安防视频监控中的AI功能

AI无处不在。人工智能AI→机器学习ML→深度学习DL→计算机视觉CV，而安防中的AI智能功能的实现主要依靠计算机视觉，实现对图像，语音和文字的理解和识别。而AI功能主要受算法，算力，大数据这三因素影响。

安防中的AI功能，有基于前端摄像机的智能功能，也有基于后端中心平台的智能功能，或者云边结合。
其中基于前端摄像机的AI智能功能，有个新的概念，软件定义摄像机，即摄像机的智能功能主要是由软件决定(SDC)，还是硬件来决定引起行业热烈讨论，争论不休。我的观点：市场需求决定，不是由技术决定。

安防领域常见的AI功能分为以下4大类：

如果更进一步细分，目前主要有这些智能功能：

人形，动物侦测
人脸侦测，人脸识别
抓拍，属性，眼镜，发型，性别，表情等
人流，车流统计
车辆，行人道路违章
多维感知（人表情，车，行为分析）
视频结构化
通用smart功能
行为分析：越界侦测,区域入侵侦测,进入/离开区域侦测,徘徊侦测,人员聚集侦测,快速运动侦测,停车侦测,物品遗留/拿取侦测
异常侦测：场景变更侦测,音频异常（音频陡升/陡降侦测,音频有无侦测）,虚焦侦测
统计：过线计数功能
车辆检测
支持车牌抓拍，颜色，车型，主品牌，子品牌，年款等识别，机非人识别，检测正向或逆向行驶的车辆以及行人和非机动车，自动对车辆牌照进行识别，可以抓拍无车牌的车辆图片。

算力即处理器的运算能力，一般单位TOPs，即Tera Operations Per Second的缩写，1TOPs表示处理器每秒钟可进行一万亿次（10^12)操作。

对应的还有GOPs（Giga Operations Per Second），MOPs（Million Operation Per Second）。1GOPs代表处理器每秒钟可进行十亿次（10^9)
操作，1MOPs代表处理器每秒钟可进行一百万次（10^6）操作。

在某些情况下,处理器的功耗也是需要考虑的重要因素。因此还使用 TOPs/W来作为评价处理器运算能力的一个性能指标，TOPs/W 用于度量在1W功耗的情况下，处理器能进行多少万亿次操作。

常见的一些处理器的算力和功耗可以参考这个统计：Neural Network Accelerator Comparison

Lightspeeur2803能耗效率比达到24Tops/W，是目前能耗效率比最高的AI芯片。Google的TPU3.0运算速度达到了420TOPs。

安防芯片里，Hi3516CV500达到0.5TOPs，Hi3516DV300/Hi3516AV300均达到1.0TOPs，Hi3519AV100达到2.0Tops，Hi3559AV100达到4.0TOPs（华为用这个芯片做出了20TOPs的电警卡口摄像机）。

瑞芯微的RV1109支持1.2Tops，RV1126支持2.0Tops。

算力主要由AI芯片性能决定。AI芯片主要分为传统CPU，GPU,半定制化芯片，全定制化芯片4种。

AI芯片分类

名称		主要厂家	特点
CPU		Intel,AMD	不能并行处理计算
GPU		NVIDIA,AMD	具备强大并行计算能力与浮点计算能力。	GPU 平台在算法训练上非常高效。但在推断中对于单项输入进行处理的时候，并行计算的优势不能完全发挥出来。
FPGA		Xilinx,Altera	可编程的阵列，半定制化
ASIC	TPU	Google	专用集成电路	Tensor Processing Unit, 张量处理器
#rowspan#	NPU	寒武纪,Apple		NPU（Neural network Processing Unit），神经网络处理器
#rowspan#	VPU	Intel		Vector Processing Unit 矢量处理器
#rowspan#	BPU	地平线		Brain Processing Unit，大脑处理器
#rowspan#	BM1680	比特大陆
#rowspan#	EPU	/
#rowspan#	DPU	Wave Computing		Deep learning Processing Unit, 即深度学习处理器
#rowspan#	HPU	Microsoft		Holographics Processing Unit 全息图像处理器
#rowspan#	IPU	Graphcore		Intelligence Processing Unit

算法（algorithm）是在数学和计算机科学之中，为任何一系列良定义的具体计算步骤，常用于计算、数据处理和自动推理。作为一个有效方法，算法被用于计算函数，它包含了一系列定义清晰的指令，并可于有限的时间及空间内清楚的表述出来。

20世纪早期的数学家、逻辑学家在定义算法上出现了困难，直到英国数学家图灵提出了著名的图灵论题，并提出一种假想的计算机的抽象模型，这个模型被称为图灵机。图灵机的出现解决了算法定义的难题，图灵的思想对算法的发展起到了重要的作用。

算法的核心是创建问题抽象的模型和明确求解目标，之后可以根据具体的问题选择不同的模式和方法完成算法的设计。

机器学习里常见的算法有决策树、随机森林算法、逻辑回归、SVM、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔可夫等等。

解决不同的问题可能会用到不同的算法，也可能用相同的算法。没有某种算法是万能的，只是适用的范围不同而已。针对不同场景选择合适的算法很重要。

算法没有高级低级之分，快速简便的解决问题才是根本，一味追求复杂的算法，有时相当于“用高射炮打蚊子”。

据不完全统计，目前全国各行各业采用的监控摄像头约 2.25 亿只，一个中等城市90天产生的数据量约36PB。如何把这些彼此孤立，无序、非结构化的数据利用起来，集中管理，进行有序、精选的结构化处理，将意义非凡。

目前雪亮工程，平安城市，智慧城市等一系列项目实现了一定区域内的视频监控联网，视频数据集中管理。这些视频大数据可以用来帮助建立，训练各种算法模型，改进算法。同时改进优化后的算法可以迅速加入项目实践，接受实战检验。

未来还可以进一步深耕、挖掘视频大数据，使其价值最大化。

评论