AI加持下的安防监控智能化展现——EasyGBS/EasyCVR的AI识别

Posted 2022-01-25 TSINGSEE

近几年人工智能得到了空前的发展，主要以完成服务智能、数据共享为主要目标，在服务智能情景下，数据可得性高的行业，人工智能将率先用于解决行业痛点。如安防行业的落地场景就非常多，并爆发大量场景应用(智慧医疗、智慧工地、智慧楼宇、智慧社区及智慧城市等)。

目前，人工智能在安防监控领域的应用，很大程度上体现在提升效率方面，减少大量人工的工作时间和提升工作效率。在人工智能的加持下，我们已经将人防为主的安防监控体系慢慢转变为以预防为主的智能化监控方向发展，因此智能预警功能也是安防行业正在大力发展并持续深挖的方向。

但是如今的智能技术发展已经进入到数据“大爆炸”时代，通过以大数据分析为代表的智能分析技术，实现舆情监控和恶性袭击事件预警。较为典型的有智能交通、智慧城市等应用，平台可自动统计现场人流量或车流情况，当流量超过预设值时即发出报警信号提醒责任方采取限流和管控措施，适用于景区、大型活动的安全管理和城市交通疏导。

智能预警的另一个发展方向是人脸识别、行为识别及分析等，比如有犯罪前科或是有作案动机的特殊目标，公安部门辅以人工智能技术来达到预防潜在犯罪的目的，提高社会的安全性。安防行业作为人工智能技术天然的训练场和应用场，对于人工智能的落地应用有着迫切的需求，基于安防行业的天然属性，识别、分析、提取视频监控画面中人、车、物、环境等各项信息，具体到监控应用中来，AI在视频理解和大数据两方面都有很好的应用。

随着AI深度学习算法的突破，安防领域人脸检测、人脸识别、车牌识别、安全帽识别、物体检测等各项应用也在不断取得新的进展，AI深度智能的效能提升尤为显著，具体表现在：

1.识别类型丰富

只要有足够多的样本进行训练，深度学习能够实现比较精准的目标分类识别、自主特征识别的特点，又让深度学习特别适用于抽象、复杂的关于人的特征、行为的分析领域。

2.准确率高

应用深度学习算法的深度智能设备，可以从原始数据中提取具有高阶语义、表达能力强的特征，这些特征往往使得分类效果更好，从而使得识别分类对象的准确率更高，也就是说深度学习让智能有了质的飞跃。

3. 环境适应性更强

同样是环境特征的提炼，深度学习算法可以自行提取更丰富、更适合的特征参数，从而达到更强的环境适应性。这就意味着，深度学习的产品可以应用到更广泛的环境当中。

现在，EasyNVR/EasyGBS/EasyCVR等安防监控平台均已加入了智能预警功能，并具备了人脸识别、人脸检测、车牌识别与安全帽识别等智能分析能力，保障产品的智能化发展，做到预防、监管及智能化为一体的安防监控管理平台。