CN / EN
banner圖
掌握核心技術 駕馭光的運用

技術文章

淺談人工智能在安防領域的深度應用

日期:2017-04-21 來源:币游国际

    在3月5日舉行的全國人大第五次會議上,在李克強總理所作的2017年《政府工作報告》中明確提出:“一方麵要加快培育新材料、人工智能、集成電路、生物製藥、第五代移動通信等新興產業,另一方麵要應用大數據、雲計算、物聯網等技術加快改造提升傳統產業,把發展智能製造作為主攻方向。”繼在2016年8月被加入國務院印發的《“十三五”國家科技創新規劃》,此次人工智能被寫入《政府工作報告》,也意味著這一技術在國家政策中的急速奔跑。預計未來兩年我國人工智能的政策氛圍將快速發酵,產業將迎來進一步爆發,2017年將是關鍵一年。


 一、人工智能的定義及發展曆程
    人工智能(ArtificialIntelligence)最早在1956年就提出了,英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用係統的一門新的技術科學。是對人的意識、思維的信息過程的模擬。
    人工智能是計算機科學的一個分支,它企圖了解智能的實質,並生產出一種新的能以人類智能相似的方式做出反應的智能機器,該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家係統等。
    人工智能在計算機領域內,得到了愈加廣泛的重視。並在機器人、經濟政治決策、控製係統、仿真係統中得到應用。著名的美國斯坦福大學人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義:“人工智能是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。”而另一個美國麻省理工學院的教授溫斯頓認為:“人工智能就是研究如何使計算機去做過去隻有人才能做的智能工作。”這些說法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規律,構造具有一定智能的人工係統,研究如何讓計算機去完成以往需要人的智力才能勝任的工作,也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。

淺談人工智能在安防領域的深度應用_heydanbo.com

 

    人工智能是研究使計算機來模擬人的某些思維過程和智能行為(如學習、推理、思考、規劃等)的學科,主要包括計算機實現智能的原理,製造類似於人腦智能的計算機,使計算機能實現更高層次的應用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科。可以說幾乎是自然科學和社會科學的所有學科,其範圍已遠遠超出了計算機科學的範疇,人工智能與思維科學的關係是實踐和理論的關係,人工智能是處於思維科學的技術應用層次,是它的一個應用分支。從思維觀點看,人工智能不僅限於邏輯思維,要考慮形象思維、靈感思維才能促進人工智能的突破性的發展,數學常被認為是多種學科的基礎科學,數學也進入語言、思維領域,人工智能學科也必須借用數學工具,數學不僅在標準邏輯、模糊數學等範圍發揮作用,數學進入人工智能學科,它們將互相促進而更快地發展。
    人工智能至今經曆了三次浪潮。第一次,五十年代的達特茅斯會議確立了人工智能(AI)這一術語,人們陸續發明了第一款感知神經網絡軟件和聊天軟件,證明了數學定理,人類驚呼“人工智能來了”、“再過十年機器人會超越人類”。然而,人們很快發現,這些理論和模型隻能解決一些非常簡單的問題,人工智能進入第一次冬天。
    第二次,八十年代Hopfield神經網絡和BT訓練算法的提出,使得人工智能再次興起,出現了語音識別、語音翻譯計劃,以及日本提出的第五代計算機。但這些設想遲遲未能進入人們的生活之中,第二次浪潮又破滅了。
    第三次,隨著2006年Hinton提出的深度學習技術,以及2012年ImageNet競賽在圖像識別領域帶來的突破,人工智能再次爆發。這一次,不僅在技術上頻頻取得突破,在商業市場同樣炙手可熱,創業公司層出不窮,投資者競相追逐。
    可以說,整個人工智能的發展過程都是在這樣的模式之中,不同技術在不同時期扮演著推動人工智能發展的角色。在此,我們基於人工智能行業的企業、投資融資以及研究成果等維度提供一個全新看待人工智能的視角。

二、人工智能核心技術
    計算機視覺、機器學習、自然語言處理、機器人和語音識別是人工智能的五大核心技術,它們均會成為獨立的子產業。
    1.計算機視覺:計算機視覺技術運用由圖像處理操作及機器學習等技術所組成的序列來將圖像分析任務分解為便於管理的小塊任務。
    2.機器學習:機器學習是從數據中自動發現模式,模式一旦被發現便可以做預測,處理的數據越多,預測也會越準確。
    3.自然語言處理:對自然語言文本的處理是指計算機擁有的與人類類似的對文本進行處理的能力。例如自動識別文檔中被提及的人物、地點等,或將合同中的條款提取出來製作成表。
    4.機器人技術:近年來,隨著算法等核心技術提升,機器人取得重要突破。例如無人機、家務機器人、醫療機器人等。
    5.生物識別技術:生物識別可融合計算機、光學、聲學、生物傳感器、生物統計學,利用人體固有的生體特性如指紋、人臉、虹膜、靜脈、聲音、步態等進行個人身份鑒定,最初運用於司法鑒定。
    隨著科技的發展,生物識別技術已經成為個人身份識別或認證技術的重要方式,人臉識別作為生物特征識別的重要分支,它的無侵害性和對用戶以最自然、最直觀的識別方式更容易被接受,然而,已有的一些機器學習算法大都使用淺層結構,而淺層結構的網絡很難表示複雜函數。同時,以往提出的多層感知機器雖可以表示複雜的函數關係但又由於沒有很好的學習算法。近幾年深度學習技術被業界廣泛認可,並在各個相關領域都取得了突飛猛進的進展,特別是深度學習技術在人臉識別領域的應用,在今年的安博會上,各廠家也紛紛推出人臉識別技術。隨著市場需求的不斷變化,不同的應用場合,人臉識別技術也根據需要開發出各種各樣的產品來滿足用戶的需求。


 三、人工智能在安防領域應用及發展
    隨著經濟環境、政治環境、社會環境的變化和日趨複雜,各行業對安防的需求不斷增加,同時對於安防技術的應用性、靈活性、人性化也提出了更高的要求,傳統安防技術的局限性日益凸顯。在這樣的大背景下,人工智能發展趨勢大致有以下幾個方麵:
    1.前端智能:感知型攝像機的推廣應該是一個大方向。如果視頻監控能夠通過機器視覺和智能分析,識別出監控畫麵中的內容,並通過後台的雲計算和大數據分析,來做出思考和判斷,並在此基礎上采取行動,我們就能夠真正的讓視頻監控代替人類去觀察世界。而要做到這一點,我們必須擁有具備感知能力的攝像機。因為,隻有前端攝像機具有感知識別功能,我們才能進行智能分析的規模化部署和應用。將視頻轉為可利用的數據成為可能。可以說,感知型攝像機是智能分析經濟性和規模化部署的基礎,也是智慧城市大數據應用的關鍵,如果我們要真正擁抱大數據時代,感知型攝像機無疑才是視頻監控的基石。
    2.深度學習:各種自學習和自適應算法的研究和應用。後續的智能分析產品應該是帶有強大的自學習和自適應功能的。能夠根據不同的複雜環境進行自動學習和過濾,能夠將視頻中的一些幹擾目標進行自動過濾。從而達到提高準確率,降低調試複雜度的目的。例如,科達獵鷹人員卡口分析係統集成采用了業內技術領先的人臉檢測算法、人臉跟蹤算法、人員跟蹤算法、人臉質量評分算法、人臉識別算法、人員屬性分析算法、人員目標搜索算法。可以實現對城市各主要場所人員進出通道進行人臉抓拍、識別以及屬性特征信息提取,建立全市海量人臉特征數據庫,並以公安實戰應用為核心,創新實戰技戰法。通過對接公安信息資源數據庫,可對涉恐、涉穩、犯罪分子進行提前布控和實時預警,實時掌握動態;可對犯罪嫌疑人進行軌跡分析和追蹤,快速鎖定嫌疑人的活動軌跡;可對不明人員進行快速身份鑒別,為案件偵破提供關鍵線索。通過本係統的建設與應用,實現在大數據時代公安工作的跨越式發展,進一步提高工作效率、節約資源成本、縮短破案周期。
    3.大數據挖掘:視頻數據深入挖掘應用迅速發展。隨著視頻分析技術的快速發展,視頻數據量也非常大,如何讓視頻分析技術在大數據中發揮作用也成為人們關注的一個方向。利用各種不同的算法計算,將大量視頻數據中不同屬性的事物進行檢索、標注、識別等應用,以達到對大量數據中內容的快速查找檢索。大大降低人工成本,提高效率。甚至在有些方麵讓一些人工無法完成的任務成為可能。如:人臉、人員大數據庫檢索,身份證庫重複人員查找,通過語義描述從視頻中查找穿某種衣服,某種顏色的車輛查找,車牌查找,以圖搜圖,視頻關聯等應用。針對平安城市建設中海量視頻目標排查工作量大,且海量視頻場景各異,快速找目標較困難等實際應用需求,科達推出了結構化分析係統,一款專門針對於海量圖片和視頻二次分析的應用係統,適用於多場景、差異大的各種媒體源。支持對接入的多類型前端進行實時分析;支持對離線圖片和視頻進行目標檢測、屬性分析、特征提取等二次分析;支持分布式部署及擴展。
    在安防行業內,目前人工智能算法使用最多的還是在視頻圖像領域,因為傳統安防企業的產品都是與視頻圖像相關。但對於公安等業務應用來說,視頻圖像隻是一小部分,公安應用還需要網絡信息、通信信息、社交信息等等。將來安防行業還需要以視頻圖像信息為基礎,打通各種異構信息,在海量異構信息的基礎上,充分發揮機器學習、數據分析與挖掘等各種人工智能算法的優勢,為安防行業創造更多價值。
    目前無論是整個人工智能的發展,還是安防智能化的發展,其水平仍然存在起步的階段,人工智能是安防領域的未來,在通往未來的道路上,還有許許多多障礙和困難需要跨越和克服,但總體趨勢是樂觀的,隻有具備自主、個性化、不斷進化完善的人工智能大腦,才能解決安防領域日益增加的需求,成為廣大用戶的專家和助手,提升整個安防領域的智能化水平,推動安防產業的升級換代。


返回列表