現(xiàn)如今，可能我們每一個生活在大城市的人都會有這樣的印象，那就是每天無論是走在大街小巷，還是開車、乘坐交通工具，又或是出入辦公大樓、到商場購物、餐館就餐等等總會看見各種大大小小的攝像頭在俯視著我們。據(jù)相關(guān)統(tǒng)計，生活在城市里的人們，平均每天可能會“偶遇”監(jiān)控攝像頭多達數(shù)百次。
解碼處理會耗費計算資源，同時會有明顯的延遲。同時，為了傳輸與存儲，大量的視頻在壓縮的時候必然會導致很多圖像細節(jié)特征的丟失，從而導致識別率更低。因此，也造成了目前視頻監(jiān)控數(shù)據(jù)利用率極低的現(xiàn)象。因為目前的很多監(jiān)控系統(tǒng)是為了存儲數(shù)據(jù)再由人工離線檢查而設(shè)計，大部分數(shù)據(jù)在其生存期內(nèi)一次都沒有用過。因此，數(shù)據(jù)大并不等于大數(shù)據(jù)。
高文院士表示，城市大腦需要智慧之眼。“通過監(jiān)控攝像頭讓城市變得更智智慧，不僅僅是單一的視頻檢索和計算機視覺問題，而是在面臨海量信息和突發(fā)事件時，能否能迅速做出反應、能否降低計算量、能否有效識別和檢索等一系列龐大的系統(tǒng)工程。”
高文院士還在大會中提出了“數(shù)字視網(wǎng)膜”的概念，他指出“承載數(shù)字視網(wǎng)膜的攝像頭需做兩件事：首先做好編碼；其次為后面的識別，提取出所需的信息。數(shù)字視網(wǎng)膜與人的眼睛既具有影像重構(gòu)（精細編碼視覺內(nèi)容），又具備特征提取（面向識別理解）的功能。”基于結(jié)構(gòu)化的大數(shù)據(jù)，融合底層視覺特征與深度學習，可以更加豐富數(shù)據(jù)的內(nèi)在信息，提升分類、檢索或預測的準確性。
當然，由于當前人工智能等技術(shù)短板限制，泛安防+人工智能仍有許多難點需要突破。例如，在海量視頻數(shù)據(jù)中尋找目標，“天網(wǎng)”視頻監(jiān)控系統(tǒng)每天產(chǎn)生的大量圖像視頻，對于尋找目標人與車輛猶如大海撈針。
其次，傳輸受限制預警不實時。尤其是高清、超高清攝像機的大量應用，采集的數(shù)據(jù)量非常大，傳輸成本非常高，而且很難在第一時間匯集到數(shù)據(jù)總平臺，造成全局預警與搜索的困難。此外，針對交通擁堵情況，當前的交通大數(shù)據(jù)主要還是以導航地圖、共享出行軟件等為主，視頻智能分析數(shù)據(jù)應用還是比較少等等。
但是我們相信，隨著傳統(tǒng)安防企業(yè)在人工智能技術(shù)研發(fā)的持續(xù)投入，大量人工智能技術(shù)創(chuàng)業(yè)團隊的加入，以及AI技術(shù)在安防行業(yè)應用的不斷驗證與優(yōu)化改進，我們的城市大腦肯定會變得越來越聰明，我們的城市也將變得越來越安全。
上一篇：
