AI大数据中心实战应用

发表时间:2016-06-21

随着人工智能、云计算、大数据等技术的兴起,平安城市应用正逐步向警务云、研判分析等应用方向转变。遍布城市大街小巷的摄像头,每天都会产生大量视频资料,不仅为社会治安稳定发挥作用,也为智慧城市和物联感知提供信息支撑,但用户从这些图像中自行寻找线索,不亚于大海捞针。人工的数据回溯,不仅占用了大量的人力、物力和时间,同时由于个人能力的差异也会导致针对视频的认知偏差。

深度学习技术通过大量数据训练来建立输入数据和输出数据之间的映射,解决了识别准确率低、场景适应性差、识别种类少等技术瓶颈,使得由人工智能来自动处理海量监控视频数据成为可能。

目前的人工智能产品主要识别内容包括:车辆分析、人员分析和行为分析。产品形态包括前端和后端,二者各有擅长且会长期共存。

前端产品主要是AI摄像机,可以提供初步或特定结构化的图像数据,比如车辆/人脸的特征信息,可以减少后端分析处理的计算资源压力和网络带宽等系统造价,还可以提供拌线、越界、人数统计等行为检测数据,实现实时智能分析的应用价值。由于前端设备空间有限、功耗成本较高,有限的硬件资源大多运行相对基础的算法。

后端产品主要是视频结构化服务器,通过集成高性能GPU芯片和智能算法,专门对视频里的机动车/非机动车/行人等活动目标进行特征快速提取和准确识别比对,比如人脸识别、车辆二次分析等。后端设备可根据需求灵活配置硬件资源,能够运行复杂,业务响应置后的算法,且升级维护比较方便。

前端智能和后端智能并不冲突,随着智能的需求无所不在,未来更多数据的采集和计算都将在前端产品进行边缘计算、前端处理分析后选择性上传到后端,二者结合起来,实现更智能的分布式管理,根据客户的具体需求提供差异化的智能解决方案。

以天地伟业推出的“神鉴”视频结构化分析服务器为例:针对卡口视频和道路监控视频等中远距离场景的视频结构化分析服务器,能够直接解析视频中车辆/非机动车/行人等目标的属性特征。对于机动车结构化,可针对一定倾斜角度范围内的车牌号码识别;可识别车牌颜色、车牌类型、车辆子品牌、车辆类型、车身颜色、车窗标识物检测(年检标、遮阳板、纸巾盒、挂坠、摆件),还支持识别非机动车,如二轮车和三轮车;对于行人结构化,可识别性别、头部特征(戴眼镜、戴帽子)、上身和下身衣服颜色和纹理款式、附带物品(背包、手提包)。当图像中的机非人目标转变为结构化数据后,就可以做各种大数据分析,比如搜索“黑色奔驰”或“红上衣黑裤子背包的妇女”,即可迅速地找到目标,查看其出现过的位置和时间,结合地图形成轨迹。

1

除了实现针对图像解析和集群化深度学习,AI大数据的另一个核心作用是大数据分析。当摄像头和录像机产生的海量视频通过人工智能处理后,会产生一个新的结构化数据的海洋,数据量仍旧非常庞大,同时具有增长快、种类多、复杂性高的特点。

如果结构化数据没有经过很好的挖掘,也不是有意义的情报。将多元异构数据进行抽取、融合、推理、验证、构建,再通过知识标示、知识存储、知识索引,就可以将具备时间和空间属性的结构化数据利用数学模型的手段进行挖掘,得到的线索信息就会帮助用户分析目标的行为,这在公安部门叫做技战法。以天地伟业推出的“神算”大数据检索系统为例,集成了多点碰撞、区域徘徊、伴随车辆、昼伏夜出等将近20种技站法以及各种流量统计和态势分析,都是在数据挖掘中针对现场用户实际需求研发出来的实用功能。比如简单地筛选类模型:车辆稽查布控——检测到一辆车的车牌号码是一个嫌疑犯车牌号时,平台会立刻预警;人员黑名单——系统布控了一张逃犯的照片,当在某个地铁站的摄像头里发现一个人长相相似时,平台也会立刻报警。还有相对复杂的研判类模型:车辆频繁夜出——某些车辆经常在夜间出行,白天几乎不动,这类行为如果排除了正当职业,就属于嫌疑行为;黄牛党——某些人经常在医院或体育馆门口徘徊出入,如果过一定频次,就有嫌疑。

2