2016年04月06日 星期三
首页 > 专家视点 > 正文

如何构建从单点智能到多维智慧的大安防?
2015-08-03 11:37:10   来源:安防知识网   评论:0 点击:

第十届全球数字安防应用发展论坛于7月24日在广州圆满落幕。围绕着当前安防市场、技术现状,业内领先企业嘉宾们为大家带来了一场场精彩的主题演讲,其中佳都新太智能安防事业部技术总监张进飞针对城市多维智慧安防体系的建设详细阐述了以互联网+为龙头的多维智能分析化的智慧平台理念。

  安防和"互联网+"结合首先要解决三大问题
 
  互联网+解决了信息与信息之间的沟通速度。当下流程的打车软件即将线上服务和线下需求很好的结合到了一起,为大众提供了更加方便快捷的出行方式。同理,在安防领域的互联网+应用中,要深度融入互联网+因素,安防系统首先要解决的是数据采集的问题;第二要解决的是数据的挖掘过滤问题;第三,数据本身的模型研判问题。因为当大量的数据过滤完之后,由于用户的需求不一,其对安全的评判标准也不一样。
 
  目前智能应用的瓶颈与不足
 
  1、应用场景单一。
 
  2、封闭。目前大部分的视频资源还在存储在专网上,并没有接入到互联网中,导致应用的封闭。
 
  3、更新慢。智能应用有两种方式,一种是将智能算法前智内嵌进设备中,另一种是后端智能分析。两种方式都不太利于新技术算法的更新应用。
 
  4、浪费。厂商更愿意将智能算法集成到前端摄像机,但实际应用过程中有些功能鲜少用到,造成设备资源的浪费。
 
  "互联网+安防"其实最核心的技术还是人工智能,也是目前非常流行的技术趋势。
 
  在安防领域,单个摄像机的智能仅仅只能称为单点智能,如果能将城市监控网点感知的信息加以综合应用,即使没有告警,也能通过综合的信息预判可能出现的风险。这个即是通过基于数据的人工智能分析将以前事后处置的业务模式朝事前预防的模式转变。
 
  如何解决单点智能的问题?
 
  一、从安防的角度来讲,如果要更好的做到风险预知,需要很多的相关的物联网技术做支持,国外有很多物联安防的概念,如果说以后要做到更精准的事先预防,就不仅仅只采集视频、音频,甚至会采集温度、湿度、压力、重力等众多相关数据来判断当前的环境是否安全,比如在化工仓库,不仅要看当前是否着火,还要看温度是否偏高,压力是否过甚等数据。
 
  二、当我们的数据达到一定量的时候需要进行分析过滤,需要有良好的大数据架构来解决对未来大数据的分析,针对这点,国内一些厂商已经推出相关云存储、云计算技术和产品。
 
  三、如何快速的将相关数据信息推送给相关的用户,这里面涉及到很多种交互的手段,这个也需要包括硬件厂商、软件厂商在内的同行的共同关注和努力!
 
  如何做到事先风险评估?
 
  安防系统正在经历从事后取朝事先预防的价值转变,要做到事先预防,既要开展事先风险评估机制。识别关键因素是要点,如何整合关键因素的关联信息呢?举一个例子,一个地铁站大概有30个子系统,每一个子系统都跟地铁的安全运行息息相关,这些数据之间也相互关联。通过多个数据之间建立起一个综合的安全风险评估模型,通过这个模型我们可以分析这些数据应该通过什么样的方式和周期去获取,并且获取之后再通过什么样的方式和其他的数据做联动应用,从而分析出对应的方案措施。
 
  构建视频大联网与大数据的应用体系,打造"城市多维智慧"的路径规划:
 
  1、构建视频联网与报警、感知设备的统一接入平台,这也是目前大安防需要解决的一个重要问题问题;
 
  2、提供开放、弹性的视频智能服务与智能调度,实现资源统一利用。
 
  当采集的数据量足够大的时候,就需要将信息进行有效的分析和过滤。这个过程中如何评判数据的有效性和安全性也需要建立一个研判模型。除了报警防控以外,还有数据防控;
  3、沉淀数据,大数据、活数据。
 
  如何让大数据变成活的数据?需要对大数据本身进行深度挖掘,比如之前讲到的模型研判,将数据进行碰撞、比对、分析等,进一步从海量数据中找到我们认为的事件、趋势等有效信息;
 
  4、连接更多终端,打造开放性的应用环境。
 
  互联网+倡导的是一个开放融合的环境,安防领域需要营造一个支持多终端的开放的应用环境。从公安的角度来讲,第一大类数据即是视频监控,除了监所、道路、社会治安监控等这些机构提供的监控数据以外,其他一些重要治安场所的监控信息采集也是重点。比如,对于车辆的监控,一般通过卡口,但车辆在运行过程中可能关联的便利店,加油站,维修站这些点也能成为重点关注的采集点。通过对这些点的数据及关联程度的分析,在突发事件发生时也能获取关键的线索。如果把公安关键治安点的数据融合进来,比如酒店、网吧等场所的结合起来,包括出入境、外来人口等这些数据信息,也都可以做很多的关联性思考。
 
  大联网+大数据应用体系亟待解决的难题
 
  尽管大联网+大数据的应用体系能成就城市的多维智慧项目,但实际上在实现上述场景过程依旧有很多难题亟待解决。
 
  一是存储,内存计算的问题。很多数据都需要进行结构化处理,而视频是非结构化的,获取之后如果不做分析识别也就产生不了价值。
 
  二是模式识别的问题。内存计算可能快速做完一些处理,但是处理完之后,数据之间能否通过某种关联模型来识别它到底属不属于应该是重点关注的事件,这个就涉及模式识别技术范畴。
 
  三是关联风险。一个数据和另外一个数据之间要不要做联动,这个叫关联分析,当大量的符合某一种模式的事件在一定的周期内发生的时候,即产生的趋势预测模型。比较典型的案例,比如某城市路段一段时间来频繁出现交通拥堵现象,为弄清造成拥堵的原因,相关部门可以通过交通流量监测、车流量的监测,包括道路的施工数据等信息来依据模式识别做分析,看到底是因为市政施工、规划导致的交通拥堵现象的发生还是因为车辆的保有量高速的增长所导致的。通过这些分析,慢慢的会总结出一些规律出来,从而为下一步规划做依据,这个也即是预测模型。
 
  突破单点智能朝综合智能安防迈进
 
  互联网+安防碰撞出更多的火花,不在局限于单点智能,向多维度的综合智能安防迈进。建设支撑超大规模深度学习的新型计算集群,构建包括语音、图像、视频、地图等数据的海量训练资源库,加强人工智能基础资源和公共服务等创新平台建设。进一步推进计算机视觉、智能语音处理、生物特征识别、自然语言理解、智能决策控制以及新型人机交互等关键技术的研发和产业化,推动人工智能在智能产品、工业制造等领域规模商用,为产业智能化升级夯实基础。支持安防企业与互联网企业开展合作,发展和推广图像精准识别等大数据分析技术,提升安防产品的智能化服务水平。
 
 

相关热词搜索:单点 多维 大安

上一篇:智能社区解决方案植入O2O基因
下一篇:视频监控智能化 全方位守护城市安全

分享到: 收藏