人工智慧基礎與安防深度學習
目前,AI早已成為各行業熱點關鍵詞,物理安防行業也不例外,人工智慧也是一股有可能改變和重新塑造行業的重要力量。
廣義的人工智慧(AI)指的是關於機器計算的智慧,而非人類本身。在安防行業,我們所說的AI指的是機器模仿人類及其它生物認知功能的技術應用,即模仿人類大腦學習和解決問題的思路和方法。
人工智慧推動安防行業快速發展
當前,計算機行業的三大趨勢正在推動人工智慧的快速增長。這三大趨勢分別是:
首先,計算機硬體的崛起能夠處理複雜的計算,尤其是圖形處理器(GPU, 其使用“並行處理”模式而不是我們熟悉的CPU“序列處理”模式)。可以同時並行處理多個計算任務,效率遠遠高於“序列”模式。而且這是一種更具可擴充套件性的方案:將大問題分為許多可以同時解決的小問題來處理。其次,更有效“訓練”系統程式設計方法的發展,特別是神經網路,它能夠與GPU並行處理同時工作。
神經網路是由許多簡單、高度互連的處理單元組成的計算系統,通常以層的形式構成,每層由互連的節點組成。每一層計算出的結果決定下一層的輸入。神經網路可能超過一百層,因此能夠將大量複雜的資料。第三,感測器(包括攝像機)的激增,產生足夠大的資料,使系統能夠被有效地“訓練”(例如“大資料”)。
“大資料”的激增提供了大量的訓練資料。而安防視訊監控資料佔據了大資料的60%,並且每年還在以20%的速度增長。這種資料的激增為人工智慧發展提供了源動力,並且增強了系統的功能。
人工智慧系統訓練
在GPU上執行的神經網路中,學習規則不斷優化調整連線的權重(重要性); 每一層都有不同的“權重”,反映了在前一層學到的東西。當呈現資料模型(例如視訊影象)時,神經網路能夠通過分析模式判斷它可能是什麼。
訓練包括了確定初始結果與最終結果的過程,並對連線權重進行適當調整。用高度概括性的術語說,這就是AI系統的“學習”方式。不過整個“訓練”過程分為多個階段,就像過濾器一樣,每個階段的結果都引導通往正確分析的路徑。
深度學習是更廣泛的機器學習方法的一種型別,也是與安防視訊行業最為相關的概念。深度學習需要使用大量來自能神經網路學習系統的資料(例如,視訊影象)。
視訊監控系統中的深度學習
神經網路互相連線的處理單元與GPU並行工作,它們被設計成模仿人類大腦通過數十億個神經元分析處理問題。人工智慧深度學習,正在成為新一代視訊監控系統的基礎,賦予了傳統系統卓越的效能表現。
這種方法極大改變視訊監控系統的有效性。在此之前,計算機已使用視訊分析演算法進行程式設計。相比之下,深度學習系統才是更加“訓練有素的”。如果你想識別一隻貓,則提供大量貓的影象,系統將之分解成較小的元件並尋找共性的資料。然後它就會“學習”這些案例中的共同特徵。
為了最大程度地訓練,系統呈現的資料越多,它就越精確,即“學習”到的越多。通過大量的案例資料學習,深度學習系統便形成相應的識別模式。
從訓練到推理
在不久的將來,多智時代一定會徹底走入我們的生活,有興趣入行未來前沿產業的朋友,可以收藏 多智時代 ,及時獲取人工智慧、大資料、雲端計算和物聯網的前沿資訊和基礎知識,讓我們一起攜手,引領人工智慧的未來!