人工智能的概念提出已经很多年，但最近一次大热是在“人机大战”战胜世界围棋高手李世石的AlphaGo。同样，近几年安防行业热门的深度学习和模式识别的概念也频频出现在公众的视野当中，那么它们是如何应用在安防领域中？目前最前沿的应用又有哪些？以下将为您一一解答。
安防大数据挖掘
平安城市从2010年在全国推广至今已经6年，目前各地平安城市建设即将进入扩容改建期，需要更加综合与智能的整体解决方案。公共安防已不再局限于扩张视频监控覆盖广度和密度以及清晰度，而是由扩密度的传统安防时代向注重视频大数据挖掘、使用和管理的智能化安防时代迈进。
平安城市建设飞速发展，各个街道、十字路口随处可见各种摄像机设备。它们为公安的日常治安和侦查办案提供了很大的方便。但随着设备数量的增加，视频分辨率的提高，公安搜集到的视频和图片的数据量呈几何倍增长。再加上视频分辨率的不断提高对服务器处理能力和使用率提出了更高的要求。这样，视频图像的调阅、存储、计算在技术上都面临巨大挑战。因此，公安干警如何能快速在日益增长的海量数据中获得有价值的信息就成为了亟待解决的问题。
模式识别技术
中科院自动化研究所作为当今我国承担模式识别技术研发基础研究同时也是最顶尖的科研机构之一，下属的模式识别国家重点实验室承担着模式识别国家级课题项目，是中国乃至世界模式识别技术当之无愧的领军者。
实验室张俊格博士的研究方向就是图像视频分析，他对这个研究方向充满信心：“模式识别是大数据技术的核心，十几年前看不到太多应用，现在应用需求非常大。”
“数据本身没价值，挖掘数据中的模式才有价值。大数据时代，模式识别很重要。”中科院院士谭铁牛表示，几十年前国家就在这个方向设立重点实验室，具有超前的战略眼光。
深度学习技术
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
让深度学习能够如此大行其道的关键要素是数据，而占大数据总量60%以上的为视频监控数据，与此同时，视频监控领域的70%以上的数据分析是用来进行图像识别。
目前，深度学习在安防行业的诸多领域都取得了很大进展，如：行人检测、车辆检测、非机动车检测等，识别准确率甚至超过人类。
前沿应用揭秘
中科唯实作为中国科学院自动化研究所下属的一家技术领先的智能视频管理平台软件提供商，其核心技术来源于自动化研究所模式识别国家重点实验室，谭铁牛院士团队，其致力于将谭院士团队全球领先的智能视频分析技术应用到智能安防领域。
先进的科学技术是一家高科技企业能够存在并获得长久发展的根本，基于谭铁牛院士团队相关“图像识别”以及“机器深度学习”的算法，中科唯实开发出了一系列的能够服务于平安城市的世界顶尖级应用。下面重点介绍其中三种：
一、 行人多特征识别技术
在海量视频数据条件下，靠人工想从历史和即时的视频数据中筛查犯罪嫌疑人犹如大海捞针。行人多特征识别技术则是通过人工智能的方法，让计算机从海量监控视频中自动的去识别出行人，分析行人的特征，然后根据犯罪嫌疑人的特征自动筛选，不仅大大的节省人力物力，同时也会大大缩短犯罪嫌疑人的归案时间。
中科唯实研发团队利用先进的深度学习技术，克服了光照、天气等难点因素，能够快速准确地识别行人的各种重要特征，如性别、年龄、是否戴眼镜、发型、衣着、体型、是否骑车以及随身携带的物品等。所研发的行人多特征识别算法有着灵活的部署方式，可实现时间自定义、识别区域自定义，快速准确。利用智能视频分析服务器集群，可以实现对平安城市几百路监控视频进行7x24小时不间断的行人多特征分析与检索，实时排查可疑人员并及时发出预警信号。
行人多特征识别技术将极大地提高公安查找犯罪线索的能力、犯罪嫌疑人排查与锁定的效率，助力平安城市新一代智能视频监控平台的建设。
二、 步态识别技术
步态是指人们走路的姿势，是一种可在远距离感知的生物行为特征。和其他生物特征识别技术相比，步态识别的优势在于非接触性、非侵犯性、易于感知、难于隐藏和难于伪装。步态分析还可以轻松的区分出人的不同模式，例如行走、奔跑、负重等等。基于这些优点，步态识别在门禁系统、安全监控、人机交互、医疗诊断等领域具有广泛的应用前景和经济价值。
步态分析的难点在于其特征的稳定性问题，一个人的步态会因为伤病、体重增或减甚至是着装舒适度等因素影响而改变。中科唯实研发团队采用深度学习方法，用步态能量图描述步态序列，通过深度卷积神经网络训练匹配模型。利用训练好的卷积神经网络匹配模型计算待识别的步态视频和已注册的步态视频序列每个步态能量图的相似度，依据相似度大小进行身份预测。步态识别应用采用全天候模式，在特定的安防场景可快速的对远距离行人目标的身份进行准确判断。
目前，中科院自动化研究所正在建设全球规模最大的步态数据库。步态识别技术将对有助于解决监控视频中低分辨率行人身份识别的难点问题，为公安部门提供重要的案件侦破线索。
三、 身高相机
身高是人体重要的数据特征之一，在一些特定的场所，例如景点入口，车站检票口等对身高要求都有明确地规定。传统的利用尺度工具测量身高的方法虽然操作简单，但要求被测人员配合，不仅速度慢，而且精度较差，超声波、红外等方式可实现自动测量、精度较高，但对测量环境要求苛刻。不适用于公共场所。基于计算机视觉技术的身高相机可以很好地解决上述问题，提供多场景、非接触、自动化的测量。
身高相机是利用深度传感器获取现实场景的深度数据和颜色信息，通过坐标变换建立深度数据与三维坐标之间的对应关系，然后通过去噪、配准等算法去除干扰并减小误差，最后利用三维重建的方法得到人体的身高以及其他数据信息。
身高相机无需与被测对象接触，当对象进入测量场景后便自动采集测量，可同时测量场景中的多个目标，配准后对光照具有较强的鲁棒性，可适应场景光照变化，而且具有较高的精确度和实时性，将会是视频监控领域的重要工具。
技术引领未来
人们对于监控视频中有价值的信息挖掘不仅只是局限于当前车辆、人的基本信息，在智能市场的不断推动下，同时依靠中科院自动化研究所强大的研发实力，可以不断对安防大数据挖掘的关键信息进行有效补充，为最终的大数据平台提供更有价值的数据入口，更是为深度的行业应用提供源源不断的动力。
从海量视频中挖掘关键信息数据，再到大数据平台及其行业应用，中科唯实在安防大数据时代下高速奔跑着，为引领“智能化”浪潮而不懈努力。
文章来源：中国科学院自动化研究所
业务咨询