行业研究 > 正文
智能算法应用各有侧重 与场景适配最为关键
2020/4/10 14:19:00   中国安防行业网      关键字:智能算法 场景 安防      浏览量:
人工智能落地需要智能算法与行业场景的适配,前沿算法应用到实际场景中才能凸显价值。作为人工智能的生产工具,算法的底层逻辑推理也驱动着智能安防的落地。以公安行业为例,行业用户迫切需要在海量视频信息中,发现犯罪嫌疑人的线索;交通行业用户迫切需要能迅速检测运动对象,识别人、车属性信息等等。
  随着人工智能的不断深入发展,传统安防加速向智能安防转变,而智能安防与传统安防最大的不同则是将以往需要众多人工完成的工作由机器智能化完成。这一转变过程中,智能算法在其中发挥着重要支撑作用。
  目前来看,商汤、依图、旷视等人工智能算法厂商,海康威视、大华股份、宇视科技、科达、天地伟业等传统安防企业都在人工智能算法领域大力布局,即使一些新兴安防企业也在大力推动自研AI算法。而随着整个安防领域对智能化算法的投入不断加大,安防监控视频识别算法准确率大幅提升。例如在人脸识别领域、在图像分类、物体检测、在人体监测等方面算法也已经远远超越人类平均水平。
  另外,随着大数据技术、GPU并行计算能力的突飞猛进,行业用户对应用的理解越来越深刻,尤其是海量数据爆发以及运算平台的成熟,基于此以专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能的机器学习算法日渐成熟,并逐步延伸到计算机视觉、语音识别、模式识别、数据挖掘以及统计学习等领域。
  人工智能落地需要智能算法与行业场景的适配,前沿算法应用到实际场景中才能凸显价值。作为人工智能的生产工具,算法的底层逻辑推理也驱动着智能安防的落地。以公安行业为例,行业用户迫切需要在海量视频信息中,发现犯罪嫌疑人的线索;交通行业用户迫切需要能迅速检测运动对象,识别人、车属性信息等等。
  以人脸识别算法为例,目前通用型人脸识别算法已经达到了较高的水平,但在一些具体的场景中,人脸识别又存在一定的局限性,无法满足所有场景的需求。以此次疫情防控为例,原来的人脸识别算法,是根据面部特征关键点来进行识别的,算法纳入的关键点越多,识别的结果也就越精确。但佩戴口罩后,可供识别的“关键点”大幅减少,鼻子以下的面部特征被掩盖,面部特征关键点减少,智能设备之前学习的特征判别能力随之降低。原有的人脸识别算法模型失效,使机器无法识别当前的人。
  针对这种情况,行业内大部分企业采用加重眼部、眉毛等局部特征点的选取,并与整体人脸特征的融合,来提升模型在口罩遮挡下的人脸识别率,在算法层面,针对基于人脸全局特征及局部特征相结合的方法,优化现有人脸识别算法模型,做到精准鉴别。
  另外,在人脸识别算法领域,按照人脸识别技术的应用维度分析,可以分为政府、企业和个人消费者,其中政府部门一般希望人脸识别技术应用在智能安防领域,应用场景复杂,对准确性的要求较高;个人消费者应用场景复杂性低,但对消费体验要求较高。其中在消费领域以依图科技、商汤科技、云从科技和旷视科技为主。
  目前,安防行业内传统的制造厂商,海康威视、大华股份、科达、天地伟业以及宇视科技凭借近些年的不断研发投入已经实现在视频结构化算法、车牌识别算法、人脸识别算法、视频检索以及多传感器融合等技术方面的积累,通过与芯片厂商的紧密合作,再结合自身在行业应用方面的优势,已经实现在人工智能产品在前后端方面布局,实现在公共安全、交通、司法、零售、智慧城市等多个领域深度应用。