人工智能與大數據

□ 文/本刊記者 丁兆威

如果說大數據是水，云存儲就是蓄水池，而人工智能就是一只撈魚的網。如果我們跳到水池中去抓魚，猶如大海撈針，累個半死也抓不到幾條。有了人工智能這張網，不費吹灰之力就能把魚從水池中捉出來。

人工智能和大數據是近兩年安防行業最熱門的技術，大數據的成功應用早于人工智能。

幾年前，大數據和云存儲幾乎是同時出現，并很快成為安防行業的熱點，因此它們的結合應用最為密切。

大數據與云存儲

隨著科技的發展尤其是通訊技術的發展，世界開始進入大數據時代，每天產生的海量數據，在過去是無法想象的。

在每天產生的海量數據中，視頻數據約占了76%，也就是說是主要數據源。據相關機構預測，到2025年，全球數據規模將擴展至163ZB，相當于2016年我們所創造數據的十倍，安防監控圖像將是主要視頻數據增長源之一。

過去，存儲視頻數據靠硬盤（本地存儲），后來出現了集中式存儲技術，再后來出現了云存儲，數據中心模式逐漸成為安防監控行業的主流形態。

平安城市、物聯網、智慧城市建設促使云存儲技術應用不斷成熟，智慧城市要求視頻存儲數據相互之間必須進行聯動和共享，而這種共享具備了云存儲的特性，傳統的存儲技術已經無法滿足行業發展的需要，云存儲成為大數據時代安防監控行業發展的必然。

云存儲，讓越來越多的IT行業的技術與理念引入到安防行業，百度推出了百度云、阿里巴巴推出了阿里云、華為推出了華為云、騰訊推出了騰訊云。甚至一度有人士預測，安防行業將會逐漸被IT化。

視頻大數據的價值

隨著物聯網的發展，傳統視頻監控生態發生了根本性變化，原本用于安防監控的視頻圖像，擴展應用到諸多領域，安防監控產業鏈也隨之延伸，從而形成新業態——視頻物聯。有了云計算、人工智能技術，大數據的生產者——安防監控廠商，逐漸升級為“視頻服務商”。

過去，監控攝像機的作用就是動態社會治安監控。在現代信息社會，視頻，是最豐富的傳感器。大數據的獲取、分析和深度挖掘應用，都離不開傳感器。在所有的傳感器中，視頻所采集的信息最豐富、最直觀，也最有價值。隨著應用領域的擴展和延伸，監控圖像的價值逐漸凸顯出來。視頻在治安監控、抗震救災、交通管理、應急指揮、醫療、城管、消防、防汛等許多領域，都展現出廣闊的應用前景。

視頻大數據已經成為珍貴的數據資源，在許多應用場景中，視頻監控完全突破了安全監控的界線和范疇，視頻的價值得到不斷挖掘和應用。

視頻大數據的挖掘應用前提是怎么獲取大數據。過去，監控攝像機主要是用于安防，現在監控攝像機主要是做抓取，抓取視頻里的人、車、物，甚至一切。一臺IP攝像機，一年可產生的視頻數據大概在1.3個TB，流量1.6個TB。那么2000萬臺IP攝像機，一年大概可以產生8個EB的存量和96個EB的數據流量，這是一個非常龐大的數字。這些數據資源通過云存儲，形成極具應用價值的數據池。

無論是百度云、阿里云，還是華為云、騰訊云，都離不開大數據，沒有大數據，再強大的“云”平臺，也就是一個空水池。

除了安防以外，視頻真有那么大價值嗎？讓我們來看幾個場景應用。

隨著旅游業的發展，一些先進的技術也開始應用到景區管理中，大大提高了景區管理和服務水平，許多景區實現了可視化、智能化管理，包括安全監控、客流分析統計、報警聯動、停車場、出入口、在線巡查、門禁等。

為助力工廠可視化、智能化生產，海康威視、大華股份等都相繼推出了工廠可視化管理系統。近日，佳能憑借其先進的影像技術也隆重發布了佳能工業影像平臺，助力用戶打造可視化智能工廠，全力促進“中國制造”走向“中國智造”。

當大數據遇上AI

大數據是人工智能的基石，機器視覺和深度學習主要是建立在大數據的基礎上，即對大數據進行訓練，并從中歸納出可以被計算機運用在類似數據上的知識或規律。大數據生態里面包含了眾多AI內容，數據科學、機器學習、人工智能，成為大數據發揮價值的關鍵。

近兩年，AI技術在安防領域的落地應用不斷加速。在AI的加持下，視頻物聯和視頻大數據的發展如虎添翼。

大數據與人工智能如同兩個充滿巨大能量的球，碰撞到一起，激起璀璨的火花！海量的視頻大數據，充分滿足了人工智能對于算法模型訓練的要求。大數據與人工智能結合，能夠解決安防監控應用的痛點，比如利用人工智能技術，幫助分析人流密度分布、變化趨勢、活動的動態監測，從而實現大型活動和重要區域的風險管理；幫助進行道路狀態及變化監測，分析車流密度分布、變化趨勢，預測道路擁堵指數，實現交通信號的調節和優化；根據車輛軌跡，實現以號搜車、以圖搜車、以特征搜車等，從而實現對人、車輛軌跡的跟蹤等。

這些痛點都是目前在安防行業普遍面臨和存在的，而單一的人工智能技術在某種程度上還很難徹底解決上述問題。當大數據加入后，一切都變得易如反掌。

目前，視頻大數據的主要產生源集中在社會治安動態監控和道路交通安全監控兩大領域。人工智能在安防和智能交通領域的應用，也主要集中在這兩個領域。目前全國各地社會治安動態監控系統已經超過2000萬個，每天產生產數據量幾乎是一個天文數字；以電子眼為主的道路交通安全監控系統，每天產生的數據量也相當驚人。這些龐大的數據，可以說95%是冗余的甚至是沒用的，經過人工智能的分析和處理，這些數據就變成了寶貴的資源。

人工智能和大數據的結合，賦予了大數據全新的價值。大數據已經不再是傳統的視頻數據的簡單累積，而是具有無限擴展應用價值的珍貴數據資源，比如人臉數據庫等。

大數據驅動下，全球對人工智能視頻監控硬盤和云數據中心硬盤的需求急劇上升，這為安防和AI行業帶來了前所未有的機遇。

安防大數據與人工智能

AI安防是利用人工智能對視頻、圖像進行檢索、分析，從中識別安全隱患并對其進行處理的“黑科技”。AI安防與傳統安防的最大區別在于智能化，傳統安防對人的依賴性比較強，非常耗費人力，而AI安防能夠通過機器視覺對傳感圖像進行智能研判，從而實現真正意義上的安全監控和事前預防。

隨著安防監控市場的不斷發展，安防視頻數據量日益激增，未來不可能將所有數據都放到云端處理，尤其是在實時性要求高的安防監控領域，因此前端智能的實時性顯得尤為重要，AI技術“前移”、前端智能化成為安防監控系統的未來發展趨勢。前端圖像采集設備加載AI技術后，大大減輕了后端存儲和智能分析的壓力，讓視頻采集、數據分析、視頻應用等融為一體，從而為用戶提供更強大、更有價值的視頻服務。

AI技術不斷成熟，但落地應用遠低于預期。AI安防，已經成為AI落地應用的巨大風口。

安防監控行業以視頻技術為核心，每天產生海量的數據資源，可以充分滿足人工智能對于算法模型訓練的要求；安防行業中事前預防、事中響應、事后追查的訴求與人工智能的技術邏輯完全吻合。

此外，安防整個產業鏈的人工智能布局已經成型，正在步入加速落地應用的佳境。視頻監控、生物識別等安防龍頭企業紛紛布局人工智能生態鏈，AI龍頭企業紛紛進軍安防監控市場，AI安防已經成為AI落地應用的熱點行業，目前， AI安防生態圈參與方分別包括上游的視頻算法提供商、芯片制造商、圖像傳感器、鏡頭模組等其他核心零部件制造商，中游的硬件供應商、軟件服務商、系統集成商、運營服務商，下游的視頻存儲服務商等。

2017年，希捷發布全球首款人工智能視頻監控硬盤——酷鷹人工智能硬盤。該硬盤具備高吞吐量和優化的緩存，能夠提供低延遲和極佳隨機讀取性能，實現對視頻圖像的迅速定位與傳送并進行影像分析，是解決隨著人工智能工作流產生的密集計算工作負載的理想方案。

隨著人工智能硬盤的問世，前端AI、后端AI，甚至AI存儲等，都已經成熟，已經具備市場爆發的條件。

交通大數據與人工智能

城市交通大腦和“會思考”的信號燈

人工智能在交通大數據的應用，主要分為三大場景：交通擁堵、智慧出行和交通管控。

治理交通擁堵，是城市發展的第一難題。目前，我國交通電子眼的數量居全球之首，但許多視頻數據得不到有效利用，如果不借助人工智能，每天攝像頭攝錄的數據是看不完的，同時由于信息孤島效應，許多有價值的視頻數據往往被忽略和浪費了。阿里巴巴集團技術委員會主席王堅在2016年云棲大會上表示，世界上最遙遠的距離卻是紅綠燈和交通監控攝像頭之間的距離。“它們都在一根桿子上，卻從來沒有通過數據被連接過。”

因此，杭州市政府在2016年云棲大會上公布，將為杭州安裝一個人工智能中樞——杭州城市數據大腦。這個項目由阿里云、富士康、海康威視、大華股份等13家企業的頂尖人工智能科學家聯合完成。“城市數據大腦”交通應用場景的初期主要目標是通過分析車輛視頻數據，來實時調整路口的紅綠燈時長。簡單來說，城市大腦的工程師們首先需要將視頻信息轉變為數據，并統一這些數據的格式，從而用數字化的結構重現實際的交通環境。之后，在這個虛擬的“數字城市”里，模擬不同交通狀況進行數字建模，通過大量運算得出紅綠燈時長的優化方案，最終同步到真實的路口，也就是說，人工智能通過視頻結構化分析和應用，讓信號機有了一雙“慧眼”，自動優化配時方案，提升交通運行效率。

城市數據大腦的內核采用阿里云ET人工智能技術，它可以讓數據幫助城市來做思考和決策，從而將杭州打造成一座能夠自我調節、與人類良性互動的城市。在此后進行的杭州蕭山區部分路段的初步試驗中，城市大腦通過智能調節紅綠燈，車輛通行速度最高提升了11%。

近年，各地交警充分利用人工智能和大數據，治理交通擁堵，收到顯著效果。

深圳交警在管理思路創新的同時，不斷加大科技信息化在交通管理中的創新應用，先后與BAT、華為等企業合作，通過科技手段，不斷提升交通管理水平。。2016年，深圳成為“年度治堵典范之城”。濟南交警支隊與互聯網公司合作，試點開發計算機控制下具有深度學習能力的交通信號控制模式，也就是專業界所說的“會思考的信號燈”，逐步實現交通信號配時智能化和區域信號多點聯動自適應化。目前，濟南市區已有交通信號燈控路口1000余處，信號平峰綠波帶77條，高峰紅波帶39條，納入區域自適應協調控制的道路42條，收到顯著的效果。

交通出行大數據

交通出行大數據，是交通大數據的重要組成部分。目前，許多科技企業與地方政府展開深度合作，進一步打通數據瓶頸，深入挖掘數據價值。高德與杭州合作“交通大腦”項目，利用大數據迅速發現城市異常擁堵位置，將其反饋給交警部門，加快出警速度。能夠將事故造成的異常擁堵時長縮短20%，平均車速提高35%。

大數據是推動智能交通發展的基礎，人、車、行為識別都是獲取數據的工具，是感知智能的提升。

整個交通數據生態的組成因素有人、車、路、場站樞紐四大因素。當前已經可以通過固定式檢測設備感知車號牌、車流量、車特征等信息。通過場站樞紐的視頻監控、出入口車輛識別、車位檢測設備獲取車輛進出數據。隨著車路協同、輔助駕駛、無人駕駛技術的提升，可通過車載智能終端感知車輛相關移動數據，包括位置、行為等。我們也可以通過互聯網技術，以移動終端手機感知出行者信息。未來、隨著技術的發展和成熟，以及政策的支持，這四類信息將被全面感知，形成人車路場協同，提高整體交通通行效率。

高德目前擁有7億用戶，覆蓋全國超過331個城市，每月覆蓋的移動終端數超過11億；滴滴每日新增軌跡原始數據超70TB，處理數據4500TB，路徑規劃請求200億次以上。

百度地圖基于百度地圖海量的車輛軌跡、定位、POI、百度搜索等數據，發布中國城市交通研究報告；高德地圖利用交通大數據，發布城市交通擁堵報告。綜合分析我國城市交通狀況，為公眾、行業研究機構以及政府管理部門提供有效的參考。

交通出行大數據極大地豐富了智能交通的內涵。除此之外，還有未來的無人駕駛，更離不開大數據和人工智能。AI，賦予公共交通和無人駕駛更多可能。

大數據助力人工智能發展

隨著技術的不斷成熟和發展，人工智能正在加速走向商業化，人臉識別、圖像識別、語音識別等技術已經在公安、金融、物聯網等行業得到越來越廣泛的應用，刷臉支付也已經向我們走來。

伴隨著云存儲，云計算技術也日益成熟。相比人工智能，云計算發展較早，經過10年發展，國內已經擁有超百億規模，云計算也不再只是充當存儲與計算的工具而已。

如果說大數據是水，云存儲就是蓄水池，而人工智能就是一只撈魚的網。如果我們跳到水池中去抓魚，猶如大海撈針，累個半死也抓不到幾條。有了人工智能這張網，不費吹灰之力就能把魚從水池中捉出來。

云計算在助力人工智能發展上具有重要意義，人工智能的發展、巨大數據的積累，也將會為云計算帶來新的機會。

未來，人工智能和大數據將是AI安防生態的主角，整個行業或將圍繞這兩項技術，不斷延伸和發展。