安防的江湖，從視頻監控到智能安防再到如今的AI視覺，都離不開一個關鍵詞——大數據。AI視覺+大數據，在安防又將開啟新征程，開辟另一個時代。

　　AI視覺+大數據的“天然聯姻”

　　決戰江湖，獨一無二往往易勝。

　　因產業升級帶來需求爆發與技術質變，AI視覺新時代，到來。

　　AI視覺就是基于視覺形成框架的大腦中樞與感知的經脈網絡，來做應用。AI視覺技術要落地，算法只是其中一環，除此之外，需要構建高價值的場景解決方案。因為在百行百業數字化轉型中，用戶需求更加復雜和多維，業務和商業模式，甚至是組織運作模式都將改變。所以，AI視覺始于安防，但也溢出安防。如何從不確定中找尋確定性，AI視覺要做的還有很多，而提供一站式AI視覺服務，打造AI視覺中樞解決方案，打造一個價值創造的閉環。

　　那這時代，為什么需要AI視覺+大數據來創造無限可能呢?

　　從六年前比特大陸、君正等人工智能芯片廠家以及商湯、云從、以薩等AI方案商進入安防可以看出，安防是人工智能技術落地最好的行業之一。而這主要源于安防本身的兩大特性：以視頻技術為核心的安防行業擁有海量的數據來源，可以充分滿足人工智能對于算法模型訓練的要求;安防行業中事前預防、事中響應、事后追查的訴求與人工智能的技術邏輯完全吻合。此外，安防整個產業鏈的人工智能布局已經成型。目前，在整個行業上下游環節的AI參與方分別包括：上游：包含了視頻算法提供商、芯片制造商、圖像傳感器、鏡頭模組等其他核心零部件;中游：硬件供應商、軟件服務商、系統集成商、運營服務商;下游：為終端行業應用，涉及政府、行業、民用等領域，涵蓋公安、交通、金融、學校等應用領域。

　　人工智能和AI視覺并非一脈相承，后者有其行業屬性，應用在安防行業的人工智能，主要有以下幾種技術分支。

　　AI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于管理的小塊任務。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。

　　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制作成表。

　　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。

　　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，最初運用于司法鑒定。

　　這幾種技術分支與安防行業極為密切，但都需要與大數據、云技術、物聯網、移動互聯等熱點技術相互交叉融合，產生安防行業化綜合性應用。

　　其實，AI視覺就是人工智能在安防的技術延伸，記得早在2016年北京安防展會，科達展臺宣傳語“讓大數據用起來”給記者很深印象。安防大數據用起來的關鍵是數據挖掘，再結合甲方的業務流程展開定制化應用。對于公安和交通行業就是增加實戰力，對于商業領域就是增加商情效益和業務管理。如果是AI視覺時代下的安防，那么大數據的具體應用主要是，提供強大的分布式計算能力和知識庫管理能力，是AI視覺分析預測、自主完善的重要支撐。其包含三大部分：海量數據管理、大規模分布式計算和數據挖掘。海量數據管理被用于采集、存儲AI視覺應用所涉及的全方位數據資源，并基于時間軸進行數據累積，以便能在時間維度上體現真實事物的規律;大規模分布式計算使得人工智能具備強大的計算能力，能同時分析海量的數據，開展特征匹配和模型仿真，并為眾多用戶提供個性化服務;數據挖掘是AI視覺發揮真正價值的核心，利用機器學習算法自動開展多種分析計算，探究數據資源中的規律和異常點，輔助用戶更快、更準地找到有效的資源。這三個方面，就是AI視覺結合大數據應用的實質。

　　以此來看，能用起來的大數據，能解決目前AI視覺應用痛點：

　　人流密度分布、變化趨勢、活動的動態監測，預測踩踏指數，實現大型活動和重要區域的風險管理;

　　空間狀態分析，車流密度分布、變化趨勢，道路狀態及變化監測，主要用于預測擁堵指數，實現交通信號的預測調節;

　　數據融合、關聯，實現同號搜索，人、車軌跡跟蹤等;

　　有序過程與隨機過程分析，成為社會治安關鍵因素，進行常態與暫態分析，實現社會治安風險評估，事件預警;

　　高風險因素監控和關聯分析，主要應用于擴大社會掌控面;制定有效防范措施和反應預案;

　　融合定位、通信、網絡等技術，提高對高風險因素(人、物、事、時間、地點等)掌控的精度、粒度，建立重大事件風險評估、預警機制，提高防范能力，進而實現犯罪高發分布及分類基礎性研究及綜合治理方案的制定;

　　高風險單位、區域、活動安全管理，利用大數據，進行風險和脆弱性分析，結合歷史數據的回歸統計;成功和不成功案例的分析，建立風險管理機制，指導安防系統建設;

　　各類系統效能分析，主要應用公共安全系統建設、評價;

　　安防基礎理論研究數據庫，通過數據融合、關聯及歷史回歸統計，開展大數據應用;建立安全基礎研究和預警理論研究基礎數據庫。總之，大數據應能解決公共安全的關鍵問題，支撐公共安全系統建設。

　　這些痛點都是目前在安防行業所面臨的，而單一的人工智能加入還很難徹底解決上述問題。當大數據加入后，AI視覺將一切迎刃而解。

　　AI視覺+大數據=無限可能

　　這時代，踏大數據智能化浪潮而來，但絕大部分的數據在沉睡，需要被喚醒，來挖掘做業務應用。從“建”到“用”，是傳統安防業務跨向AI視覺在數據層面，最為顯著的轉變。AI視覺新時代的數據之能，融合多維數據，在數據碰撞中催生出新的模型，從而充分挖掘海量數據背后價值，實現規律認知，趨勢預知，化繁為簡。

　　隨著AI，大數據，云計算等技術的發展，安防正從傳統的視頻監控走向AI視覺，從傳統的防控輔助系統走向效率提升的生產系統，智能安防走向千行百業。在走向千行百業的進程中，不同行業對于覆蓋的縱深要求不斷提升;為了獲取更多的細節信息支撐決策分析，對于視頻圖像全天候高清化越來越高，4K/8K圖像成為主流，對于網絡上行帶寬的要求越來越高;機器視覺技術的不斷發展，視頻圖像可以承載越來越多的信息，但仍需要更多的與前端多維感知設備之間進行數據的交互，提升決策準確率，并盡量在前端決策，減少后端處理壓力;多維感知數據的端云協同和對數據的實時交互對于網絡的時延、帶寬要求越來越高;同時防控走向深水區，對于防控的立體化、系統化、機動化要求不斷提升。

　　數據，從單維數據到多維數據。近年來，政府大力推進平安城市、智慧城市等視頻監控的項目，視頻數據呈現爆炸式增長，比如單臺1080P 的監控設備存儲一天所需的容量可達 40-60G，存儲一個月可達 1.2T 到 1.8T 之多，視頻內容解析及目標特征提取后的數據匯總成海量城市級信息，再通過強大的計算和智能分析能力，對目標對象的特征、行為、軌跡進行分析，便可以給出追蹤建議。而如何加快對視頻數據的挖掘、應用、及分析是亟待解決的安防命題。

　　視頻圖像大數據與多維感知數據的融合，可以全息刻畫觀察對象，在數字世界真實再現對象行為，可基于歷史數據挖掘分析對象行為規律，預判預測其可能出現的行為，并提前防范危害性行為，大幅促進社會和諧。

　　無論公共安全領域、交通領域、還是城市治理領域，人車問題及軌跡問題等都需要通過大數據得到快速的定位解決即提前預警。通過大數據技術，實現人，車，物及環境，行為分析等，實現多目標關聯分析，提前實現事件發展態勢、及交通異常事件的預測。

　　環境自感知場景落地，除了要具備大算力的 AI 芯片支持，算法提升精度來精準感知雪雨霧霜天氣，還需關聯氣象數據實現即時感知，實時開啟去霧，低照度，圖像增強等操作，以達到全天候高清監控的目的，整個過程結合算力，算法及數據關聯融合在場景化訓練中不斷實現算法精度的提升，才得以練就完美的場景自適應算法。

　　人員全息畫像的場景落地，在具備支撐高精度人臉人體分析的大算力芯片為前提，集合人臉分析算法，人體屬性提取等算法實現人臉，人體歸檔，結合車輛車牌識別算法結果，實現車輛軌跡及人車關聯，可進一步結合時空信息及場景分析得出人、車的晝伏夜出情況，用于分析隱匿點及實現人員車輛追蹤布控。

　　未來，安防技術要應用于各行各業，如上場景僅是點滴之舉，未來更豐富的場景對算力、算法、數據有更高的要求，無論是算力增強，算法精度提升，還是大數據分析及應用，最終都將以落地實際的智能化業務場景為目標，只有在場景化真正應用和落地才能實現算力、算法及數據的綜合應用。

　　結束語

　　加入人工智能的安防行業，大數據應用目前主要在公安和交通行業，其他行業深度應用幾乎沒有，或者應用程度十分簡單，比如：智慧工地的大數據+AI安防應用，也只是對視頻進行濃縮摘要、檢索處理。原本5分鐘的監控視頻，通過AI提取，進行濃縮分析。看似有數據管理和數據挖掘的AI表象，但無實質性的業務改善和提升，依舊是智能視頻分析的常用功能。

　　但，在AI視覺時代，一切都將大不一樣。可以期待，未來在安防，不是一切數據業務化，而是一切業務數據化，也從智能安防時代的視頻智能邁向數據智能的更高階段，那時，數據能全面看、關聯看甚至自動看。

　　AI視覺，讓安防未來更加可期。