在防爆摄像机领域99%以上的数据是非结构化数据。很多情况下需要深度学习算法的突破,对目标进行识别,对物体进行检测,对场景进行分割,对人物和车辆属性进行分析。但由于传统算法及芯片技术的制约,智能
防爆摄像机的发展一直停步不前。在2016年北京安博会上,深度学习被视为突破当前难题的关键,技术的突进也让防爆摄像机不再停留在解决用户安全防范的需求,朝着更快、更广的领域延伸,视频被赋予了更多的价值。
在“更快”方面,
防爆摄像机企业从过往研发方向聚焦于解决“看得清”的问题(高清视频图像及应对苛刻环境下工作),向着以视频数据帮助用户如何去“看得懂”趋势及变化,换句话来讲,前者强调事后的取证,后者强调的是事中或者事前的防范,
防爆摄像机系统突破视频非结构化的制约,实现对事态研判、动态人脸识别,极大提升了实时报警率及降低了误报率。
在“更广”,
防爆摄像机系统借助深度学习与非结构化数据的计算能力,能实现不仅仅安全防范的需求,也将视频的价值进一步得到挖掘,如商业业务决策、提高企业运营效率等,视频技术的进步,无形中也推进着智慧城市建设。
但就目前而言,突破视频数据非结构化虽然不是问题,但如何进行非结构化数据的管理以及如何跳出防爆摄像机的安全价值,去延伸更多的应用价值,也是值得防爆摄像机企业去深思的问题。目前防爆摄像机行业的视频的业务目标过于单一,无法真正引爆视频的真正价值。值得防爆摄像机行业借鉴的是,这些先进的图像芯片技术及算法已经被广泛运用于动态人脸识别、智能防爆摄像机、无人机图像处理、遥感地理图像处理等领域。