AI将率解决安防行业痛点 爆发大量场景应用

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

未来几年,人工智能将以完成具体任务的服务智能为主要趋势,数据化程度高的行业将率先启动AI落地。在服务智能情景下,数据可得性高的行业,人工智能将率先用于解决行业痛点,爆发大量场景应用。

安防恰好具有数据可得性高、数据层次丰富的特征,如今安防监控领域已进入数据“大爆炸”的时代,面对井喷式增长的视频监控数据量,只停留在浅层次分析识别的传统智能算法,已无法满足深层次数据价值挖掘的需求。因此,AI在安防行业的落地水到渠成。

除了技术和应用层面的高度契合之外,“AI+安防”还获得了国家层面的政策加持。

2016年6月份,工信部等部门发布的《“互联网”人工智能三年行动实施方案》(以下简称《方案》)指出,智能安防将作为人工智能产品创新的重点应用推广领域。《方案》提出,实施智能安防推广工程,鼓励安防企业与互联网企业开展合作,研发集成图像与视频精准识别、生物特征识别、编码识别等多种技术的智能安防产品 ,推动安防产品的智能化、集约化、网络化。

《方案》的发布,为AI在安防行业的深度应用提供了政策性的引导和支持,将原先由部分企业主导的安防人工智能创新应用催生成了产业共识,也将加快安防智能化发展的速度。

AI作用于安防的两大方面

安防行业作为人工智能技术天然的训练场和应用场,对于人工智能的落地应用有着迫切的需求,基于安防行业的天然属性-识别、分析、提取视频监控画面中人、车、物、环境等各项信息,具体到监控应用中来,AI在视频理解和大数据两方面都有很好的应用。

视频理解:通过深度学习等人工智能前沿技术,实现对视频中目标检测、目标跟踪、目标分类、目标检索和行为分析,目标检测和目标跟踪比较好理解,目标分类在目标检测与跟踪之后,捕获到合适目标,可以对它的属性进行分析判断。以监控场景的人体为例,可以识别他是否骑车、衣着特征、性别、年龄段、头发长短、是否背包、拎东西、戴口罩等等,最后通过目标检索和行为分析与上层业务相结合判断目标的活动轨迹、身份,并对视频画面中的目标正在进行的行为活动(比如打架、人群聚集等)进行分析判断。

大数据:大数据技术为人工智能提供强大的分布式计算能力和知识库管理能力,是人工智能分析预测、自主完善的重要支撑。其包含三大部分:海量数据管理、大规模分布式计算和数据挖掘。海量数据管理被用于采集、存储人工智能应用所涉及的全方位数据资源,并基于时间轴进行数据累积,以便能在时间维度上体现真实事物的规律;大规模分布式计算使得人工智能具备强大的计算能力,能同时分析海量的数据,开展特征匹配和模型仿真,并为众多用户提供个性化服务;数据挖掘是人工智能发挥真正价值的核心,利用机器学习算法自动开展多种分析计算,探究数据资源中的规律和异常点,辅助用户更快、更准地找到有效的资源。

AI加持下的智能安防效能表现

随着深度学习算法的突破,安防领域目标识别、物体检测、场景分割、信息提取标签化、数据检索等各项技术应用也在不断取得新的进展,相比于传统智能带来的应用效果,AI深度智能的效能提升尤为显著,具体表现在:

准确率更高。应用深度学习算法的深度智能设备,可以从原始数据中提取具有高阶语义、表达能力强的特征,这些特征往往使得分类效果更好,从而使得识别分类对象的准确率更高,也就是说:深度学习让智能有了质的飞跃;

环境适应性更强。同样是环境特征的提炼,深度学习算法可以自行提取更丰富、更适合的特征参数,从而达到更强的环境适应性。这就意味着,深度学习的产品可以应用到更广泛的环境当中;

识别种类更丰富。理论上只要有足够多的样本进行训练,深度学习能够实现比较精准的目标分类识别,自主特征识别的特点,又让深度学习特别适用于抽象、复杂的关于人的特征、行为的分析领域。

预警,AI+安防的趋势

现阶段人工智能在安防监控中的应用很大程度是体现在效率提升的方面,将原先动辄需要几个月,甚至几年才能侦破的复杂案件,破案效率提升到几天甚至几个小时,有力的诠释了“向科技要警力”的概念。但回到安防的本质,安全是第一要素,终极目标则落在“防”字上面,如何能从被动安防到主动安防甚至事先预警,这也是目前安防行业正在努力探索的方向。

目前,人工智能在安防领域另一个典型应用是通过以大数据分析为代表的智能分析技术,实现舆情监控和恶性袭击事件预警。较为典型的有人流管控、交通热力图等应用,系统可自动统计现场人流量或车流情况,当流量超过预设值时即发出报警信号提醒责任方采取限流和管控措施,适用于景区、大型活动的安全管理和城市交通疏导。

预警的另一个方向,利用行为大数据来预判潜在犯罪,在具体的技术应用上,这里面涉及到对人物目标的特征和行为识别、分析,以及目标历史数据的线性研判,利用人们的活动和行为数据,例如去出售武器的商店,来评估他们实施犯罪行为的可能性。当然这种预判是建立在有一定事实根据的基础之上,比如有犯罪前科或是有作案动机的特殊目标,然后再辅以人工智能技术来达到预防潜在犯罪的目的,提高社会的安全性。

人工智能的逐渐落地,正推动着主动安防理念的一步步深化,“AI+安防”充满诸多想象,也正给人们带来一个更加“聪明”的安全时代。


本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1天前
|
数据采集 人工智能 安全
阿里云携手DeepSeek,AI应用落地五折起!
近年来,人工智能技术飞速发展,越来越多的企业希望借助AI的力量实现数字化转型,提升效率和竞争力。然而,AI应用的开发和落地并非易事,企业往往面临着技术门槛高、成本投入大、落地效果难以保障等挑战。
24 1
|
6天前
|
存储 人工智能 NoSQL
Airweave:快速集成应用数据打造AI知识库的开源平台,支持多源整合和自动同步数据
Airweave 是一个开源工具,能够将应用程序的数据同步到图数据库和向量数据库中,实现智能代理检索。它支持无代码集成、多租户支持和自动同步等功能。
66 14
|
8天前
|
人工智能 开发框架 数据可视化
Eino:字节跳动开源基于Golang的AI应用开发框架,组件化设计助力构建AI应用
Eino 是字节跳动开源的大模型应用开发框架,帮助开发者高效构建基于大模型的 AI 应用。支持组件化设计、流式处理和可视化开发工具。
138 27
|
8天前
|
人工智能 自然语言处理 搜索推荐
现在最火的AI是怎么应用到体育行业的
AI在体育行业的应用日益广泛,涵盖数据分析、伤病预防、观众体验、裁判辅助等多个领域。通过传感器和可穿戴设备,AI分析运动员表现,提供个性化训练建议;预测伤病风险,制定康复方案;优化比赛预测和博彩指数;提升观众的个性化内容推荐和沉浸式观赛体验;辅助裁判判罚,提高准确性;发掘青训人才,优化训练计划;智能管理场馆运营和票务;自动生成媒体内容,提供实时翻译;支持电竞分析和虚拟体育赛事;并为运动员提供个性化营养和健康管理方案。未来,随着技术进步,AI的应用将更加深入和多样化。
|
8天前
|
人工智能 关系型数据库 分布式数据库
PolarDB 开源基础教程系列 7.4 应用实践之 AI大模型外脑
PolarDB向量数据库插件通过实现通义大模型AI的外脑,解决了通用大模型无法触达私有知识库和产生幻觉的问题。该插件允许用户将新发现的知识和未训练的私有知识分段并转换为向量,存储在向量数据库中,并创建索引以加速相似搜索。当用户提问时,系统将问题向量化并与数据库中的向量进行匹配,找到最相似的内容发送给大模型,从而提高回答的准确性和相关性。此外,PolarDB支持多种编程语言接口,如Python,使数据库具备内置AI能力,极大提升了数据处理和分析的效率。
34 4
|
10天前
|
人工智能 自然语言处理 数据可视化
Cursor 为低代码加速,AI 生成应用新体验!
通过连接 Cursor,打破了传统低代码开发的局限,我们无需编写一行代码,甚至连拖拉拽这种操作都可以抛诸脑后。只需通过与 Cursor 进行自然语言对话,用清晰的文字描述自己的应用需求,就能轻松创建出一个完整的低代码应用。
619 8
|
11天前
|
机器学习/深度学习 存储 人工智能
MNN-LLM App:在手机上离线运行大模型,阿里巴巴开源基于 MNN-LLM 框架开发的手机 AI 助手应用
MNN-LLM App 是阿里巴巴基于 MNN-LLM 框架开发的 Android 应用,支持多模态交互、多种主流模型选择、离线运行及性能优化。
869 14
MNN-LLM App:在手机上离线运行大模型,阿里巴巴开源基于 MNN-LLM 框架开发的手机 AI 助手应用
|
13天前
|
人工智能 IDE 程序员
与1.0 相比,通义灵码 2.0 AI 程序员有哪些功能、亮点、优势、场景?
通义灵码2.0相比1.0新增了工程级编码任务、单元测试生成和图片多模态问答等功能,支持多文件代码修改、批量生成单元测试及根据图片内容生成代码建议。亮点包括支持主流IDE、垂直智能体覆盖更多场景、企业级检索增强和灵活对话交互体验。技术优势涵盖多模态上下文感知、快速推理、企业数据个性化及一流代码生成效果。典型应用场景有新功能开发、跨语言编程、单元测试自动生成和错误排查修复。
231 7
|
16天前
|
人工智能 自然语言处理 搜索推荐
【上篇】-分两篇步骤介绍-如何用topview生成和自定义数字人-关于AI的使用和应用-如何生成数字人-优雅草卓伊凡-如何生成AI数字人
【上篇】-分两篇步骤介绍-如何用topview生成和自定义数字人-关于AI的使用和应用-如何生成数字人-优雅草卓伊凡-如何生成AI数字人
95 24
【上篇】-分两篇步骤介绍-如何用topview生成和自定义数字人-关于AI的使用和应用-如何生成数字人-优雅草卓伊凡-如何生成AI数字人
|
22天前
|
人工智能 开发者 Python
Chainlit:一个开源的异步Python框架,快速构建生产级对话式 AI 应用
Chainlit 是一个开源的异步 Python 框架,帮助开发者在几分钟内构建可扩展的对话式 AI 或代理应用,支持多种工具和服务集成。
136 9

热门文章

最新文章