在上一篇中,我们分享了《人工智智能基础与安防深度学习》,今天我们继续探讨为什么要启用深度学习和视频分析?
图片来源:图虫创意
不断优化深度学习算法可以提供更好的视频分析性能,即使在人脸识别等复杂应用中,也可以应对不同的光照条件、角度、姿势、表情、分辨率等场景挑战。
适应现有硬件
如今,低成本的片上系统(SoC)摄像机组件可为下一代智能摄像机提供深度神经网络(DNN)处理,从而将AI处理应用扩展到更广阔的市场。
AI软件甚至可以通过使现有硬件适应AI应用程序来增加学习能力。今天的智能手机包括摄像头,陀螺仪和加速度计,可提供足够的数据来支持AI应用。软件可以改变现有硬件,将其转换为能够在应用中持续学习的AI设备。例如,在摄像机中,可以使用实时深度学习处理来检测遗失的物体,对发出游荡人员发出警告,或检测进入预设警戒区域的人或物体。
检测异常数据
此外,还有更多的功能能满足苛刻的环境和执行关键任务的应用需求,例如机场周界保护,关键基础设施和政府大楼,边境巡逻,船舶跟踪和交通监控(例如违规检测,交通计数和路边停车监控等等所有重要的安防视频解决方案)。
除了安防应用之外,物联网正在将安全性摄像头从简单捕获图像的设备转变为智能传感器,使其在收集可用于改善商业运营的重要业务数据方面发挥着不可或缺的作用。例如,城市正在向智能城市过渡。深度学习使系统能够搜索监控视频,检测异常数据,并将安全监控从事件后响应转向实时响应,甚至事前预防。
做出关键决策
深度学习还可以消除以前的视频分析限制,例如依赖场景的背景信息辅助。而且在识别图像中的细微变化内容,深度学习也比人类更擅长。深度学习视频分析的能力比以往用于识别目标的应用程序方法更加复杂和准确。
在比以往任何时候都拥有更多视频监控的时代,AI可以说是一个及时的解决方案。越来越多的安防摄像机,产生了越来越多的视频内容,按照传统运营管理模式,安全运营商已经无法应对。最重要的是,人的注意力能够保持高效状态的时间非常有限,无法长时间一直盯着屏幕。而AI不会感觉到疲劳,可以7*24小时不间断工作,因此,它们可以分析比人类更多的视频数据。AI系统可以帮助用户快速找出最重要的信息,从而让用户从重复、乏味的工作解放出来,以便更好的出他们最擅长的事情,即做出关键决策。
同时处理多视频流
AI视频分析的优势反映了人工智能在拓展人类技能的更大目标。AI可以减少信息过载,使人们能够更有效地处理数据。另一个优势就是更快的搜索,新系统使搜索视频就像互联网搜索一样简单。AI在站点的所有摄像机上对特定人员或摄像机进行快速定位。可以根据参考图像或是性别或服装颜色的描述信息来搜索。
假如一个小孩在拥挤的购物中心走失,如果通过人工来查看,可能需要好几个小时,人工智能和神经网络可以使用孩子的一张照片在多个摄像机流中进行快速搜索。这张照片不一定非得是证件照一样,哪怕是之前派对上的自拍照,只要有小孩的脸就可以。
入侵检测场景
人工智能几乎可以实时地从摄像机捕获的数十万张面孔中匹配走失小孩的脸,从而确定小孩的位置或行动路线等。人工智能还可以持续分析其网络中监控摄像头的视频流,将人脸与雕像和动物等非人类物体区分开来。同时也不会涉及太多隐私问题,因为照片上没有相关ID或个人信息,图像可以在使用后删除。 并且没有存储图像的数据库。
在周界安全、入侵检测场景中,AI驱动的视频系统可以通过轻松区分不同类型的人和物体来避免误报,例如,在设置为检测人的区域,汽车、动物等进入目标区域也不会触发警报。