從IT時代轉入DT時代 安防應該注意什麼？

“人類正從IT時代走向DT時代，”2014年三月在北京舉行的一場大資料産業推介會上，阿裡巴巴集團創始人馬雲在主題演講中發表了他的這一最新觀點。這個被視為商界傳奇的中國電子商務創始人，同時透露了阿裡巴巴未來将加大在無線用戶端和大資料平台及人才的投入意向。馬雲提出，人類已經從IT時代走向DT時代，IT時代是以自我控制、自我管理為主，而DT(Datatechnology)時代，它是以服務大衆、激發生産力為主的技術。

　　圖檔來源：360微信

一、為什麼安防會從IT轉入DT？

中國安防行業曆經2003年至2013年近十年的飛速發展，基礎設施已比較健全，包括前端海量的标清、高清監控錄影機，後端大規模的視訊存儲系統，基于視訊可視化應用的系統遍地開花，為城市治安環境及個人生活提供了可靠的安全保障。但這十年的發展，錄影機從标清到高清，從獨立到聯網，其使用方式并沒有發生明顯變化，還是以事後倒查錄像查找線索為主，需要人員快速檢視和分析判斷，效益低下。轟動一時的周克華案，其視訊就耗費了上千警力進行研判分析。使用者希望他們幾年來建設的大規模視訊監控系統能發揮更大的效能，而不是一堆被周期性循環覆寫的視訊錄像記錄。使用者的新需求，推動了安防行業向DT領域進行探索，通過利用最近幾年深度學習、大資料技術的發展成果，開展視訊内容的結構化，累積海量資料，并借用網際網路的資料分析思路，發展安防行業獨有的資料分析能力，這預示着安防行業開始從IT時代轉入DT時代。

二、進入安防DT時代，使用者的使用習慣發生了什麼變化？

在安防IT時代，當發生事件時，使用者直接想到的是确認時間、地點，檢視事件周邊的視訊錄像，通過快速回放發現事件線索或前因後果。而進入安防DT時代，使用者可以逐漸減少倒查錄像的時間，先通過線索快速查找相似特征，如車輛、人臉等，再根據比對到的資訊去檢視對應的短視訊，縮短了時間，提升了效率。還可以通過對曆史資料的分析，掌握整體态勢，根據區域的态勢特點合理安排人員及資源。使用者由被動變主動，不再局限于事後追查，已能實作實時告警及事前預警，增加了對風險的防範時間。

三、視訊結構化是基礎

從安防IT時代跨入安防DT時代，有個關鍵的變化，那就是視訊被結構化了。原始的視訊錄像雖然忠實地記錄了監控場景的資訊，但這資訊太豐富了，難以利用機器進行快速計算。使用者對監控場景的資訊其實并不要求面面俱到，其主要的關注對象還是人、車、物、行為這四項，從使用者的需求出發，我們利用機器視覺技術，将視訊中的關鍵特征提取出來，對車輛可結構化出車牌、車型、品牌等資訊，對人員可結構化出性别、年齡段、是否戴眼鏡等資訊，對物品可結構化出種類、形狀等資訊，行為則有跑動、聚集等。将這些結構化資訊進行存儲，記錄采集的時間、地點、抓拍照片、圖像特征，為後續查詢、分析應用累積資料資源。視訊結構化是安防DT時代的基礎，通過視訊結構化才能把非結構化的視訊資料轉化為可分析的特征資料，才能為資料應用提供多種可能。

視訊結構化的實用，其實得益于安防行業這幾年深度學習技術的發展。其最有影響力的突破發生在2012年，海康威視赢得ImageNet圖像分類比賽的冠軍小組采用的就是深度學習方法，比排名第2采用傳統計算機視覺方法、手工設計特征的團隊，在準确率方面超過10%以上，引發了深度學習的熱潮。這之後，各種訓練網絡、訓練方法如雨後春筍般冒出，并随着GPU晶片的性能提升以及海量樣本資料的增加，使得目标檢測和跟蹤、對象識别等算法快速成熟，準确率提升到可實用階段。海康威視也在嘗到技術飛速演化帶來的豐碩成果後，于2015年年初成立海康威視研究院，進一步加碼深度學習技術，利用技術進步推動産品創新，并在2015年底推出第一代“獵鷹”産品，基于GPU異構叢集開展大規模視訊結構化，探索安防DT之路。

利用“獵鷹”後端産品開展大規模并行分析，相比傳統伺服器堆疊，節約了機房空間，能效比更高，而其承載的深度學習算法也比傳統計算機視覺算法速度更快，準确性更高。對于目前大規模聯網視訊監控系統，“獵鷹”隻要完成對接，就能源源不斷地将實時視訊轉化為結構化資料。

四、從後端到前端

利用後端進行大規模視訊結構化，在短期來看是可行的，但從長期來看，投入産出比較低，使用者投入巨大。随着技術的成熟，帶GPU或專有晶片的前端錄影機将分擔掉主要的智能分析功能，成本逐漸下降，這滿足了使用者大規模視訊結構化的成本效率期望。不具備前端智能化能力的錄影機廠商，市場會進一步縮小。平台廠商進一步整合，隻留少數自有知識産權、技術能力強的企業。而基于平台、資料的第三方應用開發者會進一步繁榮，針對使用者需求開展有針對性的資料分析應用。就以海康威視來說，2015年底推出了後端産品“獵鷹”，随着安防DT時代的發展，在2016年10月份推出前端産品深眸系列智能錄影機，實作從後端産品到前端産品的布局。

當然不論是前端還是後端，其對視訊進行智能分析的目的還是為了産生海量的結構化資料。有了資料才能進一步加工應用，創造出新的價值。

五、視訊資料的價值

從視訊中提取的特征資料有着重要的應用價值，特别是車輛、人臉、行為。

車輛方面，利用車牌資訊，可以快速檢索車輛軌迹，了解車輛的通行規律。也可快速查找事件發生區域附近的車輛資訊，逐漸排查可疑線索。對于無牌車輛或頻繁換牌車輛，以車搜車技術還能就車輛外觀快速查找相似車輛進行線索追蹤。截止到2016年底，全國機動車保有量達2.9億輛，私家車總量達1.46億輛，平均每百戶家庭擁有36輛。如此龐大的機動車群體，其每天通行産生海量的軌迹資料，利用大資料技術開展全樣本分析，将給使用者呈現非常有意義的資訊，幫助使用者洞察規律。

人臉方面，應用主要還是針對室内或行為人較為配合的場景，通過抓拍到的清晰人臉照片，可進行人員資訊查詢、人員身份鑒别等。以生活小區為例，通過人臉采集，并累計一段時間後，就能自動建立常住人員檔案，包括業主、租戶、物業管理人員、快遞人員等等，對于短暫出入人員及可疑人員，根據其出現的時間、地點，有針對性地設定風險等級，友善管理人員加強管控。這種方式對住戶來說是非侵入式的，不影響住戶的正常生活，隻是大資料分析技術在現實生活中的具體應用。

行為方面，則有别于車輛及人臉，主要是通過對視訊内容的分析，提前預判行為動作，向使用者提供告警資訊，引起最終使用者的關注，包括人員跑動、人員聚集等。目前行為方面還是存在一定的複雜性，而基于活動目标數量的分析應用會更有前景一些。

六、使用者需求推動資料融合

單一資料車輛、人臉的應用見效，通過快速部署資料平台，就能實作海量車輛、人臉資料的采集、存儲，并提供查詢、分析應用。目前這類應用在最終使用者側都取得了不俗的實戰效果。但随着使用者實戰應用的逐漸深入，就有點力不從心了，是以随着使用者需求的提升，資料應用開始向多資料融合發展。如：車輛資訊與駕駛員資訊進行綁定，有利于明确主駕人員身份。也可以建立一車多人的群組關系，揭示人員關系網絡。從視訊中提取的資料，還可以與交通資料、警務資料、城市資料結合，為智能交通、智慧警務、智慧城市服務。車輛通行記錄可以作為城市交通流的重要資料來源，反映城市交通擁堵情況，與車載GPS資料、導航資料一起綜合應用，通過疏導，緩解城市交通壓力，提升城市交通運輸效率。

七、智能化是安防DT時代的催化劑

視訊結構化需要依靠智能分析技術，而結構化資料的分析應用更離不開智能技術，利用人工智能才能讓使用者擺脫資料風暴，讓資料成為協助使用者進行分析決策的基石。

人工智能是安防DT時代的使用者需求的集中展現，使用者對專業化、輔助化的需求一直存在，一個基于海量資料的人工智能專家助手将能把使用者從資料海洋中解放出來，讓使用者更聚焦在核心業務上，為使用者提供全面的評估，輔助使用者的最終決策。

有雲計算、大資料、人工智能技術儲備的企業将持續獲得發展，其他企業隻能向産業鍊末端遷移，通過滿足使用者個性化需求維持市場位置。

結語

安防行業必須以使用者需求為牽引，隻有圍繞使用者需求開展的一切技術創新、應用創新才有生命力，才能繁榮發展。在安防DT時代，一切圍繞資料的采集、存儲、計算都是基石，都是為使用者需求服務，資料的涓涓細流彙聚成溪流、湖泊、大海，并繁衍出多彩的生命，形成繁榮的生态圈。每個企業隻要找準自己的位置，都能獲得一片發展的空間。

本文轉自d1net（轉載）