2023-2024赛季球队赛程/中国乒乓球教练/湖人拿过几次总冠军/英乙

       摘要:據不完全統計，一個中型城市約有上萬路監控，有的甚至上10萬路，每天產生的視頻數據相當于千億幅圖片。然而，由于早期技術等因素的限制，傳統視頻監控攝像頭已經無法滿足當前社會經濟發展的需求。隨著前端算力的提升，智能分析軟件的進一步前移，智能攝像機毋庸置疑的成為下一代攝像機的發展方向。

       不斷推進的平安城市和雪亮工程建設讓視頻監控遍布大街小巷，據不完全統計，一個中型城市約有上萬路監控，有的甚至上10萬路，每天產生的視頻數據相當于千億幅圖片。然而，由于早期技術等因素的限制，傳統視頻監控攝像頭已經無法滿足當前社會經濟發展的需求。隨著前端算力的提升，智能分析軟件的進一步前移，智能攝像機毋庸置疑的成為下一代攝像機的發展方向。

　　傳統監控攝像頭只能提供實時情況監控，或者回看已經發生的某些事情。而整合了人工智能技術的智能攝像機，讓用戶能夠實時監控情況，并在問題發生之前識別出問題。數據科學家MaheshSaptharishi博士表示：“包含視頻分析功能的監控系統可以實施分析視頻內容，檢測出可能構成威脅的異常活動。基本上，視頻分析技術可以幫助安全軟件‘學習’什么是正常情況，這樣它就可以檢測出異常情況，以及某個個人可能忽略的潛在危害行為。”這是人工智能與視頻監控相結合的關鍵驅動因素之一。其背后的想法是，先進的軟件可以完善人類的判斷力，提供更準確、更安全的監控。但這并不意味著取代人類監控，而是讓這個過程更細致化和更個性化。

　　人工智能在視頻監控落地

　　智能監控旨在對監控視頻中的物體、行為、事件等對象，通過檢測、識別、跟蹤等視覺模式識別技術進行智能分析和判斷，從而減少或取代人力的干預，所涵蓋的技術包括對人臉、行人、車輛、標識等視覺對象識別和行為分析等，其應用主要分為以下幾種：

　　1、人臉識別。人臉識別系統有很多潛在的價值，它可以與視頻監控系統結合在一起，幫助執法人員在人群中辨認、識別目標人員的面孔，這可能在未來有助于警方追蹤罪犯，甚至可以防范于未然，從源頭上組織犯罪的發生。可用于人臉核查，安防人臉搜索等。

　　2、車牌識別。先拍攝到已停止汽車清晰的車牌圖像，然后再采用圖像檢測方法檢測出圖像中車牌的位置，接著進行車牌文字的抽取和識別，通過對車道內通行車輛的視頻流進行采集，實現對同一車牌的多次識別，后輸出經過優化選擇的結果，一般無需外界觸發信號、具有較強的適應能力，對車輛遮擋情況有一定的抵抗能力。主要用于小區車輛的登記查詢以及收費，高速公路的違法車輛的抓拍。

　　3、語音識別。語音識別根據對說話人的要求分為特定人語音識別和非特定人語音識別。特定人語音識別是指當前的語音識別系統被設計用來識別某個具體使用者的語音，這種情況下數據庫中的音頻樣本均來自于使用者本人，所以數據庫中語言的發聲習慣、語速、語調均與使用者一致，可以大幅提升識別準確率。非特定人語音識別是指使用一套通用的系統來供所有用戶使用，使用門檻低，系統推廣性強。主要實現人機交互。

　　4、表情識別。表情識別是指從給定的靜態圖像或動態視頻序列中分離出特定的表情狀態 ，從而確定被識別對象的心理情緒，實現計算機對人臉表情的理解與識別，從根本上改變人與計算機的關系，從而達到更好的人機交互。主要根據人的表情，推薦不同的商品。

　　5、年齡識別。攝像機通過核對識別對象的骨架結構，眼睛和嘴巴的位置以及眼睛和鼻子周圍的皺紋，幾乎可以準確無誤地判斷出年齡。主要通過識別出來客人的年齡，實現精準營銷。

　　水平不足、耗時費力 還需技術突破

　　盡管當前人工智能技術已經極大改善了視頻監控的應用，但從實際應用情況來看依然面臨著許多挑戰。畢竟無論是人工智能的發展，還是安防智能化的應用，其整體水平仍處在早期或者起步的階段，系統的智能化程度在短時間內還難以達到科幻大片展現的實戰效果。即使目前靜態人臉識別已經很成熟了，但動態人臉識別還面臨著巨大挑戰。除了前端高清攝像機必須要能夠采集到高質量的人臉信息之外，還需要強大的算法和算力支持。通過神經網絡、深度學習、大數據自主訓練以及高性能并行計算能力等等綜合提升才能解決當前應用難題。

　　而深度學習是需要進行大量的大數據訓練，目前有的人工智能企業采用人工對數據進行標注，費時費力。中科院自動化研究所李子青教授表示：“我認為深度學習還有一定的發展空間，不管是提升算法、改進網絡架構，還是通過增大數據標注的方式，提升的空間并不大，它已經接近天花板，具體是多少，我不能給一個定量，我們必須在這方面突破，必須像開復老師說的那樣，要形成應用場景的數據閉環，能夠利用生產環節的大數據進行自主標注、自主學習，不管你會不會標注，至少是自主學習”。

　　其次，安防視頻監控是一個系統工程，人工智能技術在視頻監控的應用挑戰，同樣貫穿于前端、傳輸、存儲、應用等等每個環節。例如，在海量視頻數據中尋找目標，“天網”視頻監控系統每天產生的大量圖像視頻，對于尋找目標人與車輛猶如大海撈針。

　　此外，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，采集的數據量非常大，傳輸成本非常高，而且很難在第一時間匯集到數據總平臺，造成全局預警與搜索的困難。此外，針對交通擁堵情況，當前的交通大數據主要還是以導航地圖、共享出行軟件等為主，視頻智能分析數據應用還是比較少等等。

　　當然隨著神經網絡、深度學習、邊緣技術等技術的進步、算法的不斷優化、計算機性能提升，當前面臨的種種問題都會逐步得到有效解決。

　　解析數據、精準處理 擁抱智能時代

　　隨著人類社會科技演進持續加速的態勢，人工智能時代奇點的來臨速度或許遠超我們想象。市場調研機構Strategy Analytics4月12日發布的研究報告《智能家居監控攝像機市場分析與預測》指出，低于200美元價格點的配備全套軟件和服務功能的攝像機將推動智能家居監控攝像機市場的增長。該報告預測，到2023年，全球市場消費者在智能家居監控攝像機上支出將超過97億美元。

　　中國工程程院院士、北京大學教授高文在參加2018年人工智能安防峰會時表示，城市大腦需要智慧之眼。“通過監控攝像頭讓城市變得更智慧，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事件時，能否迅速做出反應、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工程。”

　　未來攝像機將不再是自出廠之后就一成不變的，而是根據用戶的需要，通過加載不同軟件實現不同的業務功能，融入軟件定義產品的新時代。通過規模化、多樣化的智能前端攝像機進行精準的數據采集，后臺強大的云計算和視頻解析系統對采集的數據進行準確的解析和表述，龐大的大數據分析與挖掘系統對海量數據進行高效精準的處理，才能夠真正的讓視頻監控協助用戶準確的觀察、識別和應對周邊的事物，做到真正的擁抱智能時代。

　　結語：視頻監控整合人工智能技術，雖然在加強監控的同時也伴隨著一些潛在風險，但是潛在的優點顯然超過了缺點。且如今人工智能在算法與芯片領域的成熟及成本的下降，使得智能監控的商業化落地更加快速地普及，同時智能監控市場在尋求差異化競爭形成了百花齊放的形勢。