視頻數(shù)據(jù)現(xiàn)狀

隨著高清視頻時代的到來,，視頻監(jiān)控的點位數(shù)和數(shù)據(jù)量已呈爆發(fā)式增長,。根據(jù)大華股份提供的數(shù)據(jù)顯示，每年安防視頻存量呈現(xiàn)大幅度增長,，如圖所示：

而在每年的視頻總量如此之龐大的數(shù)據(jù)下,，以一般項目經(jīng)驗估計，視頻被觀看的實際只有5%,。進一步而言,，在視頻實際被觀看的時間里，有效視頻時間不到1%,。對此,，大華股份先進技術(shù)研究院研發(fā)總監(jiān)鄭韜表示：“目前最重要的任務(wù)是解決海量視頻和提高視頻價值的矛盾。”隨著人工智能的飛速發(fā)展,，深度學(xué)習(xí)為智能化行業(yè)提供了巨大的便利,，但是如何有效地提高安防視頻數(shù)據(jù)的價值？

深度學(xué)習(xí)算法比對傳統(tǒng)算法

傳統(tǒng)算法應(yīng)用于目標檢測和濃縮,，可幫助用戶降低觀看視頻的時間,，提高視頻效率。但引入深度學(xué)習(xí)之后,，實現(xiàn)了視頻結(jié)構(gòu)技術(shù),，也就是把實時視頻進行結(jié)構(gòu)化分析，現(xiàn)成為獲得視頻數(shù)據(jù),、提高視頻價值的最有效工具和手段,。

比如，運用深度學(xué)習(xí)算法,，可以抓取更多目標結(jié)果,。將復(fù)雜場景中的人、機動車,、非機動車分離（共可區(qū)分轎車,、面包車、公交車,、卡車,、貨車，2輪非機動車、3輪非機動車,、行人等類型）,，全方位提取車輛特征，如車型,、車系,、車身顏色、車牌顏色,、車牌號碼識別,、主副駕駛是否系安全帶、是否打電話,、有無遮陽板,、有無年檢標、有無掛墜,、有無紙巾盒,。

另外可根據(jù)需求條件，搜索更準確的目標數(shù)據(jù),。針對行人,，可以多方面分析其相關(guān)特征，包括性別,、表情,、年齡段、服飾特征（上下衣著顏色,、眼鏡）,、攜帶物特征（背包、打傘）,、運動特征等。同時,，也可以針對符合像素要求的人臉,、車輛號牌，進行識別,。經(jīng)過處理之后的視頻數(shù)據(jù)可以進行長期保存,，并按照人、激動車,、非機動車的各種特征條件進行檢索,。

應(yīng)用產(chǎn)品以及案例

據(jù)此，鄭韜提出市場需要一種能自動提取視頻中信息的產(chǎn)品,，既能解決視頻量大的問題,，又能解決視頻信息占比小的問題，從而提高視頻的實用價值的產(chǎn)品,。

大華股份先進技術(shù)研究院研發(fā)總監(jiān)鄭韜

即全球首款基于Tesla-P4的IVA服務(wù)器的“睿智系列”視頻結(jié)構(gòu)化服務(wù)器,，其所有算法都是基于深度學(xué)習(xí)完成的,，同時全部運行在GPU上，最大可支持192路1080P實時視頻分析,，完成結(jié)構(gòu)化信息提取,。

這款產(chǎn)品體現(xiàn)了只有不斷進行向前端傾斜的視頻數(shù)據(jù)存儲和分析技術(shù)創(chuàng)新才可以幫助客戶實現(xiàn)數(shù)據(jù)的大融合和智能處理。下面舉兩個現(xiàn)實生活中應(yīng)用的案例：運用以圖搜圖技戰(zhàn)法,，根據(jù)嫌疑車輛的年檢標志等特征搜索該車軌跡15分鐘便鎖定該車作案前軌跡,，最終抓獲犯罪嫌疑人破獲詐騙案件。打擊城市套牌車專項活動,，上線兩周,，有效預(yù)警套牌車百余次車次，落地排查抓獲數(shù)十余輛,，有效扼殺多起犯罪于搖籃之中,，形成車輛套牌犯罪禁區(qū)。

結(jié)語

所以,，安防的發(fā)展與人工智能深度學(xué)習(xí)技術(shù)存在密不可分的聯(lián)系,，深度學(xué)習(xí)技術(shù)是智能安防未來發(fā)展的重要領(lǐng)域，存儲容量的巨大需求必須具備可靠,、快速的容量增長技術(shù),，而利用人工智能緩解或者解決這一矛盾，真正讓客戶能夠享受到視頻價值及其附加價值帶來的利潤,，這樣才能保證整個行業(yè)積極向上的發(fā)展趨勢,。

來源：武漢機房監(jiān)控  浙江機房監(jiān)控  http://youring.cn/news/3070.html   本文采集于網(wǎng)絡(luò)，如有問題有聯(lián)系刪除