<noframes id="vx7tt"><noframes id="vx7tt">

    <pre id="vx7tt"></pre>

    <track id="vx7tt"></track>
    <pre id="vx7tt"></pre>
    <pre id="vx7tt"><ruby id="vx7tt"><ol id="vx7tt"></ol></ruby></pre>
    <p id="vx7tt"><ruby id="vx7tt"><b id="vx7tt"></b></ruby></p>

    <track id="vx7tt"></track>

      <p id="vx7tt"><ruby id="vx7tt"></ruby></p>

      安防AI大規模落地,解析一線場景及創新關鍵點

      2018-11-23 14:11:59

      安防+AI這個風口,可以說天然就是AI落地的最佳結合點,各實力公司也競相推出不少方案和試點。但是看到AI公司不斷融資的新聞,遠比看到AI在安防中落地的新聞還要多,而AI落地的新聞中又大多是介紹方案的,更夸張的是在專業研究報告里,居然九成的AI公司都是虧損的。

        要想弄清楚這個最該爆發的風口上,為什么會有這么奇怪的現象,我們可能需要對安防+AI進入一下深入的解析。

        解析安防AI大規模落地的一線場景

        安防AI深入落地的源動力,在于AI對安防工作效率的指數級提升。由于安防本身涵蓋的范圍較大,確切地說,AI更切近的場景是視頻監控。視頻監控擁有AI需要的龐大數據(圖像),而深度學習通過大數據建立的模型和識別邏輯又完全契合視頻監控的應用需求。同時,其它安防數據又可以圍繞視頻監控進行有效地補充和完善。

        而要讓視頻監控真正發揮效率,從它的建設初心來看,就是要對城市做到“全域覆蓋、全網共享、全時可用、全程可控”。也就是說,視頻監控充分發揮效能的前提是大規模的,城市級的,乃至國家級的。這就說明安防AI如果不能實現大規模的落地,是無法真正提升視頻監控利用效能的,這就是根本原因。

        我們也應該看到,要實現規模性的安防AI落地,也確實存在著諸多障礙,最大的視頻監控系統在公安控制中,各級各區域公安系統建設的視頻監控不僅在調用權限上是有限制的,就是在建設標準上也不是完全統一的。這也是個大難點,但更大的難點還在于對安防AI落地要素的理解。

        通常說AI應用的三要素是算法、算力和數據,很明顯,這樣的AI是做給自己用的,因為這和公安用的系統脫節了。后來不斷有人補充,提出算法、算力、數據、產品、項目、工程、場景、應用等一系列要素。不能不說,我們對安防AI的落地研究確實是在不斷深入地,也確實是有一定成效地,但是這種成效多半是建立在小規模試點,或者諸如演唱會、表演會、展覽會等活動型項目和工程上的。

        如果深入公安一線,就會發現真正在使用視頻監控的單位是刑偵、治安、交通、情報、指揮中心等部門,也就是說真正的要素應該是算法、算力、數據、場景、產品、應用。一半血統是AI,另一半是實際應用場景。這樣才能讓AI真正盤活視頻監控資源,利用AI提高破案率,提升警務工作效率和對視頻監控的整體利用效能。

        實現安防AI大規模落地的六個創新關鍵

        1、算法創新

        說算法是國際開放的,應該不算過份,看看國內時不時就有團隊冒出來獲得了某個國際AI比賽的冠亞季軍,還有當前頻繁的國際高端AI人才流動就可以知道。

        ImageNet大規模視覺識別挑戰賽的停辦,也有算法已經在當前條件下近于極致,很難再有突破性提升的原因。如何對比賽算法進行創新,使其在實際安防場景中落地,就成了安防AI大規模落地的首要關鍵點,要知道大多的路面視頻監控安裝在近3米及以上高度,面向著30米及以上距離的高視角、大范圍進行攝錄。在目標逐步走近的過程中,拍攝到的畫面包含從小點到全貌,但更可能的現狀是只能拍攝到大致的模糊外形,人臉是根本無法識別的。

        說到底,當前報道出來的AI抓逃基本都是基于近距離、卡口場景人臉檢測的,正如張學友演唱會,或者車站、火車抓逃。但這種算法對于大規模路面監控起不了多大作用,所以公安系統不買單。不要問我為什么知道這么多,我在上一篇文章《安防+AI,規模性落地中的關鍵三要素》中,已經明白說過,基于安軟慧視的安防AI已經在不少市局落地,我會去市局探密的。

        2、算力創新

        可能有些人會覺得隨著英偉達等芯片企業技術的不斷飛升,越來越高端的顯卡也逐漸推出,只需要將高端顯卡進行組裝,就會有超級算力。在理論上好像是可行的,但是成本呢?要知道我們歷來都是講性價比的。視頻監控的PPP建設模式,不正是說明了國家對視頻監控建設成本的嚴格控制嗎。在這種情況下,如何進行低成本算力創新,就成了第二個創新關鍵點。

        3、數據創新

        嚴格來說,數據并不存在創新,指的是對數據的大規模采集能力。安防監控是公安的內部資源,對外是不開放的,要想獲得,常用的辦法就是自己建。好在公安對新產品的試用包容度還是很高的,允許進行一些試點建設。但是這些試點足不足以支撐深度學習所需的動輒幾億幾十億的數據量,這是第三個關鍵點。

        4、產品創新

        解決了以上三個AI相關問題,接下來就是三個實際應用場景問題。通過什么樣的產品方案解決規模性安防AI的承載?常見的方案是智能攝像頭和后端結構化,也有說中心結構化、云端結構化,名稱不一而足。但是智能攝像頭要想達到實戰水準,高配是一定的,高配一定是高價。

        目前美歐的發達國家,智能攝像頭比例也不超過5%,更何況一向節儉持家的中國。后端結構化對于小規模的還可以承受,大規模的,剛才說了英偉達高端的顯卡設備價格是昂貴的,低價格的處理能力又有限。這是第四個關鍵點。

        5、場景創新

        準確地說,是場景細分,在全國范圍內公安視頻監控畫面中,存在著打架、聚集、摔倒、事故、火災、搶劫等場景,在這種場景下,通過通用算法就可以構建模型??墒遣徽f別的,光說南北方氣候差異下,人們的穿著、妝扮就可能完全不同,南方的11月還穿著短袖,北方已是大雪紛飛,棉衣棉帽,可能還有墨鏡、圍巾。如果還往下說,東北的夏天凌晨兩三點天就大亮,可是冬天黑夜也特別長。這是第五個創新關鍵點。

        6、應用創新

        突破了以上創新關鍵點,公安抓捕的實戰場景,如何進行現場勘查、如何進行線索查找,如何進行關聯碰撞,如何進行案情研判,如何調用已有的針對各警種的業務系統,要知道那系統可是五花八門,遠不是局外人能想象的。這種情況下怎么進行人性化應用開發,既能讓辦案人員用的舒暢,又能對現有的業務系統進行融合串連,這是第六個關鍵點。

        說了這么多關鍵點,雖然看起來困難重重,但只要能潛下心,針對每個環節都進行開創性創新,是完全可以突破的。因為已經有公司走在路上了。


      潘金莲AAA片

        <noframes id="vx7tt"><noframes id="vx7tt">

        <pre id="vx7tt"></pre>

        <track id="vx7tt"></track>
        <pre id="vx7tt"></pre>
        <pre id="vx7tt"><ruby id="vx7tt"><ol id="vx7tt"></ol></ruby></pre>
        <p id="vx7tt"><ruby id="vx7tt"><b id="vx7tt"></b></ruby></p>

        <track id="vx7tt"></track>

          <p id="vx7tt"><ruby id="vx7tt"></ruby></p>