智能分析算法在整個(gè)智能方案中的重要性需要轉(zhuǎn)化為引導(dǎo)作用。在大部分智能化產(chǎn)品的設(shè)計(jì)過(guò)程中，已經(jīng)認(rèn)識(shí)到了智能分析算法的重要性，但是，留給算法使用的資源卻很有限，如計(jì)算資源不足，目標(biāo)在圖像中的分辨率不夠等問題，最終體現(xiàn)出來(lái)現(xiàn)象就是算法準(zhǔn)確率、實(shí)時(shí)性等指標(biāo)達(dá)到不預(yù)期。隨著智能分析重要性的提升，尤其是客戶對(duì)智能分析結(jié)果的要求越來(lái)越高，算法需要在整個(gè)方案中發(fā)揮一定的引導(dǎo)作用，在軟硬件的設(shè)計(jì)過(guò)程中，將滿足客戶的智能需求作為共同的目標(biāo)。
此外，某些智能分析算法的性能與安防行業(yè)的具體要求間也存在著一定差距，如算法準(zhǔn)確性、實(shí)時(shí)性、魯棒性、環(huán)境適應(yīng)性等等，但這些指標(biāo)的提升是長(zhǎng)期的，需要相關(guān)領(lǐng)域的人才一起努力來(lái)完成。
智能分析與人工智能
作為強(qiáng)化智能分析的手段，人工智能在近一年表現(xiàn)搶眼，已經(jīng)有很多安防企業(yè)開始投入資源開發(fā)基于深度學(xué)習(xí)技術(shù)的算法、產(chǎn)品，深度學(xué)習(xí)和大數(shù)據(jù)為智能視頻分析技術(shù)的發(fā)展帶來(lái)兩大方面的提升。
首先，提升了智能視頻分析中很多機(jī)器學(xué)習(xí)算法的準(zhǔn)確性，例如，在國(guó)際權(quán)威人臉識(shí)別公開測(cè)試平臺(tái)LFW(Labeled Faces in the Wild)上，排行前列的算法精度都已經(jīng)超過(guò)了人類的識(shí)別精度。其它如車系識(shí)別、人數(shù)統(tǒng)計(jì)等算法中，深度學(xué)習(xí)算法的表現(xiàn)也遠(yuǎn)遠(yuǎn)超過(guò)了傳統(tǒng)的機(jī)器學(xué)習(xí)算法。
其次，深度學(xué)習(xí)和大數(shù)據(jù)技術(shù)直接建立了從數(shù)據(jù)到目標(biāo)模型的映射，不再需要人工選擇或創(chuàng)建特征集來(lái)描述目標(biāo)。這種特點(diǎn)一定程度上降低了機(jī)器學(xué)習(xí)領(lǐng)域的門檻，也幫助一些以前很難人工建模的問題得以解決，促進(jìn)了相關(guān)技術(shù)應(yīng)用的發(fā)展。但同時(shí)，深度學(xué)習(xí)的訓(xùn)練過(guò)程需要海量數(shù)據(jù)，需要計(jì)算能力足夠強(qiáng)大的硬件，深度學(xué)習(xí)算法本身的升級(jí)則需要更專業(yè)的人才能完成，這些因素也帶來(lái)了新的挑戰(zhàn)。
智能分析技術(shù)將以解決方案的形式獲得更快速、更廣泛的發(fā)展。在很多人的印象中，智能分析技術(shù)可能是一個(gè)算法上的概念，但如果傳感器提供的數(shù)據(jù)、用于計(jì)算的芯片性能都不理想，那么只靠算法，對(duì)最終結(jié)果的提升作用是有限的。所以，現(xiàn)在很多智能解決方案中都包含了更豐富的傳感器與更強(qiáng)大的處理芯片，一方面，智能分析算法需要硬件方案提供輸入的全景視頻信息;另一方面，多目拼接相機(jī)中的實(shí)時(shí)拼接算法、與球機(jī)進(jìn)行聯(lián)動(dòng)時(shí)的高精度標(biāo)定算法等，也是硬件方案中的關(guān)鍵部分。同樣，芯片技術(shù)也是智能解決方案中不可或缺的。
過(guò)去幾年，安防龍頭企業(yè)成功地從產(chǎn)品營(yíng)銷升級(jí)為解決方案營(yíng)銷，隨著算法、芯片、多維傳感等技術(shù)的不斷發(fā)展，必將推動(dòng)智能解決方案快速發(fā)展。