从IT时代转入DT时代 安防应该注意的有哪些？

　　“人类正从IT时代DT时代，”2014年三月在举行的一场大数据产业推介会上，阿里巴巴集团创始人马云在主题中发表了他的这一最新观点。这个被视为商界传奇的中国电子商务创始人，同时透露了阿里巴巴未来将加大在无线客户端和大数据平台及人才的投入意向。马云提出，人类已经从IT时代DT时代，IT时代是以控制、管理为主，而DT(Datatechnology)时代，它是以服务大众、激发生产力为主的技术。

　　中国安防行业历经2003年至2013年近十年的飞速发展，基础设施已比较健全，包括前端海量的标清、高清摄像机，后端大规模的视频存储系统，基于视频可视化应用的系统遍地开花，为城市治安及个人生活提供了可靠的安全保障。但这十年的发展，摄像机从标清到高清，从到联网，其使用方式并没有发生明显变化，还是以事后倒查查找线索为主，需要人员快速查看和分析判断，效益低下。轰动一时的周克华案，其视频就耗费了上千警力进行研判分析。用户希望他们几年来建设的大规模视频系统能发挥更大的效能，而不是一堆被周期性循环覆盖的视频记录。用户的新需求，推动了安防行业向DT领域进行探索，通过利用最近几年深度学习、大数据技术的发展，开展视频内容的结构化，累积海量数据，并借用互联网的数据分析思，发展安防行业独有的数据分析能力，这预示着安防行业开始从IT时代转入DT时代。

　　在安防IT时代，当发生事件时，用户直接想到的是确认时间、地点，查看事件周边的视频，通过快速回放发现事件线索或前因后果。而进入安防DT时代，用户可以逐步减少倒查的时间，先通过线索快速查找相似特征，如车辆、人脸等，再根据匹配到的信息去查看对应的短视频，缩短了时间，提升了效率。还可以通过对历史数据的分析，掌握整体态势，根据区域的态势特点合理安排人员及资源。用户由被动变主动，不再局限于事后，已能实现实时告警及事前预警，增加了对风险的防范时间。

　　从安防IT时代跨入安防DT时代，有个关键的变化，那就是视频被结构化了。原始的视频虽然地记录了场景的信息，但这信息太丰富了，难以利用机器进行快速计算。用户对场景的信息其实并不要求面面俱到，其主要的关注对象还是人、车、物、行为这四项，从用户的需求出发，我们利用机器视觉技术，将视频中的关键特征提取出来，对车辆可结构化出车牌、车型、品牌等信息，对人员可结构化出性别、年龄段、是否戴眼镜等信息，对物品可结构化出种类、形状等信息，行为则有跑动、聚集等。将这些结构化信息进行存储，记录采集的时间、地点、抓拍照片、图像特征，为后续查询、分析应用累积数据资源。视频结构化是安防DT时代的基础，通过视频结构化才能把非结构化的视频数据为可分析的特征数据，才能为数据应用提供多种可能。

　　视频结构化的实用，其实得益于安防行业这几年深度学习技术的发展。其最有影响力的突破发生在2012年，海康威视赢得ImageNet图像分类比赛的冠军小组采用的就是深度学习方法，比排名第2采用传统计算机视觉方法、手工设计特征的团队，在准确率方面超过10%以上，引发了深度学习的热潮。这之后，各种训练网络、训练方法如雨后春笋般冒出，并随着GPU芯片的性能提升以及海量样本数据的增加，使得目标检测和、对象识别等算法快速成熟，准确率提升到可实用阶段。海康威视也在尝到技术飞速演化带来的丰硕后，于2015年年初成立海康威视研究院，进一步加码深度学习技术，利用技术进步推动产品创新，并在2015年底推出第一代“猎鹰”产品，基于GPU异构集群开展大规模视频结构化，探索安防DT之。

　　利用“猎鹰”后端产品开展大规模并行分析，相比传统服务器堆叠，节约了机房空间，能效比更高，而其承载的深度学习算法也比传统计算机视觉算法速度更快，准确性更高。对于目前大规模联网视频系统，“猎鹰”只要完成对接，就能源源不断地将实时视频为结构化数据。

　　利用后端进行大规模视频结构化，在短期来看是可行的，但从长期来看，投入产出比较低，用户投入巨大。随着技术的成熟，带GPU或专有芯片的前端摄像机将分担掉主要的智能分析功能，成本逐步下降，这满足了用户大规模视频结构化的成本效率期望。不具备前端智能化能力的摄像机厂商，市场会进一步缩小。平台厂商进一步整合，只留少数自有知识产权、技术能力强的企业。而基于平台、数据的第三方应用开发者会进一步繁荣，针对用户需求开展有针对性的数据分析应用。就以海康威视来说，2015年底推出了后端产品“猎鹰”，随着安防DT时代的发展，在2016年10月份推出前端产品深眸系列智能摄像机，实现从后端产品到前端产品的布局。

　　当然不论是前端还是后端，其对视频进行智能分析的目的还是为了产生海量的结构化数据。有了数据才能进一步加工应用，创造出新的价值。

　　车辆方面，利用车牌信息，可以快速检索车辆轨迹，了解车辆的通行规律。也可快速查找事件发生区域附近的车辆信息，逐步排查可疑线索。对于无牌车辆或频繁换牌车辆，以车搜车技术还能就车辆外观快速查找相似车辆进行线年底，全国机动车保有量达2.9亿辆，私家车总量达1.46亿辆，平均每百户家庭拥有36辆。如此庞大的机动车群体，其每天通行产生海量的轨迹数据，利用大数据技术开展全样本分析，将给用户呈现非常有意义的信息，帮助用户洞察规律。

　　人脸方面，应用主要还是针对室内或行为人较为配合的场景，通过抓拍到的清晰人脸照片，可进行人员信息查询、人员身份鉴别等。以生活小区为例，通过人脸采集，并累计一段时间后，就能自动建立常住人员档案，包括业主、租户、物业管理人员、快递人员等等，对于短暂出入人员及可疑人员，根据其出现的时间、地点，有针对性地设置风险等级，方便管理人员加强管控。这种方式对住户来说侵入式的，不影响住户的正常生活，只是大数据分析技术在现实生活中的具体应用。

　　行为方面，则有别于车辆及人脸，主要是通过对视频内容的分析，提前预判行为动作，向用户提供告警信息，引起最终用户的关注，包括人员跑动、人员聚集等。目前行为方面还是存在一定的复杂性，而基于活动目标数量的分析应用会更有前景一些。

　　单一数据车辆、人脸的应用见效，通过快速部署数据平台，就能实现海量车辆、人脸数据的采集、存储，并提供查询、分析应用。目前这类应用在最终用户侧都取得了不俗的实战效果。但随着用户实战应用的逐步深入，就有点力不从心了，因此随着用户需求的提升，数据应用开始向多数据融合发展。如：车辆信息与驾驶员信息进行绑定，有利于明确主驾人员身份。也可以建立一车多人的群组关系，人员关系网络。从视频中提取的数据，还可以与交通数据、警务数据、城市数据结合，为智能交通、智慧警务、智慧城市服务。车辆通行记录可以作为城市交通流的重要数据来源，反映城市交通拥堵情况，与车载GPS数据、数据一起综合应用，通过疏导，缓解城市交通压力，提升城市交通运输效率。

　　视频结构化需要依靠智能分析技术，而结构化数据的分析应用更离不开智能技术，利用人工智能才能让用户摆脱数据风暴，让数据成为协助用户进行分析决策的基石。

　　人工智能是安防DT时代的用户需求的集中体现，用户对专业化、辅助化的需求一直存在，一个基于海量数据的人工智能专家助手将能把用户从数据海洋中解放出来，让用户更聚焦在核心业务上，为用户提供全面的评估，辅助用户的最终决策。

　　有云计算、大数据、人工智能技术储备的企业将持续获得发展，其他企业只能向产业链末端迁移，通过满足用户个性化需求维持市场。

　　安防行业必须以用户需求为牵引，只有围绕用户需求开展的一切技术创新、应用创新才有生命力，才能繁荣发展。在安防DT时代，一切围绕数据的采集、存储、计算都是基石，都是为用户需求服务，数据的涓涓细流汇聚成溪流、湖泊、大海，并繁衍出多彩的生命，形成繁荣的生态圈。每个企业只要找准自己的，都能获得一片发展的空间。