近一两年来，人工智能范畴获得了媒体界、工业界和学术界等前所未有的存眷，机械正在越来越多的代替人类特有的优势和技术，这此中最为主要的可能就是图像识别手艺。本文将从图像识别手艺的道理阐述出发，介绍这一手艺在安防行业的具体应用，而且阐述其在当前安防应用上碰着的艰巨。当然，面临这些艰巨，图像识别手艺将以此为契机，与安防手艺实现更大规模的融合与成长。

　　图像识别手艺与人工智能

　　说起图像识别，人类的这一能力非常凸起。图形**感化于感受器官，人们识别出它是经验过的某一图形，甚至能感知到与图像距离或者外形的改变，这一过程叫做图像再认。在图像识别中，既要有那时进入感官的信息，也要有记忆中存储的信息。只有过程存储的信息与当前的信息进行比力的加工过程，才能实现对图像的再认。

　　争论机图像识别手艺，则是哄骗争论机对图像进行处理、阐明和了解，以识别各类分歧模式的方针和对象的手艺。图像识别所研究的问题，是若何用争论机取代人类去主动处理大量的物理信息，管理人类所无法识别或者识别过于花费资源的问题，从而很大水平上解放人类的劳动力。

　　图像识别手艺是人工智能的一个主要范畴。图像识别手艺是以图像的首要特征为根基的。每个图像都有它的特征，对图像识别时眼动的研究表明，视线老是集中在图像的首要特征上，也就是集中在图像轮廓曲度最大或轮廓标的忽然改变的处所，这些处所的信息量最大。并且眼睛的扫描路线也老是依次从一个特征转到另一个特征上。由此可见，在图像识别过程中，知觉机制必需破除输入的多余信息，抽出环节的信息。同时，在大脑里必定有一个负责整合信息的机制，它能把分阶段获得的信息收拾成一个完整的知觉映象。

　　为了编制模拟人类图像识别举动的争论机法式，人们提出了分歧的图像识别模型。例如模板匹配模型。这种模型认为，识别某个图像，必需在曩昔的经验中有这个图像的记忆模式，又叫模板。当前的**假如能与大脑中的模板相匹配，这个图像也就被识别了。但这种模型强调图像必需与脑中的模板完全契合才能加以识别，有必然的局限性。花式塔心理学家又据此提出了一个原型匹配模型。这种模型认为，在长时记忆中存储的并不是所要识另外无数个模板，而是图像的某些“相似性”。从图像中抽象出来的“相似性”就可作为原型，拿它来检讨所要识另外图像。假如能找到一个相似的原型，这个图像也就被识别了。可是，这种模型没有申明人是如何对相似的刺激进行鉴别和加工的，它也难以在争论机法式中获得实现。是以又有人提出了一个更复杂的模型，即“泛魔”识别模型。

　　跟着争论机手艺及人工智能手艺的成长，图像识别手艺越来越成为人工智能的根基手艺，它将是将来科技范畴几大环节工业的焦点手艺之一。微软、谷歌、Facebook、亚马逊、百度、腾讯等巨头都在倾泻大量资源鞭策这项功能前进。好比微软的图像识别应用“我看起来有多大”(HowOldDoILook?)，成为收集上红极一时的话题。在客岁进行的第六届ImageNet图像识别手艺角逐中，微软凭借“图像识另外深度残差进修”(DeepResidualLearningforImageRecognition)系统获得第一名。科技公司如斯热衷于图像识别手艺的应用和立异，这种前进显然会大风雅便互联网、传媒行业及科研范畴的相关工作。

　　图像识别手艺与安防手艺的融合

　　而今，图像识别手艺的应用规模已经远远冲破视觉的规模，而更多地表现为机械智能、数字手艺的特点。或许说，图像识别手艺就是人类视觉认知的延伸。

　　视频监控在曩昔的现实应用中，面临的最大问题就是必需由人工查看视频。视频智能阐明手艺恰是为管理这一问题而生，它过程对视频进行智能阐明、有效信息的布局化数据提取，从而让视频监控的利用者真正告别人工安防而走进主动化安防的新时代。

　　今朝视频智能阐明首要有两种产物形态：前端智能和后端智能。前端智能以科达感知型摄像机为代表，将智能阐明算法嵌入到前端摄像机，前端摄像机对采集的视频内容当即进行阐明，提掏出画面中环节的、感爱好的、有效的信息，形成布局化的数据，将后端感爱好的内容及时传给后端做存储或深切阐明。后端智能是前端摄像机只负责采集视频图像，将码撒播递到后端办事器做集中处理。如许对于后端的争论压力比力大，也晦气于及时处理。更合理的格局是前端摄像机进行根基的布局化数据提取，后端办事器再进行深度二次阐明;也就是说，将前端和后端共同起来做智能阐明，才真正让视频图像智能阐明实现最大化价值。

　　视频监控范畴是图像识别手艺一向在追求冲破的首要范畴之一。视频智能阐明手艺今朝在公安、交通、零售、司法、教育等行业都获得了普及性应用。

　　公安

　　公安行业借助智能视频阐明首要用于实现城市道路、广场及各类重点场合的人、车、物等方针的识别，提取包孕人的性别、人脸、全身等信息，车的车标、车牌、车身颜色等信息，这些信息均可提炼为争论机能识另外布局化数据，送入后端进行专业的平安经管应用，首要包孕及时布控、高危人员比对、以图搜图、多点碰撞、语义搜刮等方面。

　　交通

　　具有阐明、感知能力的智能摄像机过程视频识别阐明手艺，可对每辆车进行完整的违法行为阐明、识别、抓拍和录像，记录车辆违法的整个过程，再将每笔记录生成非布局化的视频、照片数据和布局化的文本数据提交给后端智能经管与阐明系统，由系统进行高度智能的交通违法行为处理。基于智能视频阐明手艺，智能交通经管系统还能得出分歧品牌的车型拥有量、过车岑岭期、车辆进出城岑岭期及行驶标的等富厚的交通数据，为城市交通流量管控、交通道路规划等供给详实的数据支撑。

　　零售

　　视频智能阐明在零售门店视频监控方面的领先应用，是科达为结合利华门店扶植的热点统计系统，系统过程感知型摄像机和后端的大数据阐明平台相共同，用于开展小我护理类商品陈列和货架结构的顾客行为数据收集及阐明，好比顾客在分歧商品前的停留时候是几多几何几许若干、商品陈列和货架结构调整前后的人流动向对比和采办金额对比等，进而作为最终的经营计划参考。这一系统不仅立异了视频监控系统长途经管零售门店的应用，更为连锁零售行业若何过程视频监控系统开展消费数据比对、阐明等大数据应用开创了有益启迪。

　　司法和教育

　　在牢狱和看守所，视频智能阐明手艺更是较早获得了运用。除传统的智能阐明手艺应用之外，感知型摄像机也被用在AB门等收支口，用于对所有过往人员进行脸部和全身的图像采集，同时供给布局化和半布局化数据给后端经管平台，平台对人员进行及时比对，用于有效杜绝不法收支。学校采用视频智能阐明手艺或许开展平安经管和教育录播两种应用，后者过程教室内的智能跟踪摄像机主动识别、跟踪教员的活动图像，同时对视频和声音进行记录，再生成录播课程。

　　应该说，图像识别手艺对于整个安防方案来说都是一项艰难而又环节的使命，直接决议了后续图像处理与阐明的精确性和便捷性。在视频监控范畴，图像识别手艺正面临着不小的挑战，具体可阐释为：其一，对图像质量的要求越来越高，图像识别与处理的算法也越来越复杂;其二，对图像的及时性处理和传输要求越来越高;其三，图像识另外算法加倍个性化，也加倍成为市场竞争力的环节地点;其四，图像数据往往涉及隐私，是以也需要供给或许信任的平安包管。面临这些挑战，科达深知要使图像识别手艺与安防手艺实现更好的融合，任重而道远。尽管在业界已经拥有了必然的知名度，科达仍然深耕于安防行业，把感知型摄像机视为视频监控的将来，在将图像识别手艺更好地应用于具体的行业需求方面，为其他人工智能的应用供给了一条有价值的参考路径。