謝金萍+陳曉平

2016年8月，歷時(shí)28年的甘肅白銀連環(huán)殺人案告破，利用指紋和DNA深入偵查，警方最終確定犯罪嫌疑人高承勇，在白銀市將其抓獲，大快人心。

1988年至2002年，共犯下11宗強(qiáng)奸殺人案，過(guò)去20多年，為何遲遲未破案？公眾討論反復(fù)提及的一大原因，即是缺乏監(jiān)控錄像。從 1990 年代中期開(kāi)始，視頻監(jiān)控應(yīng)用才在大城市開(kāi)始起步，2002年前的小城白銀，未有完善的視頻監(jiān)控系統(tǒng)，影響了案件的偵破進(jìn)展。

試想一下，如果20多年前即擁有現(xiàn)在的視頻偵查技術(shù)，或許能阻止白銀悲劇的發(fā)生，而站在現(xiàn)在的技術(shù)起點(diǎn)上，視頻監(jiān)控技術(shù)正處于一個(gè)質(zhì)變的前夜，未來(lái)發(fā)展充滿想象、機(jī)會(huì)以及潛藏的威脅。

2008年有部好萊塢電影《鷹眼》，描述大數(shù)據(jù)技術(shù)運(yùn)用于視頻監(jiān)控，可從海量影像中捕捉既定目標(biāo)，而個(gè)人在遍布的攝像頭前無(wú)從遁形，已不再是科幻故事。如今，以深度學(xué)習(xí)技術(shù)為代表的人工智能正開(kāi)始滲透至視頻監(jiān)控領(lǐng)域，可以更快、更準(zhǔn)確地識(shí)別、跟蹤、檢索海量視頻中的信息內(nèi)容，多家安防廠商正投入大量資金，不遺余力研發(fā)“視頻智能化”相關(guān)的技術(shù)和產(chǎn)品，部分產(chǎn)品在2017年即可實(shí)現(xiàn)商業(yè)化應(yīng)用。

可檢索、可追溯、可自動(dòng)分析、可深度挖掘的視頻智能化，正成為現(xiàn)實(shí)，以后，只要一張身份證，即可快速檢索其在攝像頭留存的影像，分析其行動(dòng)軌跡。無(wú)疑，這將創(chuàng)造巨大的社會(huì)價(jià)值和商業(yè)價(jià)值，但是，每個(gè)人一定更加安全嗎？

第四類偵查

2004年，中國(guó)政府提出建設(shè)“平安城市”，在這一綜合性的管理系統(tǒng)中，視頻監(jiān)控扮演著關(guān)鍵的角色，公共場(chǎng)所的攝像頭數(shù)量開(kāi)始迅速增長(zhǎng)。

東方網(wǎng)力總經(jīng)理趙永軍告訴《二十一世紀(jì)商業(yè)評(píng)論》（下稱《21CBR》）記者，視頻監(jiān)控管理系統(tǒng)可分三大部分：第一部分為攝像頭，在前段采集信息，記錄圖像、視頻，實(shí)現(xiàn)內(nèi)容可視化；第二部分是聯(lián)網(wǎng)，借助運(yùn)營(yíng)商網(wǎng)絡(luò)傳輸回后臺(tái)各級(jí)指揮中心；第三部分為系統(tǒng)管理平臺(tái)，其存儲(chǔ)、分析傳輸回來(lái)的視頻信息。

其中，內(nèi)容可視化、視頻聯(lián)網(wǎng)，只是基本的要求，市政管理部門(mén)真正關(guān)心的是視頻內(nèi)容及其延伸價(jià)值。而核心的信息內(nèi)容，不外乎是人、車、物，如何將這些關(guān)鍵信息提煉出來(lái)并進(jìn)行分析，成為迫切需求。

“公安等部門(mén)要提取視頻中成千上萬(wàn)的人、車、物等數(shù)據(jù)信息，大數(shù)據(jù)、云計(jì)算、云儲(chǔ)存等新技術(shù)開(kāi)始廣泛應(yīng)用于視頻監(jiān)控領(lǐng)域。”趙永軍解釋說(shuō)，將視頻應(yīng)用與使用者的具體業(yè)務(wù)結(jié)合起來(lái)，出現(xiàn)了視頻監(jiān)控管理平臺(tái)（View Management System，簡(jiǎn)稱VMS）的概念。

東方網(wǎng)力成立于2000年，一直專注VMS的開(kāi)發(fā)與研究，在VMS全球市場(chǎng)占有率中排名第三，現(xiàn)在市值約為200億元人民幣，以其2015年的“視云天下”產(chǎn)品為例，由視云聯(lián)網(wǎng)、視云圖偵、視云實(shí)戰(zhàn)、視云大數(shù)據(jù)等產(chǎn)品線構(gòu)成，前端聯(lián)網(wǎng)各種各樣的攝象頭后，即可形成一個(gè)統(tǒng)一的大規(guī)模資源管理系統(tǒng)。

對(duì)于視頻信息內(nèi)容的管理、檢索和分析，公安部門(mén)的需求尤其旺盛，并形成了一整套的案件偵破方式，比如，針對(duì)攀爬入室盜竊的案件，基于視頻分析可大大提升偵破的效率。2009 年后，公安部明確提出，圖偵（視頻圖像偵查）成為繼技偵、刑偵、網(wǎng)偵之后的第四大偵查技術(shù)。

遍布的攝像頭，降低了犯罪率，提高了破案率。以福建莆田為例，公開(kāi)的數(shù)據(jù)披露，2011年以來(lái)，莆田市公安機(jī)關(guān)全面推進(jìn)視頻監(jiān)控系統(tǒng)建設(shè)，截至2014年底，共建聯(lián)網(wǎng)視頻探頭30337個(gè)，主要城區(qū)視頻覆蓋率均達(dá)90%以上。同期，110報(bào)警服務(wù)平臺(tái)中接報(bào)的“兩搶”案件，從2011年的905起降至2014年的323起，降幅達(dá)64.31%；莆田市利用視頻破獲各類案件4955起，“由像到人”的視頻破案成其公安機(jī)關(guān)最主要的破案手段之一。

政府部門(mén)高度重視視頻監(jiān)控，但是，囿于傳統(tǒng)分析技術(shù)的局限，大量工作只能依賴人工進(jìn)行，也使其在案件追蹤過(guò)程中吃盡苦頭。

以2012年震驚全國(guó)的周克華案件為例，為追蹤他的逃亡行蹤，公安部門(mén)曾安排近1400人觀看可能有其行藏的相關(guān)視頻。彼時(shí)，視頻監(jiān)控技術(shù)尚未成熟，關(guān)鍵信息的提取和分析只能采用人工觀看、排查的方式。而相關(guān)視頻總量大體相當(dāng)于500萬(wàn)部高清電影的體量，1000多人觀看了整整一個(gè)多月，而挖掘出來(lái)的線索卻非常有限。

人工處理效率較低，尤其人眼睛長(zhǎng)時(shí)間盯著屏幕，大約每隔15-16 分鐘即會(huì)視覺(jué)疲勞，所追蹤的線索，可能在眼睛一睜一閉之間即錯(cuò)過(guò)。如何處理大量視頻數(shù)據(jù)，將視頻的元素提煉出來(lái)，進(jìn)行結(jié)構(gòu)化處理，成為其亟待解決的痛點(diǎn)。

當(dāng)前針對(duì)海量視頻信息內(nèi)容的篩選，一種解決方案是“視頻摘要”技術(shù)（即視頻濃縮）。商湯科技主任研發(fā)工程師閆俊杰博士告訴《21CBR》記者，這種技術(shù)主要依賴背景建模和圖片拼接兩項(xiàng)技術(shù)完成，其原理是先通過(guò)對(duì)視頻的分析，提取運(yùn)動(dòng)目標(biāo)，然后對(duì)各個(gè)目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行分析，將不同的目標(biāo)拼接到一個(gè)共同的背景場(chǎng)景中，以某種方式進(jìn)行組合。

視頻摘要技術(shù)分為動(dòng)態(tài)和靜態(tài)兩類。前者指的是，在不動(dòng)的場(chǎng)景下，將不同時(shí)間內(nèi)出現(xiàn)的運(yùn)動(dòng)物體提取出來(lái)，疊加在同一個(gè)場(chǎng)景中，提高尋找目標(biāo)的速度。比如，一段視頻中，一位穿紅色衣服的女性是關(guān)注對(duì)象，可用鼠標(biāo)鎖定此人，雙擊即能切換到其現(xiàn)身的原始畫(huà)面；后者則是進(jìn)行鏡頭探測(cè)、關(guān)鍵幀提取、場(chǎng)景聚類等一系列操作，從原始視頻中剪取生成的一系列靜止圖像的集合，最終生成具有代表性的關(guān)鍵幀序列或縮略視頻。

這種摘要技術(shù)的出現(xiàn)，極大提高了工作效率，比如，一段24小時(shí)不間斷的視頻內(nèi)容，可以此進(jìn)行關(guān)鍵信息濃縮，處理成數(shù)小時(shí)甚至30分鐘，便于快速觀看。

閆俊杰告訴《21CBR》記者，雖然視頻摘要技術(shù)提高了處理速度，但是由于背景建模不是很穩(wěn)定，比如在風(fēng)吹動(dòng)樹(shù)這種比較明顯的動(dòng)態(tài)場(chǎng)景下，或是比較擁擠的場(chǎng)景下對(duì)于擁擠物體的區(qū)分，背景建模容易失效。另外，視頻摘要一般需要離線處理，視頻素材的存儲(chǔ)空間需求更大，也缺乏實(shí)時(shí)性，而且大量工作仍然要依靠人工處理。

人會(huì)疲勞，會(huì)犯錯(cuò)，但是機(jī)器不會(huì)，那么，有沒(méi)有更加智能化的技術(shù)呢？

解構(gòu)視頻

更徹底的視頻分析解決方案，即使以人工智能的方式，實(shí)現(xiàn)視頻結(jié)構(gòu)化。

“視頻結(jié)構(gòu)化是將傳統(tǒng)的基于人力查看的視頻監(jiān)控系統(tǒng)，提升成基于智能搜索、主動(dòng)分析、綜合服務(wù)的視頻大數(shù)據(jù)智能平臺(tái)的關(guān)鍵?！鄙虦萍糃EO徐立告訴《21CBR》記者，結(jié)構(gòu)化具有三個(gè)重要意義：對(duì)視頻內(nèi)容提取關(guān)鍵信息進(jìn)行存儲(chǔ)，基于語(yǔ)義進(jìn)行自動(dòng)檢索，未來(lái)更高層級(jí)的搜索以及大數(shù)據(jù)分析和挖掘。

具體來(lái)說(shuō)，即是針對(duì)感興趣的目標(biāo)、物體（包括人、車、非機(jī)動(dòng)車、路牌等），可由人工大腦自動(dòng)逐一檢測(cè)出來(lái)，進(jìn)行跟蹤，厘清其屬性。比如，具體到一個(gè)人，分析包含年齡、性別、衣著、手提物品等各式各樣類型的屬性；車可以包含車牌、車型、顏色等一系列的屬性。確定屬性后，使用者即可進(jìn)行功能性搜索，比如以圖搜圖或者文字搜索，在海量的視頻信息中找到具體目標(biāo)。

假設(shè)這樣一個(gè)場(chǎng)景，110接到一個(gè)電話報(bào)警，“在一個(gè)十字街口看到有一輛藍(lán)色的凌志車，撞上了一輛黑色的寶馬”，若在傳統(tǒng)場(chǎng)景，具體哪個(gè)十字街口說(shuō)不清，要在海量數(shù)據(jù)中搜索這樣一段視頻非常困難。若進(jìn)行結(jié)構(gòu)化后，即可利用關(guān)聯(lián)字——藍(lán)色的凌志、黑色的寶馬，以及十字路口，將相關(guān)的視頻內(nèi)容檢索出來(lái)。

再者，無(wú)論存儲(chǔ)在云端或是本地計(jì)算機(jī)，傳統(tǒng)的視頻存儲(chǔ)量一直是一個(gè)問(wèn)題。尤其2013年，中國(guó)開(kāi)始實(shí)行智慧城市建設(shè)，攝像頭越來(lái)越高清，視頻的數(shù)據(jù)體量越來(lái)越大，存儲(chǔ)成為重要瓶頸。而若白銀案這種連續(xù)多年的案件，長(zhǎng)時(shí)段視頻存儲(chǔ)對(duì)于案件偵破至關(guān)重要。

而一旦形成視頻的結(jié)構(gòu)化，即可只存儲(chǔ)視頻中的有效內(nèi)容，比如集中在人、車、物，這樣大大便利于信息的檢索。而且，同一段視頻內(nèi)容，各不同部門(mén)可各自所需，例如交警部門(mén)感興趣的，主要是視頻中的車和非機(jī)動(dòng)車等信息數(shù)據(jù)。

如此一來(lái)，可大量去除沒(méi)有意義的視頻內(nèi)容，設(shè)定關(guān)鍵信息的屬性，進(jìn)行高度壓縮的存儲(chǔ)，“有可能120G的視頻，一些部門(mén)需要的信息，可以壓縮到幾K，”徐立說(shuō)，這樣關(guān)鍵信息將得到永久性的保存。比如白銀案，當(dāng)時(shí)若能實(shí)現(xiàn)監(jiān)控且儲(chǔ)存結(jié)構(gòu)化信息，那么，一檢索作案時(shí)段犯罪現(xiàn)場(chǎng)的人員往來(lái)關(guān)鍵信息，在多個(gè)場(chǎng)合同時(shí)出現(xiàn)的犯罪嫌疑人很可能會(huì)被鎖定，案件偵破可能相對(duì)容易很多。

問(wèn)題是，如何進(jìn)行視頻結(jié)構(gòu)化呢？

閆俊杰解釋說(shuō)，對(duì)視頻進(jìn)行結(jié)構(gòu)化數(shù)據(jù)處理的技術(shù)難點(diǎn)在于，一是如何解決視頻處理量比較大的問(wèn)題；二是屬性識(shí)別的提升、準(zhǔn)確率的提升，以及如何覆蓋更多的場(chǎng)景（比如晴天、陰天）。解決方案涉及時(shí)下流行的一個(gè)熱詞，深度學(xué)習(xí)技術(shù)。

長(zhǎng)期以來(lái)，計(jì)算機(jī)遭遇這樣的尷尬，數(shù)量計(jì)算這種人類看似困難的事處理起來(lái)非常簡(jiǎn)單，而如人臉識(shí)別這樣看似容易的事卻非常費(fèi)勁，因?yàn)橛?jì)算機(jī)不同于人腦，比如在識(shí)別圖片時(shí)，其看到的只能是數(shù)字，它必須能捕捉這些數(shù)字，再識(shí)別圖片究竟是什么，這牽扯非常復(fù)雜的算法。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，可模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)，例如圖像、聲音和文本。

深度學(xué)習(xí)的技術(shù)淵源可追溯至上世紀(jì)80年代，只是囿于當(dāng)時(shí)的數(shù)據(jù)量和計(jì)算能力，一直沒(méi)有得到重視，直到21世紀(jì)后，重新為學(xué)術(shù)界所關(guān)注。微軟人工智能首席科學(xué)家鄧力（Li Deng）曾在2009-2010年間與其合作者開(kāi)發(fā)了一套算法，就將語(yǔ)音識(shí)別的準(zhǔn)確率提高到一個(gè)新量級(jí)，“當(dāng)時(shí)引爆了學(xué)術(shù)界，深度學(xué)習(xí)馬上成為大熱點(diǎn)，”徐立說(shuō)，“大量研究開(kāi)始朝著深度學(xué)習(xí)方向迅猛推進(jìn)，技術(shù)應(yīng)用不斷拓展，計(jì)算準(zhǔn)確率大幅度提升。”

近年來(lái)，深度學(xué)習(xí)廣泛應(yīng)用于三大領(lǐng)域：語(yǔ)音識(shí)別、自然語(yǔ)言處理（比如“微軟小冰”）以及計(jì)算機(jī)視覺(jué)（比如人臉識(shí)別）。AlphaGo的底層技術(shù)同樣是深度學(xué)習(xí)，這已成為計(jì)算機(jī)領(lǐng)域的顯學(xué)。

徐立之所以選擇創(chuàng)業(yè)，一個(gè)誘因是，當(dāng)年在香港中文大學(xué)從事圖像處理研究時(shí)，香港警方主動(dòng)上門(mén)，他們有一些逃逸車輛視頻，車子開(kāi)太快，識(shí)別不清，要求用技術(shù)方式復(fù)原車輛的信息，警方對(duì)成果非常滿意，付錢買單了，“當(dāng)時(shí)我們開(kāi)始意識(shí)到，計(jì)算機(jī)視覺(jué)的學(xué)術(shù)研究已經(jīng)能夠轉(zhuǎn)換為工業(yè)應(yīng)用了。”徐立說(shuō)。

計(jì)算機(jī)視覺(jué)大體可分為三個(gè)層次：圖像處理、模式識(shí)別和圖像理解。而視頻是連續(xù)的圖像，比靜態(tài)圖像中的物體檢測(cè)復(fù)雜度更高。據(jù)閆俊杰介紹，基于深度學(xué)習(xí)的視頻識(shí)別技術(shù)是以圖像識(shí)別作為基礎(chǔ)，就是在圖像識(shí)別檢測(cè)、比對(duì)、分類的基礎(chǔ)上，結(jié)合了比如選幀、多幀融合、時(shí)序預(yù)測(cè)、質(zhì)量評(píng)估等多種需要和視頻融合的方式。

“計(jì)算機(jī)視覺(jué)用于視頻結(jié)構(gòu)化，一個(gè)技術(shù)成熟的標(biāo)志在于可被拿出來(lái)進(jìn)行競(jìng)賽?！毙炝⒄f(shuō)。他指的是ImageNet競(jìng)賽，這是人工智能領(lǐng)域的權(quán)威競(jìng)技場(chǎng)。2015年，ImageNet競(jìng)賽新增一項(xiàng)視頻物體檢測(cè)的任務(wù)。

在該項(xiàng)新任務(wù)的比拼中，賽事主辦方選擇了30個(gè)類別的物體，商湯科技聯(lián)合香港中文大學(xué)多媒體實(shí)驗(yàn)室組成的團(tuán)隊(duì)，在28個(gè)類別中準(zhǔn)確率最高，第二名只贏了兩個(gè)；商湯科技整體62%的準(zhǔn)確率，也高于第二名51%的準(zhǔn)確率，最終以11%的壓倒性優(yōu)勢(shì)領(lǐng)先并奪冠。值得注意的是，國(guó)內(nèi)最大的監(jiān)控產(chǎn)品供應(yīng)商?？低曇步M隊(duì)參與了ImageNet競(jìng)賽。

東方網(wǎng)力一名技術(shù)工程師向《21CBR》記者解釋，傳統(tǒng)的視頻分析方法依賴于人工構(gòu)建的特征，而深度學(xué)習(xí)技術(shù)則是由算法從數(shù)據(jù)中去學(xué)習(xí)特征，特征的魯棒性（指控制系統(tǒng)在一定的參數(shù)攝動(dòng)下，維持其它某些性能的特性）、泛化能力優(yōu)于傳統(tǒng)方法?；贕PU的深度學(xué)習(xí)，在實(shí)際應(yīng)用中，其并發(fā)處理量和處理速度等性能上，都有明顯優(yōu)勢(shì)。

趙永軍評(píng)價(jià)，這些學(xué)術(shù)成果對(duì)于視頻應(yīng)用，是一種技術(shù)性的“突破”，“深度學(xué)習(xí)技術(shù)引入到了視頻的智能化應(yīng)用，實(shí)際上可以理解為讓計(jì)算機(jī)有了思維，讓計(jì)算機(jī)有了思想?！?/p>

需求強(qiáng)勁

作為一家技術(shù)公司，商湯科技在上游擁有技術(shù)資源，需要拓展應(yīng)用場(chǎng)景，而東方網(wǎng)力在行業(yè)內(nèi)有非常強(qiáng)的客戶資源，尋找核心算法能力?！皷|方網(wǎng)力在視頻連接、平臺(tái)技術(shù)等方面有技術(shù)儲(chǔ)備，我們的核心能力是在海量視頻中去捕捉需要的信息?！毙炝⒔忉屨f(shuō)。兩家公司一拍即合，2015年，雙方成立合資公司。

視頻結(jié)構(gòu)化的第一目標(biāo)要素是人，而合作已經(jīng)有實(shí)質(zhì)性的成果。

趙永軍向《21CBR》記者舉例，東方網(wǎng)力曾與某省公安廳在火車站進(jìn)行人臉對(duì)比的數(shù)據(jù)測(cè)試，選擇13路視頻監(jiān)控，即13個(gè)場(chǎng)景，在車站內(nèi)正常流動(dòng)的環(huán)境組織內(nèi)，每天會(huì)組織30個(gè)人，都分別在這13個(gè)場(chǎng)景下行走一遍，這樣要找的目標(biāo)就是30×13=390人次，在無(wú)意識(shí)、不配合的情況下，比對(duì)后臺(tái)的人口數(shù)據(jù)庫(kù)，基本每天能找到當(dāng)中的280～330人。

除了準(zhǔn)確率，誤報(bào)率也是一個(gè)重要的指標(biāo)，一套系統(tǒng)如果總是報(bào)錯(cuò)的話，就失去了使用價(jià)值。徐立表示，人臉識(shí)別技術(shù)在很長(zhǎng)的范圍時(shí)間內(nèi)，之所以沒(méi)能在公安部門(mén)等運(yùn)用起來(lái)，就是早期誤報(bào)率太大，對(duì)工作反而形成干擾，“要在公安部門(mén)中使用人臉識(shí)別技術(shù)，一方面要求真正抓取技術(shù)準(zhǔn)確率要提高，另一個(gè)是誤報(bào)率要很小才行。”據(jù)趙永軍介紹，上述的火車站測(cè)試，誤報(bào)的數(shù)量基本在10個(gè)以下，這意味著技術(shù)已經(jīng)有實(shí)用價(jià)值。

目前，在對(duì)象處于靜態(tài)并主動(dòng)配合下，人臉識(shí)別技術(shù)準(zhǔn)確率高達(dá)95%以上，在實(shí)際應(yīng)用的監(jiān)控視頻中，目標(biāo)人物處于無(wú)意識(shí)、非主動(dòng)的狀態(tài)，所提取出來(lái)的人臉往往難以識(shí)別，某些特別復(fù)雜的場(chǎng)景下，準(zhǔn)確率可能只有40%-50%，這是視頻技術(shù)應(yīng)用的一大瓶頸。不過(guò)，從動(dòng)態(tài)視頻中進(jìn)行人臉識(shí)別的技術(shù)難題也已實(shí)現(xiàn)突破。

據(jù)徐立介紹，市面上流行兩種類型攝像機(jī)設(shè)備，槍機(jī)高清攝像機(jī)，可提供相當(dāng)于4K的畫(huà)面；另外一種是球機(jī)，可視作是長(zhǎng)焦鏡頭。在視頻提取時(shí)，之前往往遇到這樣的困境，槍機(jī)攝像機(jī)200米開(kāi)外的事物往往是看不清楚的，如果用球機(jī)變焦，又只能看到局部，無(wú)法看到全部。那么，全部場(chǎng)景提取和局部清晰變焦如何才能兼得呢？

利用人工智能技術(shù)，就可實(shí)現(xiàn)“槍球聯(lián)動(dòng)”，就是用槍機(jī)去提取所有的場(chǎng)景，其中檢測(cè)出來(lái)感興趣的關(guān)鍵信息，借助算法控制，用球機(jī)一個(gè)個(gè)進(jìn)行變焦掃描，進(jìn)行車型檢測(cè)、人臉識(shí)別對(duì)比。

2016年4月，商湯科技宣布并購(gòu)新舟銳視，后者創(chuàng)立于2011年，是一家從事制作硬件的科技公司，核心產(chǎn)品是智能攝像頭長(zhǎng)焦聯(lián)盟機(jī)，并成立“商周銳視”，這家公司融合了商湯在軟件和算法方面的領(lǐng)先優(yōu)勢(shì)，以及新舟銳視在硬件及市場(chǎng)拓展方面的成熟經(jīng)驗(yàn)，力求構(gòu)建擁有計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)原創(chuàng)技術(shù)的領(lǐng)先智能安防平臺(tái)，并已經(jīng)推出了“多目標(biāo)智能跟蹤一體機(jī)監(jiān)控平臺(tái)”。

不僅是人臉識(shí)別，實(shí)現(xiàn)數(shù)據(jù)結(jié)構(gòu)化之后，可以實(shí)現(xiàn)更多的智能應(yīng)用。

以傳統(tǒng)的車輛智能監(jiān)測(cè)記錄系統(tǒng)（俗稱“卡口系統(tǒng)”）為例，它是視頻監(jiān)控中的一種核心應(yīng)用，主要面向交通管理，現(xiàn)有系統(tǒng)中，通過(guò)以車牌為核心，用于提取車牌信息。實(shí)際上，對(duì)于視頻內(nèi)容而言，大量有效信息卡口系統(tǒng)并沒(méi)有提取出來(lái)，比如車的類別、車型大小、車身顏色，但是，借助數(shù)據(jù)結(jié)構(gòu)化就能有效提取所有相關(guān)信息，比如，通過(guò)卡口的車，可以具體到現(xiàn)代汽車品牌、伊蘭特系列2007年款。

查處“套牌”是交通部門(mén)的一項(xiàng)常規(guī)工作，傳統(tǒng)的套牌分析方式，是通過(guò)視頻監(jiān)控，利用時(shí)間、空間分析兩個(gè)車牌不可能同時(shí)出現(xiàn)在不同的地點(diǎn)，才判定它是套牌，非常復(fù)雜，現(xiàn)在則不同，“汽車的各種特征都成為數(shù)據(jù)，一個(gè)車牌所對(duì)應(yīng)的汽車特征都有數(shù)據(jù)，針對(duì)這個(gè)車的不同特征提取，以判斷是否數(shù)據(jù)套牌，這樣會(huì)簡(jiǎn)化很多?！壁w永軍說(shuō)。

在偵破案件時(shí)，這種車輛信息的作用更大。因?yàn)楹芏喟讣际菆F(tuán)體作案，幾輛車協(xié)同進(jìn)行，那么，如何通過(guò)一輛車去判斷另一輛車，以確定兩者之間存在協(xié)同關(guān)系嫌疑？這些都可以通過(guò)分析車輛的運(yùn)行軌跡、其常落腳點(diǎn)以及時(shí)間等數(shù)據(jù)，得出正確的結(jié)論。甚至在一個(gè)小區(qū)內(nèi)，哪些車輛經(jīng)常出現(xiàn)、哪些比較陌生、哪些是第一次出現(xiàn)，均可以分析出來(lái)。

在視頻監(jiān)控領(lǐng)域，商湯科技形成了以深度學(xué)習(xí)為核心技術(shù)的三大技術(shù)產(chǎn)品形態(tài)，除了人臉布控系統(tǒng)和視頻結(jié)構(gòu)化系統(tǒng)，還開(kāi)發(fā)了一套智能人群行為分析系統(tǒng)（SenseCrowd），該系統(tǒng)適用于大量人群的行為分析和管理，通過(guò)統(tǒng)計(jì)場(chǎng)景內(nèi)的人數(shù)、跟蹤人群的移動(dòng)速度和方向、異常行為分析等，進(jìn)行實(shí)時(shí)人群監(jiān)測(cè)，并對(duì)人群過(guò)密、異常聚集、滯留、逆行、奔跑等多種異常狀態(tài)，進(jìn)行智能預(yù)警。利用這種系統(tǒng)，2015年元旦上海的踩踏事故，就有可能避免。

趙永軍表示，視頻監(jiān)控行業(yè)現(xiàn)對(duì)深度學(xué)習(xí)的應(yīng)用需求非常強(qiáng)勁，“深度學(xué)習(xí)技術(shù)是近些年剛剛引入的技術(shù)，在行業(yè)內(nèi)，對(duì)深度學(xué)習(xí)反應(yīng)程度之熱烈，大大地超出了我們意料，”趙永軍說(shuō)，東方網(wǎng)力現(xiàn)在各個(gè)項(xiàng)目中，向潛在客戶進(jìn)行演示和人臉測(cè)試的高端服務(wù)器，就有數(shù)百臺(tái)之多。

徐立告訴《21CBR》記者，深度學(xué)習(xí)技術(shù)在視頻的大規(guī)模商業(yè)化才剛剛開(kāi)始，行業(yè)內(nèi)一般是第一年看演示、做預(yù)算，第二年進(jìn)行項(xiàng)目實(shí)施，現(xiàn)在是未實(shí)施先火，是因?yàn)樗腥硕挤浅？春迷摷夹g(shù)在行業(yè)內(nèi)的應(yīng)用，產(chǎn)生大量新的需求，“今年，交通、安防、公安、樓宇安全等行業(yè)都提出了很多需求，有很多人看過(guò)項(xiàng)目演示，預(yù)計(jì)明年的話，各行業(yè)的需求會(huì)更多，最終形成一個(gè)較大市場(chǎng)的規(guī)模?！?/p>

更重要的是，傳統(tǒng)的分析方法在數(shù)據(jù)達(dá)到一個(gè)量級(jí)后，性能提升曲線會(huì)變得非常平緩；而深度學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)式訓(xùn)練模式，將突破這個(gè)瓶頸，在更大量級(jí)的訓(xùn)練數(shù)據(jù)上，仍能保持非常高的性能提升幅度。這意味著，隨著各垂直領(lǐng)域擁有的數(shù)據(jù)量越來(lái)越多，未來(lái)，算法所展現(xiàn)的結(jié)果將越來(lái)越準(zhǔn)確。

監(jiān)控升級(jí)

視頻監(jiān)控系統(tǒng)以攝像頭為前端，攝像頭是固定的，也可以是移動(dòng)的。

安防機(jī)器人便可視作一種“移動(dòng)的攝像頭”，是視頻監(jiān)控系統(tǒng)的延伸。東方網(wǎng)力就正在拓展安防機(jī)器人領(lǐng)域，參股了美國(guó)的安防機(jī)器人公司Knightscope。

Knightscope成立于2013年4月，創(chuàng)始團(tuán)隊(duì)來(lái)自于世界知名機(jī)器人公司，具有超過(guò)10年多年機(jī)器人研發(fā)、生產(chǎn)的豐富經(jīng)驗(yàn)，該公司通過(guò)融合音視頻、室外定位、避障等傳感器技術(shù)、物聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)技術(shù)以及機(jī)器人技術(shù)，開(kāi)發(fā)可在公共場(chǎng)所采集數(shù)據(jù)和執(zhí)行任務(wù)的安全警衛(wèi)機(jī)器人，以達(dá)到減少和預(yù)防犯罪的目的。目前，Knightscope已研發(fā)出兩款機(jī)器人K5和K10，并為客戶提供機(jī)器人安保服務(wù)工作。

趙永軍第一次見(jiàn)到Knightscope的機(jī)器人，便留下了深刻的印象?！?.5米高，300磅重，儼然大漢的模樣，在面前停下來(lái)，頭部360度高清攝像頭對(duì)我掃描了一邊，還有激光掃描進(jìn)行身份識(shí)別，傳送給后臺(tái)指揮中心。”

當(dāng)時(shí)，趙永軍是由美國(guó)總經(jīng)理帶領(lǐng)參觀的，一行四人，第二天，機(jī)器人就向指揮中心發(fā)了評(píng)估報(bào)告，記錄了四人的來(lái)訪時(shí)間，其中兩人的身份由于后臺(tái)系統(tǒng)有存儲(chǔ)而被識(shí)別，趙永軍成為最受懷疑的對(duì)象，因?yàn)樗傇跈C(jī)器人身邊轉(zhuǎn)來(lái)轉(zhuǎn)去，研究他們；而當(dāng)機(jī)器人的電量低到一定程度的時(shí)候，會(huì)自動(dòng)回到充電處續(xù)能。

趙永軍告訴《21CBR》記者，現(xiàn)在美國(guó)硅谷一些社區(qū)中，已使用安防機(jī)器人進(jìn)行巡邏，“（機(jī)器人）起到了威懾作用，同時(shí)，在巡邏過(guò)程中也進(jìn)行視頻內(nèi)容的采集，傳輸給指揮中心以判斷是否為異常情況，如果有警情的話，這就是一個(gè)移動(dòng)警報(bào)。”東方網(wǎng)力準(zhǔn)備在2017年，將這種安防機(jī)器人引入中國(guó)。

美劇《疑犯追蹤》曾虛構(gòu)了這樣的場(chǎng)景：“9.11”事件后，為了防止悲劇再次發(fā)生，在政府的支持下研究出一個(gè)人工智能系統(tǒng)，它連接了國(guó)內(nèi)所有攝像頭，通過(guò)抓取所有人的行為進(jìn)行分析、推薦，包括其過(guò)去的所有數(shù)據(jù)，進(jìn)行分析，系統(tǒng)變得比人腦還深不可測(cè)，能夠準(zhǔn)確地預(yù)測(cè)犯罪嫌疑人的下一步動(dòng)作，以最快的速度調(diào)動(dòng)一切安全部門(mén)、警察局資源，在犯罪發(fā)生前趕到現(xiàn)場(chǎng)，阻止悲劇發(fā)生。

攝像頭一直存在，只是過(guò)往沒(méi)有能力將其整合起來(lái)，但是，借助人工智能，這些離散的視頻將很快可以將一個(gè)人的軌跡勾勒出來(lái)，無(wú)論是否自愿，一個(gè)現(xiàn)代人恐怕已真的無(wú)所遁形。

對(duì)于常年浸潤(rùn)在安保行業(yè)的趙永軍而言，這一切并非完全不可能，很多技術(shù)正逐漸成為了現(xiàn)實(shí)，“未來(lái)的終極目標(biāo)，一定可以做到這樣的程度，經(jīng)過(guò)授權(quán)的執(zhí)法人員，他可以知道具體某個(gè)人每時(shí)每刻在哪里，這就是一個(gè)時(shí)間的問(wèn)題?！毙炝⒁脖硎荆曨l智能化已經(jīng)到了一個(gè)相對(duì)較成熟的階段，“不僅是安防領(lǐng)域，視頻的數(shù)據(jù)結(jié)構(gòu)化接下來(lái)會(huì)大量運(yùn)用各行業(yè)，數(shù)據(jù)結(jié)構(gòu)化之后，還會(huì)催生更多的是智能應(yīng)用。”

可以預(yù)見(jiàn)，這種技術(shù)的進(jìn)步將大大推動(dòng)監(jiān)控力量的擴(kuò)張?，F(xiàn)代社會(huì)，犯罪、恐怖襲擊等，通過(guò)媒體的放大，已在加劇民眾的恐懼，有人形容為，“一種普遍的不安全感被生產(chǎn)出來(lái)，這導(dǎo)向一種新的消費(fèi)，即對(duì)保護(hù)的消費(fèi)”，相應(yīng)的，全球監(jiān)控設(shè)備市場(chǎng)在不斷膨脹。

據(jù)統(tǒng)計(jì)，1990年代初，英國(guó)CCTV監(jiān)控系統(tǒng)的市場(chǎng)規(guī)模約在在1 億英鎊左右，到1990年代末達(dá)到3.61 億英鎊左右，到2002 年以后，年均增長(zhǎng)率達(dá)到14-18%。根據(jù)研究機(jī)構(gòu)IMS Research 的數(shù)據(jù)，2014年全球視頻監(jiān)控設(shè)備市場(chǎng)總額超過(guò)140 億美元，年平均增長(zhǎng)率超過(guò)30%?？梢哉f(shuō)，安防監(jiān)控已成為一個(gè)“繁榮的產(chǎn)業(yè)”。只要有恐懼，就會(huì)有消費(fèi)，這成為一筆穩(wěn)賺不賠的買賣。

中國(guó)同樣如此，以G20峰會(huì)舉辦地杭州為例，公開(kāi)數(shù)據(jù)顯示，其視頻監(jiān)控規(guī)模是全國(guó)“平安城市”中最大的單域聯(lián)網(wǎng)項(xiàng)目之一，至少達(dá)到6萬(wàn)路的規(guī)模。如今，不光在公共安全領(lǐng)域，百度、奇虎360等公司，還正在將攝像頭引入到私人家庭領(lǐng)域，且均投入大量資源用于深度學(xué)習(xí)技術(shù)的研究。

可以預(yù)見(jiàn)，借助于視頻智能化技術(shù)的發(fā)展，諸如白銀案這樣犯罪事件，未來(lái)將會(huì)更便利地偵破甚至有效預(yù)防，同時(shí)，也有必要憂慮，語(yǔ)音識(shí)別技術(shù)的進(jìn)步，助推了美國(guó)的“棱鏡”竊聽(tīng)計(jì)劃，未來(lái)，會(huì)不會(huì)出現(xiàn)視頻版的棱鏡計(jì)劃？