在通用場景下目標檢測的適應性，還可以提升對人、車目標結構化屬性分析的準確率。

深度學習將逐步取代現有的很多傳統的目標檢測、特征提取技術。通過深度學習提取各類信息也將為安防應用打下基礎。在未來，深度學習技術將與安防應用碰撞出更多的火花。

李林森：安防大數據時代每時每刻都在產生著海量數據，如此才使我們有更大的挑戰、更強的責任心去乘風破浪，屹立于大數據之巔。基于深度智能學習的結構化技術，在海量監控數據中提取目標關鍵信息的“獵鷹”、“刀鋒”等結構化系統，不斷趨于更專業的深度行業化應用，致力于為客戶持續創造最大價值。

林志華：現在安防行業已從傳統的IT時代轉變到DT時代。大數據應用勢在必行。感知應用也如日亦增多。比如物品/人員定位、軌跡、考勤簽到等在一定范圍內受到眾多廠家的推廣。從安防層面，智能感知可以劃分為兩大方向的應用：泛感知應用、精準感知應用。

所謂泛感知，是指對應用場景要求不高，從宏觀層面的數據趨勢變化，對特定特征的人員、特品的行為、位置做統計。常用的技術實現方式有RFID、WIFI、Zigbee等。

在社區設備中嵌入感知模塊，進出社區大門、到達樓層、入戶等信息均可掌握。那么通過互聯網應用，就可以讓小孩離開社區自動信息提示預警、老人/小孩回家報平安、可疑人員信息檢索等。聯動視頻監控，保證社區安全。而且現在隨著國家提倡開放小區的理念，盡可能多的感知數據信息，為以后的安全管控提供有力的信息數據基礎。

在城市可以通過部署一定數量的感知點，獲取使用智能終端的用戶數量，形成區域熱度圖。特別是景區、大型公共場所、商超等，我們就可以通過感知數據平臺的分析形成趨勢圖或客流圖，為決策層提供數據依據：哪些景點是熱門區域，可以綜合調度避免擁堵；商超內哪些區域消費人員最多，可針對性對此區域增員，保障消費及服務滿意度；哪些公共場所已超出人員負荷量，需要增加安保人員進行疏導…….所有這一切均在無感知狀態下完成了數據收據、統計、分析。

精準感知，對應用場景要求較高。如考勤、簽到、位置定位。

在學校，利用自帶感知模塊的攝像機，進出學校可預警報示；課堂上課利用感知單元實現老師及學生簽到考勤；宿舍管理可結合學校人員信息完成回寢統計、晚歸或未歸信息預警。

在特定行業，如城市綜合管廊、隧道，由于其環境的特殊性，往往手機信號、GPS信號不穩定，干擾誤差較大。利用感知技術實現人員定位、設備定位看護。人員通過感知設備實時顯示運動軌跡，遇到突發事件時安保中心可應急指揮，統一調度；在貴重設備中植入感知模塊，一旦超出一定位置范圍立即聯動報警，真正實現智能化管理。