Page 51 - 基于深度学习的人工智能技术研究

第二章 人工智能核心技术

很必要的手段。
总的说来，视频分析能力已经成为视频网站，各大媒体和档案资料部门不可
或缺的管理手段，视频分析能力的质量和效率，直接决定了其下游提供的各种服
务能力和响应速度。在一个万物信息化的时代，以此为根据，越来越多的个性化

分析能力必将成为这个细分领域不可缺少的能力。而随着生产和采集设备的多样
化，视频分析结合多种多样的信息输入来提高其准确率和精度也将成为一个热门
话题。
2. 安防监控领域

安全领域是一个老生常谈的话题，随着科技的不断进步，现阶段对安防提出
了响应更快捷，处理更智能化的要求。以校园安防为例，除了传统的摄像头布控
和人工监控之外，AI 技术的引入可以大大降低人力投入的成本，同时提高识别
的效率和准确率。校园安防首先需要对校园的全体师生和员工们进行人脸采集和

分类标识，形成人脸底库。在日常的监控当中，部署在校园内外的各处的摄像头
可以对出现的活体人脸进行检测，同时识别到是否有陌生人进入到校园附近的范
围，并根据事先设定的阈值进行报警。陌生人脸经由老师或者学生辨认，可以加
入人脸底库成为可信人物或者上报到公安机关。在这个过程中，主要是使用各种

目标重识别技术，如人脸重识别，行人重识别等。
通过对多个摄像头的数据综合，可以还原目标在校园内外的行动轨迹，便于
对校园突发事件进行还原。此外，行为识别、拥堵检测也是常见的处理技术。行
为识别，利用时间和空间上的数据可以检测出一些常见的行为，如走路、跑步、

摔倒、打架、抽烟等，便于安保人员和有关领导快速掌握关键视频段落。而拥堵
检测，可以对框定范围内的区域进行人头数清点，一旦满足一定的预设阈值，则
会进行拥堵报警，便于安保人员进行提前到场进行人流疏散。
可以说校园安防是一个计算机视觉处理技术综合应用的典型场景，除了应用

于校园，诸如公司园区，工厂厂区等也正在尝试接入这种新型的管理方式。视觉
处理的算法技术应对这些场景，一般只需要进行简便的参数调优，配置以相应的
底库数据，以及和摄像头位置信息的互相配合，就可以达到比较好的效果。这使
得大规模的推广智能安防落地成为可能，同时日常采集到的大量视频和图片数据，

则可以反哺背后的算法模型，不断提升其精度和准确率。各类园区有其实际的环
境特性和工程部署难度，也需要技术人员在这个过程中不断积累经验，快速应对。

43