大华股份潘石柱谈如何“深度见识”

    【CPS中安网 cps.com.cn】2017年3月，“人工智能”首次写进政府工作报告。可以说，人工智能已达到促进经济发展的新高度，多只人工智能概念股在两会期间也表现亮眼。而早在2016年10月中旬，乌镇智库联合网易科技发布了《全球人工智能发展报告(2016)》。报告提到了人工智能将在七大领域率先应用，安防行业赫然在列。

　　然而纵观人工智能60年的发展历史，经历了多次“寒冬”，其中一个很重要的原因就是算法效果和实际使用的差距或神经网络无法继续深入下去。直到深度学习取得突破，直接推动了人工智能的蓬勃发展。深度学习同样在安防行业得到应用，尤其是视频监控领域，如何做到“深度见识”成为安防厂商所要面临的问题。近日，本网记者就有关问题采访到了大华股份先进技术研究院院长潘石柱博士。

　　大华股份先进技术研究院院长潘石柱博士

　　“见”是“识”的先决条件

　　现阶段，我们之所以能够谈数据的提取、谈智能分析，这一切的基础就是高清技术得到了快速发展。如果没有高清，如果我们还是在D1或者是更低的分辨率之下，数据的提取和分析是没有任何意义的，也是没有办法做到的。简言之，连看都看不清，如何“看得懂”、“看得懂”又有什么意义?所以，从D1到720P、1080P再到4K，从CCD到CMOS，从红外补光到星光级技术的发展，这样一个演进的过程，它表面上解决了目标清晰度的问题，但它真正深层次的变化是为我们后面的深度分析做足了铺垫。

　　从“前”到“后”，深度智能贯穿始终

　　当深度学习的算法融合到视频监控系统的前后端，才能真正地说“深度智能”。在这里，前端我们举例简单说明一下，重点说一下后端。

　　前端：在应用层面上，以2016年的G20峰会安保为例，大华提供的诸多监控摄像机，除了能够支持峰会安保需要的绊线入侵、区域入侵、穿越围栏、徘徊检测等诸多智能分析功能外，还支持针对视频监控范围的疑点盲区、重要路线、高密场所、复杂光线等目标区域的300个预置点、自动巡迹、自动巡航等空闲动作，摄像机可按照事先设置好的预置点位进行多条路线的自动巡航监控。巡航监控定位精准无偏差，一旦有目标触发设定的规则，立刻联动报警。

　　后端：在3月7日，大华股份联合NVIDIA发布了一款极高计算性能的智能视频结构化服务器“Deep Sense睿智”系列。这款服务器有两个需要我们注意的地方：一是Tesla P4 GPU，二是结构化分析。

　　Tesla P4 GPU首次在安防行业应用

　　大华的“Deep Sense睿智”系列是全球智能视频分析行业第一个使用Tesla P4 GPU的服务器产品，也是Tesla P4首次应用于智能视频分析行业的推演。

　　在谈Tesla P4之前，我们先来说一说GPU和CPU的区别。由于CPU在图像渲染方面的能力不足，GPU被发明出来分担这部分工作，此后就成了专门搞这方面的硬件。所以，有了上千个并行的计算核心，GPU能高效地处理让CPU十分吃力的任务。GPU的强大性能，不只来源于增加的核心数量，还必须有更快的内存相配合才能发挥。今天，GPU的内存带宽相比CPU已经有数量级上的领先，这使得GPU在处理和读取数据上都有巨大优势。

　　所以，Tesla P4具备了一般GPU都有的特性。除此之外，Tesla P4外形小巧，功耗极低，初始功率只有50瓦特，处理推理应用的能效比与CPU相比提高了40倍。这也促使“睿智”系列能够同时对多达192路的高清视频流进行实时解码和分析。同时，对于视频推理的工作负载，一台配备单个Tesla P4 GPU的服务器可以取代13 台CPU服务器，因此，从商业价值上来说，Tesla P4让总体拥有成本(包括服务器成本和电力成本)节省了超过800%。

　　视频结构化成为趋势

　　据潘石柱博士介绍，“睿智”服务器把实时视频进行结构化分析后，能将复杂场景中的人、机动车、非机动车分离，全方位提取车辆特征，如车牌号码识别、主副驾驶是否系安全带、是否打电话、有无遮阳板、有无年检标、有无挂坠、有无纸巾盒;针对行人，“睿智”服务器可以多方面分析其相关特征，包括性别、表情、年龄段、服饰特征(上下衣着颜色、眼镜)、携带物特征(背包、打伞)、运动特征等。

　　经过结构化处理之后的视频数据，可以进行长期保存，用户按照寻找目标的特征，对人、机动车、非机动车的各种特征条件进行组合筛选，快速精确检索目标，提高查询效率。

　　由此，我们也可以清楚看到结构化处理所带来的优势：

　　首先，是视频查找速度得到极大的提升。视频结构化之后，从百万级的目标库中(对应成千上万小时的高清视频)查找某张截图上的行人嫌疑目标，数秒即可完成;千万级目标的库中查找，几分钟即可完成(如果实现云化，速度会更快)。在结构化基础上进行检索查询，可以解决快速目标查找问题。

　　其次，是存储容量极大的降低，经过结构化后的视频，存储人的结构化检索信息和目标数据不到视频数据量的2%;对于车辆，不到1%;对于行为降得更多。存储容量极大地降低，可以解决有效视频长期存储的问题。

　　最后，视频结构化可以盘活视频数据，可作为大数据挖掘的基础，视频经过结构化处理后，存入相应的结构化数据仓库，对各类的数据仓库可以进行深度的数据挖掘，充分发挥大数据作用，提升视频数据的应用价值，提高视频数据的分析和预测功能。

　　总之，无论是芯片还是视频结构化，都是为了给视频数据的智能化提供强有力的支持，从而真正实现大数据的价值，使主动式防控系统成为可能。