安防圈迎新一輪科技熱潮 人臉識別開啟智能新時代

在行業技術的不斷革新下，安防視頻監控不再局限于對畫面的記錄，而是走向更加智能、轉化率更高的階段。眾所周知，現在監控攝像頭遍布家庭、超市、道路等場所，由于24小時不間斷工作，產生了海量的視頻圖像。但是這些具有高價值的視頻數據，卻一直得不到重視。

    如何將這些非結構化的數據進行數據化，獲取有用的價值呢？在某次峰會上，英飛拓市場經理楊玥給出了自己的見解。

    視頻結構化，對數據提純

    作為安防大數據最為重要的數據來源，視頻圖像實際上是一種非結構化的數據。相對于結構化數據(即行數據，存儲在數據庫里，可以用二維表結構來邏輯表達實現的數據)而言，圖片、聲音、視頻等非結構化數據造成儲存(storage)、探勘(mining)、分析(analyzing)上的困難，只能將它保存在一個BLOB字段中，對以后檢索非常麻煩。

    而“視頻結構化”即是從視頻中結構化提取車輛、人等關鍵目標。以廣東省平安城市的視頻采集來說，每天產生的數據量高達253000TB(1TB=1024GB)。如果對這些數據單位還沒有直觀印象的話，不妨看一下這個例子：Facebook一分鐘內就能產出350GB的數據量，用戶累計點擊180萬次“贊”按鈕，甚至每一秒就有41000個帖子發布。從視頻存儲的角度看來，結構化引領存儲模式全新變革，提煉視頻中有價值的圖片和文本信息。從原本需要一直存儲變成關鍵信息的存儲，使存儲更持久。

    在峰會現場，楊總介紹了英飛拓的智能視頻結構化檢索解決方案，她表示英飛拓采用以“深度學習”為核心的圖像識別技術，能夠對攝像機的視頻流和圖片進行特征判斷，并能對系統中的圖片、錄像文件進行提取(人、車、非機動車等)，快捷查詢圖片和錄像。

    視頻經過結構化可以盤活視頻數據，對各類數據倉庫可以進行深度的數據挖掘，充分提升視頻數據的應用價值，提高分析和預測功能。舉例來說，從百萬級的目標庫中(對應數百到一千小時的高清視頻)查找某張截圖上的行人嫌疑目標，數秒即可完成。另外，經過結構化后的視頻，存儲人的結構化檢索信息和目標數據不到視頻數據量的2%，存儲容量極大地降低。