重慶監(jiān)控傳統(tǒng)的視頻監(jiān)控解決了視頻的存儲(chǔ)和回放，以及各廠商視頻流的互聯(lián)互通，但仍然無法準(zhǔn)確識(shí)別、定位和查找視頻中的人，車，物等目標(biāo)信息。目前，要實(shí)現(xiàn)全方位的實(shí)時(shí)監(jiān)控，指揮調(diào)度，視頻錄像中可疑目標(biāo)的檢索查證，還必須依靠大量的工作人員時(shí)刻緊盯屏幕，監(jiān)視所有攝像機(jī)的實(shí)況視頻，以及回放相關(guān)視頻錄像，查找可疑人員，車輛目標(biāo)和線索。這顯然需要耗費(fèi)大量人力，而且難免也會(huì)因?yàn)槠诤褪韬?，而錯(cuò)漏掉某些稍縱即逝的重要信息。

    重慶監(jiān)控因此，圍繞公安業(yè)務(wù)需求的公安實(shí)戰(zhàn)平臺(tái)，結(jié)合視頻圖像偵查業(yè)務(wù)，對(duì)監(jiān)控畫面中感興趣的目標(biāo)視頻進(jìn)行智能分析，提取可疑的人、車、物等目標(biāo)信息，生成結(jié)構(gòu)化的語義描述，從而實(shí)現(xiàn)特定目標(biāo)的快速定位、查找和檢索。人工智能在視頻內(nèi)容的特征提取、內(nèi)容理解方面有著天然的優(yōu)勢(shì)。前端攝像機(jī)內(nèi)置人工智能芯片，可實(shí)時(shí)分析視頻內(nèi)容，檢測(cè)運(yùn)動(dòng)對(duì)象，識(shí)別人、車屬性信息，并通過網(wǎng)絡(luò)傳遞到后端人工智能的中心數(shù)據(jù)庫進(jìn)行存儲(chǔ)。匯總的海量城市級(jí)信息，再利用強(qiáng)大的計(jì)算能力及智能分析能力，人工智能可對(duì)嫌疑人的信息進(jìn)行實(shí)時(shí)分析，給出最可能的線索建議，將犯罪嫌疑人的軌跡鎖定由原來的幾天，縮短到幾分鐘，為案件的偵破節(jié)約寶貴的時(shí)間。其強(qiáng)大的交互能力，還能與辦案民警進(jìn)行自然語言方式的溝通，真正成為辦案人員的專家助手。

    重慶監(jiān)控基于人工智能的視頻智能分析是利用計(jì)算機(jī)圖像視覺處理、模式識(shí)別和機(jī)器學(xué)習(xí)等算法，分析和識(shí)別運(yùn)動(dòng)目標(biāo)信息。作為公安實(shí)戰(zhàn)平臺(tái)中最為重要的環(huán)節(jié)，基于人工智能的人臉識(shí)別技術(shù)需求應(yīng)用更為迫切。

    重慶監(jiān)控公安部門借助人臉卡口IPC攝像機(jī)的智能人臉檢測(cè)技術(shù)，在城市道路、廣場、娛樂場所及各類重點(diǎn)場所的人員目標(biāo)的人臉識(shí)別，提取包括人的性別、戴眼鏡、年齡段等特征信息。從而實(shí)現(xiàn)人臉的實(shí)時(shí)布控、高危人員比對(duì)、以圖搜圖、語義搜索等方面的業(yè)務(wù)應(yīng)用。比如，人臉布控業(yè)務(wù)是通過對(duì)場景中視頻的進(jìn)行實(shí)時(shí)人臉采集和視頻分析，并與各種人臉庫提供的圖片(警綜、信綜、出入境、人口庫、追逃庫、犯罪人員庫等)進(jìn)行實(shí)時(shí)比對(duì)。如果發(fā)現(xiàn)重點(diǎn)關(guān)注人員，將推送到公安實(shí)戰(zhàn)平臺(tái)客戶端或手機(jī)終端。另外公安實(shí)戰(zhàn)平臺(tái)與全國人口庫、常住人口庫、居住證人口庫等數(shù)據(jù)關(guān)聯(lián)，實(shí)現(xiàn)城市地鐵、機(jī)場、酒店的人臉識(shí)別系統(tǒng)的聯(lián)動(dòng)。結(jié)合地圖業(yè)務(wù)應(yīng)用，可實(shí)現(xiàn)軌跡回放、告警、查詢的可視化。

    另外，事實(shí)上，在安防領(lǐng)域的人臉識(shí)別處于一種非常復(fù)雜的狀態(tài)的制約。實(shí)際監(jiān)控場所得到的人臉圖片質(zhì)量不高，距離研究領(lǐng)域的圖片，例如LFW數(shù)據(jù)庫，還相距甚遠(yuǎn)。例如，光照，姿態(tài)，表情，飾物，遮擋，運(yùn)動(dòng)模糊，分辨率等都影響著人臉識(shí)別算法的實(shí)際應(yīng)用推廣。已有的訓(xùn)練算法，或者說已有的訓(xùn)練數(shù)據(jù)無法表達(dá)出一個(gè)具有很強(qiáng)泛化能力的算法模型。

    重慶監(jiān)控未來人臉識(shí)別模型如果需要取得突破，一方面需要更多更豐富的海量的樣本數(shù)據(jù)，如各種光照，姿態(tài)，表情下的人臉圖像。另一方面，深度學(xué)習(xí)模型還可以進(jìn)一步優(yōu)化和調(diào)整。

本文編輯：重慶監(jiān)控安裝。版權(quán)申明：本文章來源于網(wǎng)絡(luò),如有侵權(quán),請(qǐng)聯(lián)系我們我們收到后立即刪除，謝謝！特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn),本站所提供的攝影照片,插畫,設(shè)計(jì)作品,如需使用,請(qǐng)與原作者聯(lián)系,版權(quán)歸原作者所有。