交通运输

城市政府和私有企业可能还未意识到他们可能已经拥有了极具价值的东西：闭路电视 (CCTV) 摄像头捕捉的大量视频图像。Vehant Technologies 产品经理 Saurabh Pachnanda 说，这一数量级的数据需要智能来帮助理解视频内容。这家公司专营安全相关产品。

例如，您可以在停车场、公寓大楼入口、零售店、医院和智能城市等公共空间看到摄像头。结果，政府和私营企业便被淹没在了大量原始视频录像和数据中，除非可以从中获取宝贵见解，否则毫无意义。

视频分析的增长

举例而言，摄像头可能只捕捉到了数十辆汽车在高速公路上掉头，但是需要智能帮助理解可能存在的障碍，Pachnanda 解释道。操作员可以手动筛选录像，但是在数小时的视频录像中寻找几秒钟的有用信息就好比大海捞针。部署人力资源完成这项任务过于低效，且十分昂贵。

幸运的是，机器学习电脑视觉算法的进步提升了从图像中智能提取有效信息的能力（图 1）。Pachnanda 注意到，这些因素加上边缘性能的提升，加速了对具可操作性的视频分析的需求。他说，“确保这些技术并提升生产力的需求不断增长。”“电脑视觉机器学习算法提供智能，帮助用户理解事件。我们不再需要有人一直盯着原始视频数据。他们只需要关注特定的事件或特定的洞察。”

视频分析的多个使用案例

AI 和机器学习也可以接收其他传感器的输入信息，找到可能会被人类忽略的，数据中的更大趋势与关联。印度一家医院曾苦恼于无法为医务人员提供充足的停车空间，于是将现有基于贴花的系统与使用机器学习算法的车牌自动识别系统结合。将此项智能与现有方法结合让医院管理层可以更好地将员工与其车辆匹配，确保员工遵循停车规定，不超出分配的停车时间。

这只是视频分析重要性的用例之一。Vehant 的 AI 视频分析可以在三个垂直市场中起作用：智慧城市、企业分析和视频事件监测。

Vehant 拥有一批预先训练、用于特殊用例的模型，让客户可以结合现有工作，而不用一切从头开始。这样，Vehant 可以为不同需求调优不同模型，客户可以最小化部署时间。公司使用现成的程序包作为本地配置和定制的基础。

根据不同用例，公司可以通过移动应用、短信或电子邮件为客户发送调查结果通知。Vehant 还提供网页接口让用户可以通过单一平台访问所有洞察。Pachnanda 解释说，通知包括丰富的元数据，提供有关位置、时间、捕获的事件类型的详细信息，以及几秒钟的相关视频流。

视频分析所需的基础设施

Vehant 知道客户对淘汰和更换解决方案持谨慎态度，因此在设计定制解决方案时会考虑现有的基础设施、摄像头和相关系统。

除了摄像头外，根据所处理的数据量不同，客户还需要不同的算力。“当数据累积到一定量时，GPU（显卡）能够帮上大忙，因为他们可以高效处理海量视频，而这可以支持基础设施负载，”Pachnanda 介绍道。运用 CPU、GPU、和 AI 加速器等不同硬件技术，Vehant 能够满足不同客户不同数据量的需求。这些技术支持边缘快速推理，加速洞察交付。Vehant 的软件可以扩展收缩，以适应流入的数据量。

Vehant 致力于最小化对现有硬件设施的影响。“这些都是现成的通用计算；没有什么独特的不可通用的技术，” Pachnanda 说。“我们一直重视采用节约成本的方法。”他补充道，客户可以从小规模开始，逐渐扩展。

视频分析的未来

Pachnanda 说道，Vehant 十分重视数据隐私。例如，数据处理采用了增强安全。“系统内有相当数量的制衡，以确保数据不被不必要地泄露、捕获或使用，” Pachnanda说。Vehant 对在客户站点捕获任何数据没有访问权限，无论是在边缘还是在远程站点。

Vehant 使用英特尔^® 处理器和 OpenVINO^™ 工具套件进行 AI 边缘推理。“英特尔和我们在解决方案方面合作密切。他们在解决方案架构、最终部署方面提供支持，有时会帮助我们为用户提供端到端的紧密解决方案，” Pachnanda 说。

他补充说，这只是视频分析用例爆炸式增长的风口浪尖。“我们看到很多客户希望从视频数据中获得洞察，并且正在进行有限试验，实验多种可能，” Pachnanda说。“随着算法的升级，我们会看到越来越多行业大规模运用 AI 视频分析。”

本文由 insight.tech 的副主编 Christina Cardoza 编辑。