采用人工智能的视频分析，令城市更宜居

August 5, 2021

Erica Stevens

人工智能驱动的视频, 视频分析, 智能城市

尽管基于视频的安全机制已被广泛采用，但直到最近，效果还是时好时坏。例如，业主通常希望在有人越过安全周界时收到警报，但动物其实也很容易触发这些传感器。因此，运营人员经常不得不在错误警报中翻查，并手动搜索长达数小时的录像，才能找到真正有意义的事件。

但是，基于人工智能的视频分析正在改变一切。这些边缘到云系统采用复杂的深度学习算法，观看并分析视频、过滤噪音，并在需要行动时实时向运营人员进行通报。

因此，安保人员可以做到随时就绪，并在接收到有效警报时立即作出响应。
而且，员工也可以执行更有价值的任务，比如与客户互动，而不是花费数小时的时间在现场“转来转去”。

但是，提高安全性仅仅是上述新技术的优势之一。它的设计依靠边缘处理并限制对个人身份信息的使用，从而确保监控视频使用的可靠性。

驾驭视频的力量

与人类视觉甚至是传统计算机视觉相比，基于人工智能的视频分析的主要优势在于精度的提高。车牌识别用例很能说明问题：数字和字符可能是纵向或横向的；颜色、大小、符号等也可能根据所在的州或国家/地区而有所不同。

人工智能视频分析解决方案提供商 Uncanny Vision 的销售副总裁 Prush Palanichamy 表示，在这种情况下，传统计算机视觉系统的准确率无法超过 40%-50%。这种程度的性能实际上意味着系统毫无用处。

另一方面，Uncanny 基于人工智能的视觉系统则确保准确率达到 95%。Uncanny Vision 的联合创始人 Navanee Sundaramoorthy 表示，这时它们才真正开始起作用。而特定于地点的训练可以将上述数字进一步提高到 97%或 98%。他说：“然后这个系统变得如此易于使用和有效，客户就不会再想要回到过去的方法了。”

但这种程度的精度无需收集个人身份信息。与此正相反，系统不关心人脸或车牌号码。图像鲜少被存储下来，更不要说发送到云了，这样做对于城市和企业来说成本都过于高昂。

反之，Uncanny 在边缘将视频转换为元数据。本地处理视频意味着只需要将几千字节的数据发送到云中进行分析，作为基础来自动生成警报。这样做，客户既节省了开支，又省去了保护机密信息的麻烦。

基于人工智能的视觉应用数不胜数

采用英特尔^® OpenVINO^™ 工具套件在小型嵌入式处理器上构建的可自定义框架，使这样的处理方式成为可能。事实上，根据 Sundaramoorthy 的说法，OpenVINO 优化可以将性能提高四到八倍。这意味着该系统可以以每秒 30 到 40 帧（而不是每秒 10 帧）的速度处理视频，而且可以让一系列应用成为可能，比如高速公路交通监控。

上述应用，无论大小，将会使公共生活和私生活变得比以往任何时候都更美好。例如，某些服务提供商 (SP) 已经在使用 Uncanny 的解决方案，在高带宽连接性的基础上为城市提供额外的价值。

在 Uncanny 的帮助下，服务提供商可以将城市现有的 CCTV 摄像头变成经济高效的视觉传感器，通过后者提取深度分析来改善娱乐场所、写字楼和交通运输枢纽的运营以及外观。

但更重要的是，利用此时此刻的数据（而非10年前的交通调查表）来规划交通活动，可以提高道路安全性。Sundaramoorthy 指出，考虑到疫情对我们的生活、工作和出行方式造成的影响，实时深度分析在当下尤为重要。“很多城市的交通模式都发生了剧变，” 他说，“历史数据几乎毫无用处。”

保持同步的唯一方法是对所有相关指标进行连续、及时的查看：道路上的车辆、行人和骑行者的数量，以及它们的位置、方向和速度。这就是 Uncanny 开发流量分析用例的动机，它带有一个仪表盘，会将城市需要知道的一切悉数告知。

基于人工智能的视频分析还可以确保高速公路的安全。例如，美国交通部正在使用 Uncanny 的解决方案，告诉卡车司机哪里可以找到可用的过夜停车位。因此，他们既不需要再停在路边，危及自己和其他司机的安全，也无需浪费时间和汽油到处寻找合适的停车位，而是根据需要随时停车。