焦点评论 > 正文
缘何安防“三巨头”共同发展人工智能?
2016/11/9 09:14   CPS中安网      关键字:人工智能,安防,学习,深度      浏览量:
今年以来,尤其是AlphaGo战胜李世石之后,“人工智能”的概念再次进入到人们的视野当中。同样地,在今年的北京安防展中,海康威视、大华、宇视纷纷展出基于人工智能或是机器视觉的产品。

今年以来,尤其是AlphaGo战胜李世石之后,“人工智能”的概念再次进入到人们的视野当中。同样地,在今年的北京安防展中,海康威视、大华、宇视纷纷展出基于人工智能或是机器视觉的产品。尽管人工智能被提到烂大街,但有多少人能够回答什么是人工智能,它和机器视觉、深度学习的关系是什么,人工智能和安防有什么关系,安防领域的人工智能通过什么样的产品去呈现?

在此之前,笔者对于人工智能的了解也是模棱两可。有幸的是,在此次展会上,笔者参加了海康威视的人工智能发布会、专访了大华机器视觉领域负责人以及宇视机器视觉战略发布。因此,笔者将用通俗的语言和例子来帮助大家对人工智能有一个系统的了解。之后,我想大家就会明白为什么安防行业“三巨头”会不约而同的发展人工智能。

什么是人工智能

在解释这个问题之前,我想通过下面的一道选择题,来展开接下来的讨论。

以下哪种行为不属于现代人工智能?

A.机器人扫地 B.机器人分拣衣服,然后扔进洗衣机

答案是A。至于为什么是A,我想再给大家举个例子来详细说明。

1997年,IBM生产的超级国际象棋电脑“深蓝”战胜了俄罗斯国际象棋选手卡斯帕罗夫。2016年,AlphaGo战胜李世石。同样是机器战胜人类,但将近二十年的时间过去了,“深蓝”和AlphaGo的本质发生了翻天覆地的变化。

“深蓝”的算法架构是一种模式化的架构,而战胜李世石的AlphaGo是基于深度学习的架构。简单来讲,就是“深蓝”里面的计算逻辑是要靠人编译成计算机程序,然后放到这个超级电脑里面去实现,所以卡斯帕罗夫面对的“深蓝”,背后可能是一千个人、一万个人甚至是十万个人的智慧的结晶,“深蓝”只是通过技术的方式把这些人类的智慧结晶集合在一起。

从本质上来讲,依然是“人”战胜了人。而相对于“深蓝”里面复杂的计算架构,AlphaGo的算法逻辑非常简单,它只是靠机器自身的反复的训练,让机器具备思考的能力。所以,AlphaGo每下一盘棋,其下棋的能力都在得到提升。

因此,此次展现出的人工智能和以前的人工智能有很大的不同。现代的人工智能不再是简单意义上的机器代替人,不再是人的体力和脑力的延伸,而是机器具备了自主的学习和自我进化的能力,从而对事物(件)进行决策和判断。

判断是否是人工智能最主要的特征就是:

1.是否能智能感知周围的环境

2.是否能实时地、自主地去做决策

现在,再回归头来看上面的选择题,是不是理解得更深刻了?

2.为什么人工智能会在此时爆发?

1956年,在达特茅斯会议上首次提出“人工智能”的概念,计算机专家们梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器。然而在此后的十几年的时间里,由于网络能力不够,无法解决复杂的问题,人工智能进入第一次低谷。1980年,BP算法的出现,神经网络得到优化,但在1990年,由于计算能力受限,无法进行大规模的数据训练,人工智能再次进入低谷。直到2006年,深度学习的神经网络被提出,经过多年的发展,2013年,深度学习在视觉识别和语音识别上取得部分能力超越人类。

纵观人工智能60年的发展历史,经历了多次“寒冬”,其中一个很重要的原因就是算法或神经网络无法继续深入下去。直到深度学习取得突破,则直接推动了人工智能的蓬勃发展。

而什么是深度学习,解释起来也非常复杂。我们只需要记住深度学习是建立、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,深度学习是未来所有的人工智能的发展的一个基本的一个方向和技术的逻辑,它在计算机视觉、语音识别等得到了成功应用。深度学习会给我们带来越来越轻松、越来越智能的实现方式。

除了深度学习,在安防领域,人工智能的爆发,还有三个非常必要的条件

(1)视频监控的大联网。2006年,视频监控系统开始进行联网设计,从不联网到联网,视频监控逐渐走向一个全新的道路。万物互联,必然会推动万物智能的发展。

(2)高清技术得到了快速发展。如果没有高清,如果我们还是在D1或者是更低的分辨率之下,数据的提取和分析是没有任何意义的,也是没有办法做到的。简言之,连看都看不清,如何“看得懂”、“看得懂”又有什么意义?所以,从D1到720P、1080P再到4K,这样一个演进的过程,它表面上解决了图像的清晰度,但它真正深层次的变化其实是为我们后面的机器视觉做足了铺垫。

这里再简单解释一下什么是机器视觉,它和人工智能的关系是什么?机器视觉是人工智能发展的一个分支,简单说来,机器视觉就是用机器代替人眼来做测量和判断。

(3)大数据技术的产生。2015年摄像头出货量达五千多万台,仅仅视频监控录像而言,每天的数据量就达上千PB,累计的历史数据将更为庞大,在视频监控大联网、高清化推动下,视频监控业务步入数据的井喷时代。而大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。

安防行业为什么需要人工智能

安防需要人工智能最根本的原因是,我们需要将被动防御变为主动预防。用一个现象就可以来解释这个问题。

2015年5月6日,九部委下发《关于加强公共安全视频监控建设联网应用工作的若干意见》(以下简称“意见”)。《意见》指出,到2020年,要基本实现“全域覆盖、全网共享、全时可用、全程可控”的公共安全视频监控建设联网应用。在“全域覆盖”方面,要求重点公共区域视频监控覆盖率达到100%,新建、改建高清摄像机比例达到100%;重点行业、领域的重要部位视频监控覆盖率达到100%,逐步增加高清摄像机的新建、改建数量。

这就出现了一个问题,以公安行业为例,摄像头装的越多,带给警方的压力就越大,他们需要更多的人力来对这些视频图像或资料进行管理、查询。而最高效、最直接的方法就是提升摄像头的性能,让它变得更智能。

所以,我们可以看到海康、大华、宇视纷纷推出了基于深度学习的前端和后端产品。

而这些产品共同的特点是,有三个非常重要的技术支撑,即芯片、算法和技术架构。

芯片。体现一个芯片实际应用效果好坏的因素主要就是它的性能和功耗。目前,业内几乎所有的芯片厂商如NVIDIA、Movidius、Intel、海思等都推出了基于深度学习的芯片。我们在展会上看到的机器视觉的产品基本上都是用的这几家厂商提供的芯片。

算法。我们前面说过,基于深度学习的产品不需要复杂的计算逻辑,最重要的数据量。在深度学习的时代,谁掌握了数据,谁的数据量大,谁的数据样本种类丰富,谁就是整个结果输出的最核心的要素。

技术架构。十年前,为了解决视频监控大规模联网的问题,IP全交换的架构被提出。2016年,宇视提出了基于高速全媒体总线的智能链计算的一个架构,它能够实现视频非结构化数据、智能分析结构化数据的端到端一体化标准接口,构建算法、数据、计算资源之间的高速交互通道,和智能到大数据的融合反馈通道,传输速度和处理速度提高十倍。

人工智能在安防领域的应用

10月中旬,乌镇智库联合网易科技发布了《全球人工智能发展报告(2016)》。报告提到了人工智能将在七大领域率先应用,安防行业赫然在列。

视频监控

我们以人脸识别为例。人脸的特征非常多,瘦了胖了、戴不戴眼镜、侧脸对摄像机等情况,都会影响对人脸识别的效果。如果不是以基于深度学习的这个算法和逻辑去解决人脸特征多变的问题,这对于所有的厂商几乎可以说是一个恶梦。因为它会要求我们不断的把算法模型做的越来越好,来去解决有可能出现的各种各样的变量。简单的说,就是我们需要提前预知人脸会出现什么样的变化、变化多少。

而基于深度学习的人脸识别不一样,其算法逻辑很简单,它需要的只是越来越多的数据和样本,数据和样本越多、反复训练的次数越多,它越容易捕捉到准确的结果和给你准确的答案。所以,当一套人脸识别系统的设备,在全面引入深度学习的算法之后,它几乎是很完美的解决了以前长期各种各样的变化问题。

大华的人脸识别技术团队设计了一个上百层的深度网络,可以使得同一人之间的相似度尽量高,同时约束不同人之间的相似度足够低,在训练时,结合一种高效的在线采样技术,可以极大地加快收敛速度。通过训练多个模型以及一种非线性多模型融合技术,大华股份在LFW(国际权威人脸识别公开测试集)上取得了99.78%的准确率。

在产品方面,宇视与Movidius展开了深入合作,率先发布基于Myriad 2芯片的全系中高端摄像机、卡口抓拍机与智慧棒产品,Myriad 2是目前基于深度学习算法最优秀的低功耗芯片,可用于前端人脸识别与视频特性行为的深度结构化,同时,能够前置黑/白名单,实现实时布控,降低中心服务器的性能消耗;后端方面,宇视与NVIDIA展开了深入合作,基于TX1芯片推出了业界最高密度、最强处理性能的智能分析服务器,TX1是目前性能最为强大的芯片。

    机器人

近日,国内公安首台智能安保机器人AnBot正式在深圳机场T3航站楼上岗,执行日常巡逻防控任务,主要是在T3航站楼四楼出发大厅开展24小时不间断自主巡逻,通过前后左右四个移动高清数字摄像头实现民航安检前置、移动人像识别等功能。

除了安保机器人,安防企业凭借在图像、视频技术上的积累,推出了多款应用在物流、看护等领域的机器人。近日,海康威视继“阡陌”系列仓储机器人之后,推出了智能泊车机器人。智能泊车机器人采用海康威视成熟的视觉&惯性双导航技术实现自主定位,定位精度误差小于5mm,可完成2000kg汽车的升举、搬运、旋转、下放,值得强调的是,智能泊车机器人系统可同时调度500辆汽车,同等面积停车场停车位数量增加40%。

其实,关于人工智能的话题,我们还有很多问题去探讨,比如,如何建立百亿级的样本和大规模的自主学习的GPU集群,如何构建一个基于深度学习的技术架构等等。而以上,我们给大家讲述的是为什么要去做,至于怎么做就是留给安防厂商的问题。

根据计算机领域的摩尔定律,每一个产品的性能都会在18-24个月之内翻一倍以上,而在安防行业的发展历史中亦是如此,技术的更迭速度超出我们的想象。现在,人工智能来了,它必将开启未来安防的新时代!

微信扫描二维码,关注公众号。