安防行業海量的數據源以及應用場景為人工智能的落地提供了良好的土壤，同時，該行業對于人工智能的落地具有非常急迫的需求。智能安防很有可能成為人工智能產業化的第一著陸場，同時也將開啟安防行業新一輪的成長周期。
????出于對市場的敏感，主流的設備及解決方案供應商已經開始發力，在安防行業的人工智能化市場有了不少的投入，憑借其各自深耕安防行業的經驗，在人工智能落地方面取得了不俗的成績。
????一、**感知及應用
????視頻的**感知要求智慧安防系統向下疊加**的物聯感知（包括空間信息、動環信息、生物體征、深度語音識別等等）；**應用則體現在向上輸出更多的視頻數據應用價值，支持更為寬廣的業務應用（比如智慧城市的“數據大腦”、城市交通態勢分析、機器視覺、大數據預警與決策等等）。
????**感知通過集成多種傳感器，將各類感知數據與視頻數據相融合，使得傳統的、分布式、開放和共享程度低的傳感數據*終以集中式的方式展現出來。不僅豐富了感知手段，同時還能直接將結構化信息傳至后端，提升了整個系統的效率。**應用則是在實現了信息數據的全面深入的感知和特征提取之后，著力于為智慧城市、交通態勢分析等頂層業務應用提供更多有價值的數據信息，逐步構建城市智慧服務體系，從而進一步為城市民眾提供有針對性的新服務和新模式。
????多傳感器信息融合是**感知重要的技術之一，指的是利用計算機技術將來自多個傳感器或多源的信息和數據在一定的準則下進行自動分析和綜合，以完成所需要決策和估計而進行的信息處理過程。
????如采用多個傳感器（雙目、TOF相機和激光雷達等）聯合獲取監控區域數據，進行行人檢測及軌跡追蹤。監控系統聯合多個深度相機，并將每個相機的檢測及追蹤結果進行融合。可以有效的對同一區域內多個目標進行檢測和軌跡追蹤。多傳感器感知及監控系統相較于傳統的單一傳感器（如單個單目或深度相機）監控具有非常大的優勢，監控準確度和目標數目都有非常大的提升，對于視頻中多個行人的前后匹配及追蹤也更加準確。
????值得注意的是，算法在**感知中的地位日益凸顯。該解決方案內包含了多個不同位置、不同視角的深度傳感器，涉及大量的傳感器標定、配準及數據融合算法，檢測和軌跡追蹤結果的準確性很大程度的依賴于算法的性能。因此智能算法的支持工作非常重要，其配準和融合效果的差異直接影響著檢測和追蹤結果的輸出。????
圖1多傳感器行人檢測及軌跡追蹤（客戶端畫面）
????在交通監控場景中，某些路段需要檢測車輛的長寬高是否超限，傳統的二維監控視頻，車輛的三維信息已經在成像過程中失去了，所以基于二維模型的各類算法都難以取得理想的精度。針對這種情況，就需要使用立體視覺及多傳感器融合監控方案，如搭建雙目相機并融合雷達、測距儀等傳感器的信息。又如廣場、機場等大范圍監控場景，傳統的單槍機視場角過小，而魚眼相機成像的清晰度不夠。魚球聯動方案是一種解決辦法，魚眼相機超過180度的視場可以覆蓋整個目標區域，而對區域中具體某個目標感興趣時，可以自動控制球機去觀察該目標細節。但是，在應用中發現，魚眼相機的成像清晰度不夠的缺點仍然存在，導致一些小目標無法被檢測出來。為了更好地滿足客戶的需求，大華又推出了多目全景相機與球機聯動的解決方案。相比魚眼相機，基于拼接算法的多目全景相機成像分辨率更高，而且能夠根據應用的特點選擇不同型號的全景相機。其中，守望者高清全景相機將8個超低照度200萬圖像傳感器拼接成2個4K畫面，實現360度全景監控，同時一體化搭載了30倍超星光球機，用以實現細節監控。???
圖2大華高清三目全景紅外槍（監控畫面）
????基于這樣的多傳感器融合的硬件方案，在大場景中實現了如進入/離開區域、越界、徘徊、停車、人員聚集、快速移動、物品**、物品拿取、人臉檢測、軌跡追蹤等智能功能。
????二、前端智能
????前端智能可以利用攝像機進行前端分析，理解視頻畫面的內容，而后將獲取的圖片、視頻以及分析結果等傳至后端存儲。常見的前端視頻分析技術，運用計算機視覺、圖像分析等技術從海量的視頻圖像中識別和提取目標，并形成結構化的數據，幫助客戶**的抽取視頻中的關鍵信息。其帶來的**改變是延時的消失，可以近乎實時的進行判斷分析。同時減輕后端的計算壓力，使得后端的優勢計算資源更加集中于實施深入的分析工作。
滬公網安備 31011502015838號