AI掘金志（公眾號）：雷鋒網旗下只專注于報道AI商業化與落地的垂直內容頻道。助力“AI技術輸出者”尋找商業潛力大的落地場景，服務“AI技術消費者”選擇適合自身的技術供應商。
AI掘金志主要推送兩類文章：
1.深入挖掘AI公司與傳統機構的合作案例。
2.剖析各地醫院、銀行、制造企業、零售商、政府部門等傳統機構對AI的需求與實際應用情況。
兩年前安防領域之所以引起明星計算機視覺創業公司的關注，主要由于安防領域的痛點還得不到有效解決。但隨著監控設備商對自身問題解決的需求愈發強烈，以及算法的門檻的降低，使得傳統監控設備商也開始利用 AI 技術解決視頻監控難題。
近些年，安防巨頭們紛紛在人工智能的大環境下根據自身特點，提出新的戰略，如海康威視的“AI+”、大華的“視頻+”、宇視的“SMV”、東方網力的“最強大腦”等等。
總體而言，“AI+安防”是從前、后端智能的模式升級，前端通過 GPU 運行算法，進行視頻的的采集，后端利用大數據，進行分析和檢索等。
得益于多年來自身對安防業務的深入理解，大華、海康威視這類廠商在深耕 AI 安防方面有著更顯著的優勢。
圖片來自易觀
2016 年，大華整合了上百臺高性能計算機，建設深度學習計算集群，現已完成了深度學習計算中心的建設。依托于 CPU、DSP、GPU 和 FGPA 等芯片平臺上的軟硬件研發能力，大華已經形成了一系列基于深度學習的智能產品，包括前后端的人臉識別、卡口電警、視頻結構化、雙目立體視覺和多目全景拼接產品。
本文雷鋒網將講述大華在 AI 領域的研究和實際落地案例，主要涵蓋數據結構化化、車輛識別、人臉識別、深度學習等幾大方面。
一、大華在數據結構化化方面的工作
眾所周知，傳統智能分析產品所產生的數據較為單一。業內人士向雷鋒網表示，安防領域的大數據、云計算與其他行業有很大的差異，首先音視頻數據本身體量巨大，接入硬件數量較多，且高并發。
在這種環境下，它對平臺的擴充性、部署靈活性、運算能力要求均非常苛刻。
視圖萃取技術格靈深瞳 CEO 趙勇曾給雷鋒網介紹到，目前以視頻數據為核心的安防監控體系，其實給客戶帶來了大量的麻煩。從前端傳感器直接獲得的數據其實是一種非結構化信息，把非結構化的數據放在客戶跟前，然后尋找線索猶如大海撈針。只有在實現結構化處理后，才能將其中有價值的數據直觀、高效的保存、處理和應用。
所以安防行業把希望寄托在智能化上，所謂智能化就是能夠把人工智能引進來，把所有的視頻數據除了引入人以外，還通過引進人工智能技術來分析它，自動把視頻數據里面的內容和目標變成結構化數據。
何為結構化數據？結構化數據就是數據能夠直接表達目標的性狀、屬性以及身份。這種數據可以大規模去檢索，大規模地分析、統計。
為此，大華股份在近些年研究視圖萃取技術解決這一問題。視圖萃取技術實現對海量視圖的實時結構化提取，對人、車、物識別分離，提取有效結構化數據，并對視圖中的車、人臉進行深度結構化處理，實時感知城市中的高危人員和車輛。
其不僅可以對實時監控視圖做結構化與應用，還可對歷史視圖做結構化歸檔與應用。通過萃取技術，視圖存儲量降低到過去的 1/20 左右。結構化后的高價值信息可以長期保存，讓事后偵查搜索目標變得更加快速。
而且這些數據可以隨時與公安業務系統做大數據碰撞，實時做預警、決策、聯動。
以下為萃取技術示意圖：
這里有人可能會有人問到，萃取和與之相似的濃縮摘要有何區別？
萃取面對需求以實時結構化為主，所以應用主要針對重點區域的實時結構化需求，濃縮摘要針對所有事后視頻的摘要分析。萃取對于視頻結構化中除人車分離功能外還有對車輛進行二次分析及特征布控，而濃縮摘要主要側重人車分離，對于車臉識別及特征布控無法實現。
視頻萃取技術應用目前大華股份的視圖萃取技術主要應用于公安業務，大致可分為以下幾個類型：
1.事前重點點位實時結構化
通過地圖將重點區域進行實時結構化，支持按照全時段、重要時段（如上下班時間）等方式進行配置。當事件發生后，可通過檢索結構化信息的定位嫌疑人、車信息。
2.事中即時性案件處理
接到報警后，如果需要馬上通過視頻進行追蹤，可通過地圖框選取案發地周邊點位后直接進行萃取，通過布控嫌疑人員、車輛特征（如顏色等）的方式，掌握并跟蹤嫌疑人員移動軌跡。
3.事后研判，軌跡還原
在地圖上進行時空分析，萃取系統分析的人員、車輛信息形成目標的時空軌跡，幫助辦案民警進行分析和研判。
上述提到的更多是為算法和技術解決方案，算法的正常運行都需要與業務緊密結合的基礎設施和底層架構來支撐，為此大華在去年聯合英偉推出了視頻結構化服務器“Deep Sense睿智”來助力視頻數據結構化。
專用的數據結構化服務器
“睿智”服務器采用 NVIDIA Tesla P4GPUs 作為核心處理負載，服務器最多支持 192 路全清視頻實時結構化分析，視頻處理能力將提高 50 倍以上。
在公安行業，“睿智”服務器針對城市中無法直接產生數據的普通治安監控視頻進行結構化分析，得出多種實戰數據，實現公安部門對于視頻布控預警、實時指揮、視頻偵查、情報收集等實戰應用需求。
“睿智”服務器對傳統安防的提升主要集中在兩點：
一是支持深層深度學習計算，完成對大數量人、車屬性特征的提取。二是能支持 192 路全實時高清視頻分析的服務器，該服務器是相同功能下支持路數最多的視頻服務器。可把實時視頻進行結構化分析，將復雜場景中的人、機動車、非機動車分離，提取車輛特征，如車型、車系、車身顏色、車牌顏色、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、有無紙巾盒等。
針對行人，還可多方面分析其相關特征，包括性別、表情、年齡段、服飾特征、攜帶物特征、運動特征等。
經過結構化處理之后的視頻數據，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。
當然，現階段交通車輛及車牌識別相對成熟，但是在一些場景中的人臉檢測、識別及分析應用上還有較大的提高空間。
二、深耕人臉識別 6 年的成果據悉，大華在 2010—2011 年左右開始人臉檢測和識別技術研究的，從時間維度上來看，遠早于行業里絕大部分人臉識別公司。
2014 年 8 月，大華推出多款支持人臉檢測的 960H 智能 iDVR 新品，讓人臉識別落地在安防產品中。此產品具有人臉檢測回放功能，能快速定位錄像，并將報警信息推送到用戶手機等智能終端設備。
產品除了在人臉識別上擁有優勢外，還在云存儲、P2P 私網穿透等方面的應用。
當然，前期大華在人臉技術上的應用相對較淺，首先是檢測和識別算法能力有限，其次是結構化數據方面的工作并未成熟。
隨后大華的人臉識別技術團隊設計了一個上百層的深度網絡，并提出新的度量學習方法，可以使得同一人之間的相似度盡量高，同時約束不同人之間的相似度足夠低。在訓練時，結合在線采樣技術加快收斂速度。通過訓練多個模型以及一種非線性多模型融合技術，大華股份在 LFW（國際權威人臉識別公開測試集）上取得了 99.78% 的準確率，當時超越 Google、Facebook、百度、騰訊，排名第一，以下為大華人臉識別技術原理示意：
在人臉識別算法和結構化數據基礎設施的不斷完善下，大華股份于 2016 年 4 月推出了人臉識別服務器 DH-IVS-F7300 天眼系列，能完成人臉實時抓拍、建庫、布控報警、比對等功能，主要應用于火車站、地鐵站、機場、小區等出入口，實現對敏感人群布控，以及人像歷史行動軌跡檢索等。
DH-IVS-F7300 人臉識別服務器有動態和靜態識別兩種區分：
動態人臉識別服務器：有 4 路、8 路軟硬一體化和 1×N 路軟件產品形態，支持 1080P 視頻流接入，實現指定區域的人臉檢測、人臉抓拍和人臉比對。抓拍到的人臉圖像不僅可按時間、地點、年齡范圍、性別等條件查詢，還能與指定人臉庫進行實時對比。通過上傳嫌疑人像照片，在 300 萬“路人庫”中可定位嫌疑人歷史行動軌跡，反饋對比結果和搜索在秒級水平，支持 30 萬“黑名單”布控。
靜態人臉識別服務器：采用分布式架構，支持 2 個人像庫進行 n：N 比對，比如 30 萬黑名單與 3000 萬常駐人口庫比對，輸出兩個人臉庫中相似的人像；而 1：N 人臉對比，秒級反饋比對結果，可在幾千萬至幾億人口庫中確定一個人的身份。
在擁有數據結構化方案和人臉識別、深度學習技術后，大華逐漸把人工智能應用到各行各業。
在公安領域，大華已經構建出基于車輛、行人、信息軌跡三大情報系統；在制造業，大華旗下的機器視覺產品也投入使用；在交通行業，大華可提供實時的交通狀況分析和判斷；在農牧業，可以實現食品溯源；在森林，結合無人機做森林防火；在安監領域，進行生產過程可視化管理與災難預警；在城市，在平安城市和智慧城市建設中建立全新的“數據大腦”。
可以預見，未來大華將會把以往更多用人眼視覺觀察分析的問題，交給用 AI 來解決。
更多關于人工智能升級傳統行業的文章，請關注雷鋒網AI商業化垂直微信公眾號：AI掘金志。
