人工智能基础与安防深度学习

目前，AI早已成为各行业热点关键词，物理安防行业也不例外，人工智能也是一股有可能改变和重新塑造行业的重要力量。

广义的人工智能（AI）指的是关于机器计算的智能，而非人类本身。在安防行业，我们所说的AI指的是机器模仿人类及其它生物认知功能的技术应用，即模仿人类大脑学习和解决问题的思路和方法。

人工智能推动安防行业快速发展

当前，计算机行业的三大趋势正在推动人工智能的快速增长。这三大趋势分别是：

首先，计算机硬件的崛起能够处理复杂的计算，尤其是图形处理器（GPU， 其使用“并行处理”模式而不是我们熟悉的CPU“串行处理”模式）。可以同时并行处理多个计算任务，效率远远高于“串行”模式。而且这是一种更具可扩展性的方案：将大问题分为许多可以同时解决的小问题来处理。其次，更有效“训练”系统编程方法的发展，特别是神经网络，它能够与GPU并行处理同时工作。

神经网络是由许多简单、高度互连的处理单元组成的计算系统，通常以层的形式构成，每层由互连的节点组成。每一层计算出的结果决定下一层的输入。神经网络可能超过一百层，因此能够将大量复杂的数据。第三，传感器（包括摄像机）的激增，产生足够大的数据，使系统能够被有效地“训练”（例如“大数据”）。

“大数据”的激增提供了大量的训练数据。而安防视频监控数据占据了大数据的60％，并且每年还在以20％的速度增长。这种数据的激增为人工智能发展提供了源动力，并且增强了系统的功能。

人工智能系统训练

在GPU上运行的神经网络中，学习规则不断优化调整连接的权重（重要性）； 每一层都有不同的“权重”，反映了在前一层学到的东西。当呈现数据模型（例如视频图像）时，神经网络能够通过分析模式判断它可能是什么。

训练包括了确定初始结果与最终结果的过程，并对连接权重进行适当调整。用高度概括性的术语说，这就是AI系统的“学习”方式。不过整个“训练”过程分为多个阶段，就像过滤器一样，每个阶段的结果都引导通往正确分析的路径。

深度学习是更广泛的机器学习方法的一种类型，也是与安防视频行业最为相关的概念。深度学习需要使用大量来自能神经网络学习系统的数据（例如，视频图像）。

视频监控系统中的深度学习

神经网络互相连接的处理单元与GPU并行工作，它们被设计成模仿人类大脑通过数十亿个神经元分析处理问题。人工智能深度学习，正在成为新一代视频监控系统的基础，赋予了传统系统卓越的性能表现。

这种方法极大改变视频监控系统的有效性。在此之前，计算机已使用视频分析算法进行编程。相比之下，深度学习系统才是更加“训练有素的”。如果你想识别一只猫，则提供大量猫的图像，系统将之分解成较小的组件并寻找共性的数据。然后它就会“学习”这些案例中的共同特征。

为了最大程度地训练，系统呈现的数据越多，它就越精确，即“学习”到的越多。通过大量的案例数据学习，深度学习系统便形成相应的识别模式。

从训练到推理

在不久的将来，多智时代一定会彻底走入我们的生活，有兴趣入行未来前沿产业的朋友，可以收藏 多智时代 ，及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识，让我们一起携手，引领人工智能的未来！