大華股份潘石柱談如何“深度見識”

□ 文/夏廷玥

大華股份潘石柱談如何“深度見識”

□ 文/夏廷玥

▲大華股份副總裁兼國內營銷中心總經理張偉

2017年3月，“人工智能”首次寫進政府工作報告。可以說，人工智能已達到促進經濟發展的新高度，多只人工智能概念股在兩會期間也表現亮眼。而早在2016年10月中旬，烏鎮智庫聯合網易科技發布了《全球人工智能發展報告(2016)》。報告提到了人工智能將在七大領域率先應用，安防行業赫然在列。

然而縱觀人工智能60年的發展歷史，經歷了多次“寒冬”，其中一個很重要的原因就是算法效果和實際使用的差距或神經網絡無法繼續深入下去。直到深度學習取得突破，直接推動了人工智能的蓬勃發展。深度學習同樣在安防行業得到應用，尤其是視頻監控領 域 ，如 何 做 到“ 深 度 見 識 ”成 為 安 防 廠 商 所 要 面 臨的問題。近日，本網記者就有關問題采訪到了大華股份先進技術研究院院長潘石柱博士。

“見”是“識”的先決條件

現 階 段 ，我 們 之 所 以 能 夠 談 數 據 的 提 取 、談 智 能分析，這一切的基礎就是高清技術得到了快速發展。如果沒有高清，如果我們還是在D1或者是更低的分辨率之下，數據的提取和分析是沒有任何意義的，也是沒有辦法做到的。簡言之，連看都看不清，如何“看得懂”、“看得懂”又有什么意義?所以，從D1到720P、1 0 8 0 P 再 到 4 K ，從 C C D 到 C M O S ，從 紅 外 補 光 到 星 光 級技術的發展，這樣一個演進的過程，它表面上解決了目標清晰度的問題，但它真正深層次的變化是為我們后面的 深度分析做 足了鋪 墊。

從“前”到“后”，深度智能貫穿始終

當深度學習的算法融合到視頻監控系統的前后端 ，才 能 真 正 地 說“ 深 度 智 能 ”。 在 這 里 ，前 端 我 們 舉例 簡 單 說 明 一下，重 點 說 一下 后 端 。

前端：在應用層面上，以2016年的G20峰會安保為 例 ，大 華 提 供 的 諸 多 監 控 攝 像 機 ，除 了 能 夠 支 持 峰會安保需要的絆線入侵、區域入侵、穿越圍欄、徘徊檢測等諸多智能分析功能外，還支持針對視頻監控范圍的疑點盲區、重要路線、高密場所、復雜光線等目標區域的30 0 個預置點、自動巡跡、自動巡航等空閑動作，攝像機可按照事先設置好的預置點位進行多條路線的自動巡航監控。巡航監控定位精準無偏差，一旦有目標觸發設定的規則，立刻聯動報警。

后端：在3月7日，大華股份聯合NVIDIA發布了一款極高計算性能的智能視頻結構化服務器“Deep Sense睿智”系列。這款服務器有兩個需要我們注意的地方：一是Tesla P4 GPU，二是結構化分析。

Tesla P4 GPU首次在安防行業應用

大華的“Deep Sense睿智”系列是全球智能視頻分析行業第一個使用Tesla P4 GPU的服務器產品，也是Tesla P4首次應用于智能視頻分析行業的推演。

在談Tesla P4之前，我們先來說一說GPU和CPU的區別。由于CPU在圖像渲染方面的能力不足，GPU被發明出來分擔這部分工作，此后就成了專門搞這方面的硬件。所以，有了上千個并行的計算核心，GPU能高效地處理讓CPU十分吃力的任務。GPU的強大性能，不只來源于增加的核心數量，還必須有更快的內存相配合才能發揮。今天，GPU的內存帶寬相比CPU已經有數量級上的領先，這使得GPU在處理和讀取數據上都有巨大優勢。

所以，Tesla P4具備了一般GPU都有的特性。除此之外，Tesla P4外形小巧，功耗極低，初始功率只有50瓦特，處理推理應用的能效比與CPU相比提高了40倍。這也促使“睿智”系列能夠同時對多達192路的高清視頻流進行實時解碼和分析。同時，對于視頻推理的工作負載，一臺配備單個Tesla P4 GPU的服務器可以取代13 臺CPU服務器，因此，從商業價值上來說，Tesla P4讓總體擁有成本(包括服務器成本和電力成本)節省了超 過8 0 0 %。

視頻結構化成為趨勢

據潘石柱博士介紹，“睿智”服務器把實時視頻進 行 結 構 化 分 析 后 ，能 將 復 雜 場 景 中 的 人 、機 動 車 、非機動車分離，全方位提取車輛特征，如車牌號碼識別、主副駕駛是否系安全帶、是否打電話、有無遮陽板 、有 無 年 檢 標 、有 無 掛 墜 、有 無 紙 巾 盒 ; 針 對 行 人 ，“睿智”服務器可以多方面分析其相關特征，包括性別、表情、年齡段、服飾特征(上下衣著顏色、眼鏡)、攜帶物特征(背包、打傘)、運動特征等。

經過結構化處理之后的視頻數據，可以進行長期保存，用戶按照尋找目標的特征，對人、機動車、非機動車的各種特征條件進行組合篩選，快速精確檢索 目 標 ，提 高 查 詢 效 率 。

由此，我們也可以清楚看到結構化處理所帶來的優勢：

首先，是視頻查找速度得到極大的提升。視頻結構 化 之 后 ，從 百 萬 級 的 目 標 庫 中 ( 對 應 成 千 上 萬 小 時 的高 清 視 頻 ) 查 找 某 張 截 圖 上 的 行 人 嫌 疑 目 標 ，數 秒 即可完成;千萬級目標的庫中查找，幾分鐘即可完成(如果 實 現 云 化 ，速 度 會 更 快 ) 。在 結 構 化 基 礎 上 進 行 檢索 查 詢 ，可 以 解 決 快 速 目 標 查 找 問 題 。

其次，是存儲容量極大的降低，經過結構化后的視頻，存儲人的結構化檢索信息和目標數據不到視頻數據量的2%;對于車輛，不到1%;對于行為降得更多。存儲容量極大地降低，可以解決有效視頻長期存儲的問題。

最后，視頻結構化可以盤活視頻數據，可作為大數據挖掘的基礎，視頻經過結構化處理后，存入相應的結構化數據倉庫，對各類的數據倉庫可以進行深度的數據挖掘，充分發揮大數據作用，提升視頻數據的應用價值，提高視頻數據的分析和預測功能。

總之，無論是芯片還是視頻結構化，都是為了給視頻數據的智能化提供強有力的支持，從而真正實現大數據的價值，使主動式防控系統成為可能。