智能視頻分析搭上AI 世界會怎樣

□ 文/本刊記者 羅 超

智能視頻分析搭上AI 世界會怎樣

□ 文/本刊記者 羅 超

對于這個沒有邊界的監控智能化概念，當智能視頻分析遇上AI之后，我們在新時期對監控智能化有了新的指標，那就是會深度學習。

早在8年前，行業就在談論監控智能化，但智能化的概念較為模糊，不像網絡和高清監控，有明顯的技術指標。對于這個沒有邊界的監控智能化概念，當智能視頻分析遇上AI之后，我們在新時期對監控智能化有了新的指標，那就是會深度學習。

智能視頻分析技術的分類

從廣義上來說，智能視頻分析技術主要包括以下三類：

頻分析類

該類主要是在監控圖像中找出目標，并檢測目標的運動特征屬性（如目標相對的像素點位置 ，目 標 的 移 動 方 向 及 相 對 像 素 點 移 動 速 度 ，目標本身在畫面中的形狀及其改變），根據以上的基本功能，視頻分析可分為以下幾個功能模塊：周界入侵檢測、目標移動方向檢測、目標運動、停止狀態改變檢測、目標出現與消失檢測、人流量、車流量統計、PTZ自動追蹤系統、系統智能自檢功能等。

視頻識別類

該類包括人臉識別、步態識別與車牌識別，其主要技術是在視頻圖像中找出局部中一些畫面 的 共 性 ，如 人 臉 必 然 有 兩 個 眼 睛 ，如 果 可 以 找到雙目的位置，那么就可以定性人臉的位置及尺寸。

視頻改善類

該類主要是針對一些不可視、模糊不清，或者 是 對 振 動 的 圖 像 進 行 部 分 優 化 處 理 ，以 增 加 視頻的可監控性能。具體包括：紅外夜視圖像增強處理、車牌識別影像消模糊處理、光變與陰影抑制處理、潮汐與物體尺寸過濾處理、視頻圖像穩定系統等。

從實現方式來看，智能視頻分析技術目前有兩種常用方式：第一種是基于智能視頻處理器的前端解決方案；第二種是基于監控的后端智能視頻分析解決方案。基于視頻處理器的前端解決方案：所有的目標跟蹤、行為判斷、報警觸發都是 由 前 端 智 能 分 析 設 備 完 成 ，只 將 報 警 信 息 通 過網 絡 傳 輸 至 監 控 中 心 。優 點 是 ：視 頻 分 析 設 備 被放 置 在 I P 攝 像 機 之 后 ，這 樣 可 以 有 效 地 節 約 視 頻流 占 用 的 帶 寬 ；缺 點 是 ：價 格 昂 貴 ，安 裝 復 雜 ；前端設備分散、易損率高；報警記錄與視頻監控分開。

智能視頻分析的應用需求與不足

傳統的視頻監控系統通常是通過人員監控和錄像來實現安全防護，實際上并不能主動有效地 保 障 安 全 ，尤 其 是 監 控 點 過 多 的 時 候 ，人 員 監控根本無法顧及所有監控場景；同時，監控人員的注意力很難保證二十四小時都能準確高效地監控所有監控場景；此外，被動錄像通常只能在事 件 發 生 之 后 通 過 調 用 錄 像 進 行 回 放 取 證 ，一 方面損失已經 產生不 可能 挽回，另一方面，通 過 人工 回 放 錄 像 取 證 的 方 式 效 率 十 分 低 下 。智 能 分 析視頻監控則可以有效地解決以上問題。智能監控的主要特征是采用計算機視覺方式，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作出反應，智能監控的主要優勢有：群體行為分析、入侵檢測和運動目標跟蹤、有效擴展視頻資源的用途、滯留物和搬移物報警、對攝像機保護、降低人力成本。

智能視頻分析成為了安防行業必要的技術之一，然而，安防行業解決方案提供商不僅要解決用戶安全的問題，還要進一步為行業用戶的業務系 統 提 供 支 撐 。而 要 實 現 用 戶 的 這 些 訴 求 ，就 離不開智能視頻分析技術的支持。不過受限于智能分析算法本身的完善性，以及對應用場景的高要求等因素，智能分析的準確率受限。而隨著大數據、云計算技術在安防領域的應用，深度學習技術具備了應用的條件，大數據可以為深度學習提供足夠多的訓練樣本，而云計算則為深度學習的復雜算法模型提供了足夠的計算能力支撐。

智能視頻分析結合人工智能，展開安防深入應用

人 工 智 能 ，為 安 防 行 業 裝 上 了 會 思 考 的 大 腦 。其應 用一方面提高了一些算法的準確率；另一方面，監控智能分析無法實現的功能，人工智能也可以實現。比如，人臉識別包括了人臉檢測、特征點定位、特征比對等多個環節，如果采用深度學習 方 ，各 個 環 節 的 識 別 性 能 都 有 大 幅 提 升 。此 外 ，通過人工智能還可以將表情、年齡、飾品以及偏娛樂的顏值、開心程度等做得更好。再如人群分析方面，傳統的監控智能分析是無法處理300人以上的大范圍場景的，更不用提運動場景的人群分析 。現 在 基 于 人 工 智 能 ，不 僅 能 夠 處 理 大 范 圍 場景及運動場景的人數統計，還可以估計人群密度、滯留分析等，為一些用戶提供增加商情效益分析的數據。

在公安行業，圍繞公安業務需求的公安實戰平 臺 ，結 合 視 頻 圖 像 偵 查 業 務 ，對 監 控 畫 面 中 感興趣的目標視頻進行智能分析，提取可疑的人、車、物等目標信息，生成結構化的語義描述，從而實現特定目標的快速定位、查找和檢索。人工智能在視頻內容的特征提取、內容理解方面有著天然 的 優 勢 。前 端 攝 像 機 內 置 人 工 智 能 芯 片 ，可 實 時分析視頻內容，檢測運動對象，識別人、車屬性信息，并通過網絡傳遞到后端人工智能的中心數據庫進行存儲。匯總的海量城市級信息，再利用強大的計算能力及智能分析能力，人工智能可對嫌疑人的信息進行實時分析，給出最可能的線索建議，將犯罪嫌疑人的軌跡鎖定由原來的幾天，縮短到幾分鐘，為案件的偵破節約寶貴的時間。其強大的交互能力，還能與辦案民警進行自然語言方式的溝通，真正成為辦案人員的專家助手。

基于人工智能的視頻智能分析是利用計算機圖像視覺處理、模式識別和機器學習等算法，分析和識別運動目標信息。作為公安實戰平臺中最為 重 要 的 環 節 ，基 于 人 工 智 能 的 人 臉 識 別 技 術 需求應用更為迫切。公安部門借助人臉卡口IPC攝像 機 的 智 能 人 臉 檢 測 技 術 ，在 城 市 道 路 、廣 場 、娛樂場所及各類重點場所的人員目標的人臉識別，提取包括人的性別、戴眼鏡、年齡段等特征信息。從而實現人臉的實時布控、高危人員比對、以圖 搜 圖 、語 義 搜 索 等 方 面 的 業 務 應 用 。比 如 ，人 臉布控業務是通過對場景中視頻的進行實時人臉采集和視頻分析，并與各種人臉庫提供的圖片(警綜、信綜、出入境、人口庫、追逃庫、犯罪人員庫等)進行實時比對。如果發現重點關注人員，將推送到公安實戰平臺客戶端或手機終端。另外公安實戰平臺與全國人口庫、常住人口庫、居住證人口庫等數據關聯，實現城市地鐵、機場、酒店的人臉識別系統的聯動。結合地圖業務應用，可實現軌跡 回 放 、告 警 、查 詢 的 可 視 化 。

智能視頻分析目前主要還是集中在人和車的識別應用。

車輛識別

隨著車輛的不斷增長，智能視頻分析結合人工智能成為人們關注的重點，可以有以下改善。其一，車牌的識別率有了顯著的提高；其二，可以識別車子的其他特征，例如品牌、型號（市面上99%+的車型）、顏色等，結構化更多元、更系統；組 合 多 種 元 素去 搜 索，提 高 車 輛 搜 索 的 命 中 率 。

那為什么智能視頻分析結合人工智能可以賦予車輛識別更多功能、更好效果呢？不斷訓練——用模型去識別擁有不同種類特征的sample群，就會獲得不同的識別功能。比如：預算有限、識別準確率要求沒有那么高，可以通過降低幀率或分辨率，或者犧牲一定的算法計算資源，換取更 多 的 路 數 ，降 低 單 路 的 成 本 。例 如 ，把 1 0 8 0 P 的分辨率降低至720P，那么路數預計可增加至256路，單路成本直降25%。

人的識別

如 果 只 是 傳 統 的 智 能 視 頻 分 析 技 術 ，對 于 人的體型、人種、年齡、長短發等的識別，是無法實現的。人的識別困難在于人的動作和狀態都特別不同，但是智能視頻分析結合人工智能可以處理一個畫面中的多達80個人物，在40毫秒以內。類似扶手電梯、十字路口、商業中心廣場、展會門口等有持續不斷流動的人群的場所，也可以用人的識別功能檢測，并且檢測準確率可高達95%。可見，智能視頻分析結合人工智能的層數與它需要辨識的特征復雜度有關系。

不可否認的是，現在全球智能視頻分析結合人工智能的技術，還處于弱AI階段，會有一些不足。比如，如果視頻撲捉到了人的視頻，就能檢測到并進行分析，但畫面上看不到的則沒辦法識別到、也不能做分析；如果畫面上人物被遮擋一部分，則會影響檢測和分析的效果。尤其是高峰期升降電梯、廣場密集人群等。

此外，全球各地區的人種不同，AI識別率下降。大華認為，可以在定期輸送各膚色人種樣本，提高 AI 對更多皮膚色調的識別率。

結束語

綜 上 所 述 ，一 言 以 蔽 之 ，當 智 能 視 頻 分 析 搭上人工智能，世界將會怎樣？