重慶高清監(jiān)控：2017年3月，“人工智能”首次寫進政府工作報告?？梢哉f，人工智能已達到促進經(jīng)濟發(fā)展的新高度，多只人工智能概念股在兩會期間也表現(xiàn)亮眼。而早在2016年10月中旬，烏鎮(zhèn)智庫聯(lián)合網(wǎng)易科技發(fā)布了《全球人工智能發(fā)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(yè)赫然在列。

然而縱觀人工智能60年的發(fā)展歷史，經(jīng)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(jīng)網(wǎng)絡無法繼續(xù)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(fā)展。深度學習同樣在安防行業(yè)得到應用，尤其是視頻監(jiān)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(wǎng)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。

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(xiàn)階段，我們之所以能夠談數(shù)據(jù)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(fā)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(shù)據(jù)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、1080P再到4K，從CCD到CMOS，從紅外補光到星光級技術的發(fā)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(jiān)控系統(tǒng)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(jiān)控攝像機，除了能夠支持峰會安保需要的絆線入侵、區(qū)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(jiān)控范圍的疑點盲區(qū)、重要路線、高密場所、復雜光線等目標區(qū)域的300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(jiān)控。巡航監(jiān)控定位精準無偏差，一旦有目標觸發(fā)設定的規(guī)則，立刻聯(lián)動報警。

　　后端：在3月7日，大華股份聯(lián)合NVIDIA發(fā)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(yè)應用

　　大華的“Deep Sense睿智”系列是全球智能視頻分析行業(yè)首先使用Tesla P4 GPU的服務器產(chǎn)品，也是Tesla P4首次應用于智能視頻分析行業(yè)的推演。

　　在談Tesla P4之前，我們先來說一說GPU和CPU的區(qū)別。由于CPU在圖像渲染方面的能力不足，GPU被發(fā)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(shù)量，還必須有更快的內(nèi)存相配合才能發(fā)揮。今天，GPU的內(nèi)存帶寬相比CPU已經(jīng)有數(shù)量級上的領先，這使得GPU在處理和讀取數(shù)據(jù)上都有巨大優(yōu)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(yè)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(jié)省了超過800%。

　　視頻結構化成為趨勢

　　據(jù)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(jīng)過結構化處理之后的視頻數(shù)據(jù)，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(yōu)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(shù)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(xiàn)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(jīng)過結構化后的視頻，存儲人的結構化檢索信息和目標數(shù)據(jù)不到視頻數(shù)據(jù)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(shù)據(jù)，可作為大數(shù)據(jù)挖掘的基礎，視頻經(jīng)過結構化處理后，存入相應的結構化數(shù)據(jù)倉庫，對各類的數(shù)據(jù)倉庫可以進行深度的數(shù)據(jù)挖掘，充分發(fā)揮大數(shù)據(jù)作用，提升視頻數(shù)據(jù)的應用價值，提高視頻數(shù)據(jù)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(shù)據(jù)的智能化提供強有力的支持，從而真正實現(xiàn)大數(shù)據(jù)的價值，使主動式防控系統(tǒng)成為可能。