測(cè)評(píng)表現(xiàn)

AI有著非常廣泛的應(yīng)用，它絕不僅僅存在于人臉識(shí)別、車(chē)輛識(shí)別、生物識(shí)別、物體識(shí)別等常規(guī)認(rèn)知領(lǐng)域，還有基于數(shù)據(jù)的頂層AI應(yīng)用——一個(gè)廣泛的無(wú)人區(qū)。DT時(shí)代，最重要的不是我們擁有多少數(shù)據(jù)，而是能對(duì)手上的海量數(shù)據(jù)做什么，它們又將給我們帶來(lái)什么意想不到的價(jià)值。

以薩，恰是這樣一家公司，與諸多AI算法公司最大的不同之處在于，其主要業(yè)務(wù)不僅是追求算法參數(shù)指標(biāo)極致化，而是通過(guò)大數(shù)據(jù)匯聚融合，構(gòu)建大數(shù)據(jù)應(yīng)用平臺(tái)，再由平臺(tái)強(qiáng)大的超腦運(yùn)算能力，實(shí)現(xiàn)具體的人工智能應(yīng)用，以及眾多人工無(wú)法識(shí)別，只有經(jīng)過(guò)大數(shù)據(jù)庫(kù)庫(kù)碰撞才能實(shí)現(xiàn)的全息多維研判分析。顯而易見(jiàn)，與眾多AI企業(yè)相比，以薩的立足點(diǎn)是解決平安城市領(lǐng)域，AI技術(shù)的規(guī)?；瘜?shí)戰(zhàn)應(yīng)用難題，圍繞公共安全業(yè)務(wù)場(chǎng)景對(duì)于多維數(shù)據(jù)的融合應(yīng)用需求，持續(xù)打造技術(shù)架構(gòu)新、交付能力強(qiáng)的實(shí)戰(zhàn)型解決方案。

手握金剛鉆：深度算法+完整的產(chǎn)品體系，構(gòu)筑數(shù)據(jù)融合基礎(chǔ)

以薩對(duì)AI的滲透程度，是隨著行業(yè)深耕不斷演進(jìn)的，作為最早一批將AI技術(shù)應(yīng)用于視頻安防領(lǐng)域的技術(shù)廠商之一，以薩擁有10多年的計(jì)算機(jī)視覺(jué)、大數(shù)據(jù)分析處理經(jīng)驗(yàn)積累。切入之初，以薩就選擇了識(shí)別難度更高的車(chē)型、車(chē)輛特征算法開(kāi)發(fā)，隨后逐步攻關(guān)視頻結(jié)構(gòu)化分析、人臉識(shí)別等更為豐富的AI應(yīng)用算法。

其中，對(duì)視頻圖像中車(chē)型、車(chē)輛特征識(shí)別的運(yùn)用，以薩早已熟稔，本次測(cè)評(píng)涉及的多個(gè)案例中，這類(lèi)算法就多次發(fā)揮了至關(guān)重要的作用。即便車(chē)輛套牌、改變外觀也難逃以薩法眼，平臺(tái)僅從部分特征就可關(guān)聯(lián)分析出完整鏈條。另外，“視頻AI”基因也深度影響著以薩如今的行業(yè)深耕，雖然算法不斷增多，但始終高度圍繞公安、交通、平安城市等行業(yè)的需求展開(kāi)深度AI大數(shù)據(jù)融合應(yīng)用，讓以薩的專(zhuān)業(yè)度和行業(yè)深耕程度愈加聚攏。

目前以薩已圍繞4類(lèi)平安城市主流大數(shù)據(jù)應(yīng)用，建立完整的視頻AI深度應(yīng)用產(chǎn)品體系：

視頻監(jiān)控：包括視頻車(chē)輛大數(shù)據(jù)實(shí)時(shí)分析系統(tǒng)、 視頻目標(biāo)智能追蹤系統(tǒng)、支持6000路以上的視頻實(shí)時(shí)結(jié)構(gòu)化分析系統(tǒng)、視頻目標(biāo)分析單機(jī)版、高危目標(biāo)實(shí)時(shí)預(yù)警系統(tǒng)、案件庫(kù)、視圖庫(kù)等;

卡口圖像：卡口車(chē)輛大數(shù)據(jù)系統(tǒng)、全市、全省車(chē)聯(lián)網(wǎng)系統(tǒng)、全國(guó)聯(lián)網(wǎng)實(shí)時(shí)過(guò)車(chē)信息庫(kù)和相關(guān)應(yīng)用、重點(diǎn)車(chē)輛監(jiān)管系統(tǒng)、實(shí)時(shí)車(chē)輛預(yù)警系統(tǒng)、智能交通大數(shù)據(jù)系統(tǒng)、道路交通風(fēng)險(xiǎn)監(jiān)測(cè)系統(tǒng)、智能車(chē)輛實(shí)戰(zhàn)應(yīng)用一體機(jī)、移動(dòng)警務(wù)APP等;

人臉抓拍：支持千路級(jí)規(guī)?；瘧?yīng)用的人臉識(shí)別、動(dòng)態(tài)人臉布控和軌跡追蹤系統(tǒng);

感知設(shè)備：自動(dòng)關(guān)聯(lián)分析人員信息的感知數(shù)據(jù)分析應(yīng)用系統(tǒng)。

聚焦公安業(yè)務(wù)規(guī)?；瘧?yīng)用的“實(shí)戰(zhàn)派”

當(dāng)前平安城市大數(shù)據(jù)應(yīng)用側(cè)重在單警種、單系統(tǒng)內(nèi)的事后偵查。但隨著車(chē)輛識(shí)別、人臉識(shí)別等技術(shù)手段被公眾了解，嫌疑人作案時(shí)不掛真牌、刻意遮擋面部……使得單一維度的偵查和管控手段面臨三大無(wú)奈：一是容易被規(guī)避，二是難以落地人員身份，三是無(wú)法對(duì)目標(biāo)全面刻畫(huà)，軌跡追蹤難、預(yù)警難。

針對(duì)這一痛點(diǎn)，以薩聚焦公安業(yè)務(wù)規(guī)模化應(yīng)用需求，首要解決的就是多警種資源、跨平臺(tái)業(yè)務(wù)、非標(biāo)系統(tǒng)等帶來(lái)的數(shù)據(jù)壁壘問(wèn)題。實(shí)際上，突破不同屬地、不同警種、不同網(wǎng)絡(luò)、不同廠商、不同架構(gòu)的局限正是以薩的強(qiáng)項(xiàng)?；谝运_完善的產(chǎn)品體系和優(yōu)異的項(xiàng)目交付能力，持續(xù)打造可規(guī)?；瘜?shí)戰(zhàn)應(yīng)用的解決方案。已實(shí)現(xiàn)視頻、卡口數(shù)據(jù)和人員數(shù)據(jù)的復(fù)合應(yīng)用和可擴(kuò)展應(yīng)用，在同一平臺(tái)下全面打通人、車(chē)、物多維數(shù)據(jù)的自動(dòng)關(guān)聯(lián)和融合分析。

再者就是同一平臺(tái)下，動(dòng)靜態(tài)、多業(yè)務(wù)海量數(shù)據(jù)庫(kù)的調(diào)用問(wèn)題，“以薩視頻AI多維數(shù)據(jù)融合應(yīng)用”采用分布式架構(gòu)、流式內(nèi)存計(jì)算、CPU+GPU異構(gòu)計(jì)算，支撐百億級(jí)數(shù)據(jù)實(shí)時(shí)比對(duì)響應(yīng)，依托人工智能、視頻圖像結(jié)構(gòu)化等技術(shù)發(fā)揮多模態(tài)數(shù)據(jù)處理能力，智能提取視頻、圖像等多渠道中關(guān)鍵信息進(jìn)行多模整合，針對(duì)不同的動(dòng)態(tài)數(shù)據(jù)來(lái)源和應(yīng)用特點(diǎn)，建立虛擬身份標(biāo)識(shí)。結(jié)合時(shí)空、基于身份標(biāo)識(shí)建立關(guān)聯(lián)和追溯關(guān)系，實(shí)現(xiàn)視頻圖像相關(guān)信息的高效流轉(zhuǎn)，從源頭上攻克動(dòng)態(tài)數(shù)據(jù)關(guān)聯(lián)管控應(yīng)用的難題，實(shí)現(xiàn)百億級(jí)人、車(chē)數(shù)據(jù)檢索碰撞、秒級(jí)響應(yīng)，快速鎖定嫌疑目標(biāo)，來(lái)知其影，去知其蹤。

當(dāng)數(shù)據(jù)庫(kù)龐達(dá)到億級(jí)之后，系統(tǒng)研判響應(yīng)效率將會(huì)呈指數(shù)級(jí)下降;若達(dá)到百億級(jí)、千億級(jí)時(shí)，超大規(guī)模數(shù)據(jù)研判將會(huì)愈發(fā)困難。對(duì)此，首先以薩研發(fā)團(tuán)隊(duì)自主開(kāi)發(fā)了自動(dòng)調(diào)參系統(tǒng)，可對(duì)網(wǎng)絡(luò)模型的組合類(lèi)型，每層參數(shù)，以及學(xué)習(xí)率等自動(dòng)尋找最佳設(shè)定，大大減少手工調(diào)整耗時(shí)耗力的弊端，同時(shí)可獲得理論最佳效果;其次是開(kāi)發(fā)了高度自動(dòng)化的數(shù)據(jù)搜集、整理和標(biāo)注系統(tǒng)，可以根據(jù)需要從自然數(shù)據(jù)中自動(dòng)提取所需樣本，并進(jìn)行初步的篩選和標(biāo)注，比單純?nèi)斯ふ硇室?0倍以上。第三是對(duì)代碼進(jìn)行了深度極限優(yōu)化，比如利用SIMT和SIMD技術(shù)對(duì)CPU和GPU代碼進(jìn)行指令集級(jí)別的優(yōu)化，可提升8-10倍的處理效率。據(jù)以薩介紹，其目前某項(xiàng)目的動(dòng)態(tài)數(shù)據(jù)采集量就達(dá)到了2億/天，但數(shù)據(jù)調(diào)用能夠穩(wěn)定支持秒級(jí)響應(yīng)。

小結(jié)

“融、智、準(zhǔn)”點(diǎn)亮AI

“以薩視頻AI多維數(shù)據(jù)融合應(yīng)用”通過(guò)幾十余種技戰(zhàn)法+幾十余種目標(biāo)屬性+目標(biāo)精細(xì)布控+組合式的條件檢索，全面打通人、車(chē)、物多維動(dòng)靜態(tài)數(shù)據(jù)的孤立壁壘，實(shí)現(xiàn)了在數(shù)據(jù)層的全息感知、多維融合;通過(guò)目標(biāo)智能提取、深度神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)處理等AI算法，利用人工智能+大數(shù)據(jù)技術(shù)，對(duì)人、車(chē)、物進(jìn)行自動(dòng)關(guān)聯(lián)匹配，在技術(shù)層實(shí)現(xiàn)了深度人工智能化應(yīng)用;再結(jié)合實(shí)戰(zhàn)需求，基于平臺(tái)對(duì)人、車(chē)、物等數(shù)據(jù)的關(guān)聯(lián)分析與研判，大大提高了在案件研判及事前布控預(yù)警中的實(shí)戰(zhàn)支撐效能，在應(yīng)用層實(shí)現(xiàn)精準(zhǔn)預(yù)警、精準(zhǔn)打擊、精準(zhǔn)防范、精準(zhǔn)管理應(yīng)用。

核心技術(shù)

在技術(shù)層，其以人工智能算法為核心，依托GPU加速渲染、深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)處理平臺(tái)，打通和建立人、車(chē)、物多維目標(biāo)的智能關(guān)聯(lián)、智能分析、智能推送;在數(shù)據(jù)層，以薩將視頻、卡口、人臉、人像等數(shù)據(jù)，同人員、車(chē)輛、物品、軌跡信息等進(jìn)行多維融合，倍增數(shù)據(jù)價(jià)值;攻關(guān)解決了全市、全省級(jí)千億數(shù)據(jù)規(guī)模下的城市視頻圖像實(shí)時(shí)聯(lián)網(wǎng)智能分析、基于CPU+GPU的動(dòng)態(tài)分布式異構(gòu)計(jì)算等關(guān)鍵技術(shù)難題。該解決方案的重點(diǎn)在于對(duì)人、車(chē)、物三大類(lèi)動(dòng)靜態(tài)數(shù)據(jù)的關(guān)聯(lián)應(yīng)用，“融、智、準(zhǔn)”正是該平臺(tái)核心技術(shù)的真實(shí)寫(xiě)照。

算力要求

以薩研發(fā)團(tuán)隊(duì)對(duì)代碼進(jìn)行了深度極限優(yōu)化。利用SIMT和SIMD技術(shù)對(duì)CPU和GPU代碼進(jìn)行指令集級(jí)別的優(yōu)化，同時(shí)優(yōu)化處理器層面的緩存使用，以及IO流程的精簡(jiǎn)。另外，對(duì)網(wǎng)絡(luò)模型進(jìn)行“運(yùn)行時(shí)優(yōu)化”(Runtime Optimization)，在保證準(zhǔn)確率基本不受影響的情況下，對(duì)網(wǎng)絡(luò)模型進(jìn)行壓縮，減少存儲(chǔ)和計(jì)算需求。以薩通過(guò)算法優(yōu)化后，同樣的深度學(xué)習(xí)技術(shù)，以薩技術(shù)可以做到比市面常見(jiàn)產(chǎn)品提升了8-10倍的處理效率。

大數(shù)據(jù)訓(xùn)練

以薩視頻AI多維數(shù)據(jù)融合應(yīng)用在大數(shù)據(jù)訓(xùn)練過(guò)程中，歷經(jīng)公安部、北京、廣東、山東、四川、江蘇、安徽、福建等20多個(gè)省部級(jí)公安機(jī)關(guān)、900多個(gè)縣市區(qū)公安機(jī)關(guān)實(shí)戰(zhàn)檢驗(yàn)。目前其在某個(gè)單一項(xiàng)目上就實(shí)現(xiàn)了日均2億的結(jié)構(gòu)化動(dòng)態(tài)數(shù)據(jù)實(shí)時(shí)分析應(yīng)用。

不過(guò)，作為一款多維數(shù)據(jù)融合方案，與單一AI應(yīng)用最大的不同就是，其首要目的不是為了訓(xùn)練識(shí)別精度，是要基于大數(shù)據(jù)碰撞進(jìn)入多維數(shù)據(jù)價(jià)值挖掘無(wú)人區(qū)，支撐平安城市領(lǐng)域?qū)τ诙嗑S數(shù)據(jù)的規(guī)模化應(yīng)用需求。事實(shí)上，該方案已經(jīng)在海量數(shù)據(jù)配合訓(xùn)練下，實(shí)現(xiàn)了數(shù)據(jù)融合、淬煉的“融、智、準(zhǔn)”應(yīng)用。

落地能力

以薩已在全國(guó)多地搭建了多維數(shù)據(jù)深度應(yīng)用平臺(tái)，圓滿(mǎn)護(hù)航廈門(mén)金磚峰會(huì)、全國(guó)兩會(huì)、上合峰會(huì)等重大活動(dòng)和會(huì)議的安全保障工作，受到公安部、北京市公安局、福建省公安廳、山東省公安廳等客戶(hù)單位的高度認(rèn)可。

案例分析

在某地被盜車(chē)輛追回案件應(yīng)用中，由于接入的已建監(jiān)控資源為老舊系統(tǒng)，案發(fā)附近圖像視頻源清晰度有限，沒(méi)有能夠抓到任何有價(jià)值信息。但借助匯聚全省視頻資源的以薩視頻AI多維數(shù)據(jù)融合平臺(tái)，基于車(chē)輛特征檢索，很快從某卡口圖片中查找到符合度極高的疑似被盜車(chē)輛。但新情況再次出現(xiàn)，由于車(chē)速過(guò)高、已建系統(tǒng)無(wú)法適應(yīng)高速運(yùn)動(dòng)車(chē)輛的車(chē)牌抓拍，車(chē)牌依然無(wú)法識(shí)別;民警只能繼續(xù)通過(guò)車(chē)輛特征結(jié)合被盜車(chē)車(chē)牌進(jìn)行分析，在試圖通過(guò)大數(shù)據(jù)碰撞追查嫌疑人落腳地的時(shí)候發(fā)現(xiàn)，嫌疑人落腳地經(jīng)常變換;更糟的情況是，大數(shù)據(jù)分析時(shí)，數(shù)據(jù)無(wú)法再碰撞，落腳地消失了。不過(guò)，經(jīng)過(guò)平臺(tái)更細(xì)化的視頻圖像特征分析，重新鎖定一輛車(chē)型高度相似但車(chē)牌不同的嫌疑車(chē);于是再通過(guò)視頻圖像特征數(shù)據(jù)碰撞得出“嫌疑車(chē)被套牌”的結(jié)論。民警此時(shí)沿著被套車(chē)牌線索追查車(chē)輛軌跡，隨后發(fā)現(xiàn)車(chē)色被改裝噴涂，最終通過(guò)數(shù)據(jù)分析出“噴漆地點(diǎn)”并獲得一張可識(shí)別人臉的圖像，再基于該人臉圖像通過(guò)人臉識(shí)別算法及動(dòng)靜態(tài)數(shù)據(jù)庫(kù)碰撞，鎖定犯罪嫌疑人身份。

該案中，充分運(yùn)用了視頻圖像特征識(shí)別、動(dòng)靜態(tài)大數(shù)據(jù)碰撞、綜合研判、人臉識(shí)別等多項(xiàng)技戰(zhàn)法，最終完成了案件的偵破。

AI創(chuàng)新亮點(diǎn)

打通卡口、視頻、人臉等數(shù)據(jù)間的自動(dòng)關(guān)聯(lián)，無(wú)需跨越多個(gè)系統(tǒng)，可在一個(gè)系統(tǒng)中實(shí)現(xiàn)對(duì)卡口、視頻、人臉、感知設(shè)備等多數(shù)據(jù)源的綜合查詢(xún);支持車(chē)輛、人臉、人像、物品等數(shù)據(jù)進(jìn)行軌跡分析、同行分析、多點(diǎn)碰撞等大數(shù)據(jù)綜合研判;支持可視化展示多維目標(biāo)軌跡，支持多維數(shù)據(jù)布控告警，優(yōu)化了警務(wù)流程，提高了辦案效率，補(bǔ)齊了單一維度信息化技術(shù)手段的局限和不足，讓數(shù)據(jù)融合應(yīng)用的紅利服務(wù)于平安城市治安防控、雪亮工程、智能交通、道路風(fēng)險(xiǎn)防范等多個(gè)領(lǐng)域。

專(zhuān)家點(diǎn)評(píng)

以薩視頻AI多維數(shù)據(jù)融合應(yīng)用方案立足點(diǎn)很高，是基于打通對(duì)人、車(chē)、物的動(dòng)靜態(tài)數(shù)據(jù)應(yīng)用壁壘的基礎(chǔ)上實(shí)現(xiàn)的融合應(yīng)用，在一個(gè)平臺(tái)實(shí)現(xiàn)海量多類(lèi)型數(shù)據(jù)的關(guān)聯(lián)碰撞及高效分析，可滿(mǎn)足百億乃至千億級(jí)的規(guī)?；桨渤鞘袘?yīng)用需求。從目前已實(shí)現(xiàn)的項(xiàng)目案例來(lái)看，以薩已精于打通數(shù)據(jù)壁壘，可以說(shuō)其已是一家基于優(yōu)勢(shì)算法的大數(shù)據(jù)綜合應(yīng)用服務(wù)公司;或者說(shuō)，以薩是站在戰(zhàn)略層面來(lái)發(fā)展AI。

提升空間

在人員行為與案事件關(guān)聯(lián)分析方面還可再完善，便于針對(duì)具體案事件進(jìn)行模型分析及預(yù)警。