爱云资讯|闪马智能拓宽视频分析的能力边界，视觉技术与行业Know-How有机结合

从市场分析的角度来看人工智能行业,基于计算机视觉的视频数据处理赛道仍是AI最为落地,最能商业化的领域。
据数据显示,到2020年中国摄像头保有量将突破4.5亿台,并仍以20%左右的速度持续增长。此外,包括手机、录像机、视频会议设备在内的视频生产设备保有量更是几倍于此,全国每天所产生的的视频数据量将十分惊人。
面对如此庞大的非结构化视频数据,仅靠人工查看审核,成本把控和处理效率都不足以满足如今的市场需求,对于自动化AI视频分析产品的需求呼之而出。
AI视频分析能力不止于识别
人工智能技术通过多层神经网络结构下的深度学习模式,将非结构化的图像数据转化为低维稠密的向量数据,并进行卷积、池化、全连接等计算处理,最终通过聚类产生类似于人类视觉感知的识别能力。因此,在可拆解成若干图像数据的视频信息中,利用AI技术可高效、自动化的识别到关键目标,这也是以人脸识别、车辆识别、物体识别等视频结构化能力为重心的AI视频处理技术的核心价值。
但以关键目标为线索的视频处理更多是以“找到并识别”为目的,对于目标的行为、轨迹、意图缺乏分析能力,其应用场景过于垂直。对此,闪马智能认为需要结合行业Know-How进行更加丰富的视频内容解析,将其中规则之外的异常行为凸显出来,加以预测和针对处理,才能产生更广泛的价值。视频分析的目标不只是识别出点状信息,更应该还原事件的始末,以时间线为基准,串联出完整的故事。
视频异常行为分析为大交通领域带来更鲜活的智能化解决方案
以交通领域为例,2019上半年,全国机动车保有量达到3.4亿辆,城市交通日均出行需求总量已达到10亿人次,这背后带来的事故频发、交通拥堵等问题凸显。而视频监控分析作为交通管控的重要手段,承担着巨大压力。据统计,国内一线城市的交通监控,每天平均产生0.3PB至6.7PB的视频数据,这些海量数据不仅为网络传输和存储带来挑战,也对实时处理、分析提出了更高要求。除了识别车辆信息外,还需要对视频监控中出现的车辆违章、行人违章、突发情况等具体行为进行识别和分析,以满足人、车、物三者协同管理的智能交通理念,这就需要AI技术在视频结构化处理之外,加入包含交通规则的知识图谱能力,通过算法与规则的结合,在海量冗余的视频信息中准确识别出目标的异常行为,通过与交通指挥系统的协同操作,最终达到智能预警与管控的预期效果。
闪马智能VisionMind·交通视界心——智能交通的“淋巴系统”
闪马智能的技术能力通过自主搭建的,能够高效支持算法开发调试、数据管理、模型测试等功能的深度学习平台——ATOM平台产生;由将算法与场景结合,进行应用开发,实现赋能各个垂直领域的工业化平台——VisionMind视界心完成落地,二者灵活搭配,打造出闪马智能的视频异常行为分析解决方案。

文章图片
而VisionMind·交通视界心是针对智慧交通打造的异常行为分析平台。智慧交通系统作为独立的一体化系统包括了复杂的各个环节:
路网和车路协同的系统:类似人的循环系统,是运行供给的核心通路,而上面的车、人就是城市的核心养料,他们及时的运转和循环,城市就不断的发展,壮大;
智慧交通的集成指挥管理系统:像大脑一样提供统一的调度,管理,应急响应;
各种摄像头,线圈,雷达等等传感设施网络:它就像神经系统感应着各个部位实时在发生的事情,并作出及时的反馈;
而VisionMind则是淋巴系统,通过感知神经系统,及时进行异常的发现、处理之后提供给循环系统和大脑及时而精确的信息。
于是VisionMind便成了车路协同系统和交通指挥管理系统的核心智慧反馈子系统。它能及时发现城市交通道路上的各种情况:拥堵、事故、道路破损、施工、灾难、违法、等异常事件的发生,结合流量等数据进行智慧化分析,提升交通的协同与管理。