【AI创新】以萨视频AI多维数据融合应用解决方案

以萨视频AI多维数据融合应用方案立足点很高，是基于打通对人、车、物的动静态数据应用壁垒的基础上实现的融合应用，在一个平台实现海量多类型数据的关联碰撞及高效分析，可满足百亿乃至千亿级的规模化平安城市应用需求。从目前已实现的项目案例来看，以萨已精于打通数据壁垒，可以说其已是一家基于优势算法的大数据综合应用服务公司;或者说，以萨是站在战略层面来发展AI。

测评表现

　　AI有着非常广泛的应用，它绝不仅仅存在于人脸识别、车辆识别、生物识别、物体识别等常规认知领域，还有基于数据的顶层AI应用——一个广泛的无人区。DT时代，最重要的不是我们拥有多少数据，而是能对手上的海量数据做什么，它们又将给我们带来什么意想不到的价值。

　　以萨，恰是这样一家公司，与诸多AI算法公司最大的不同之处在于，其主要业务不仅是追求算法参数指标极致化，而是通过大数据汇聚融合，构建大数据应用平台，再由平台强大的超脑运算能力，实现具体的人工智能应用，以及众多人工无法识别，只有经过大数据库库碰撞才能实现的全息多维研判分析。显而易见，与众多AI企业相比，以萨的立足点是解决平安城市领域，AI技术的规模化实战应用难题，围绕公共安全业务场景对于多维数据的融合应用需求，持续打造技术架构新、交付能力强的实战型解决方案。

　　手握金刚钻：深度算法+完整的产品体系，构筑数据融合基础

　　以萨对AI的渗透程度，是随着行业深耕不断演进的，作为最早一批将AI技术应用于视频安防领域的技术厂商之一，以萨拥有10多年的计算机视觉、大数据分析处理经验积累。切入之初，以萨就选择了识别难度更高的车型、车辆特征算法开发，随后逐步攻关视频结构化分析、人脸识别等更为丰富的AI应用算法。

　　其中，对视频图像中车型、车辆特征识别的运用，以萨早已熟稔，本次测评涉及的多个案例中，这类算法就多次发挥了至关重要的作用。即便车辆套牌、改变外观也难逃以萨法眼，平台仅从部分特征就可关联分析出完整链条。另外，“视频AI”基因也深度影响着以萨如今的行业深耕，虽然算法不断增多，但始终高度围绕公安、交通、平安城市等行业的需求展开深度AI大数据融合应用，让以萨的专业度和行业深耕程度愈加聚拢。

　　目前以萨已围绕4类平安城市主流大数据应用，建立完整的视频AI深度应用产品体系：

　　视频监控：包括视频车辆大数据实时分析系统、视频目标智能追踪系统、支持6000路以上的视频实时结构化分析系统、视频目标分析单机版、高危目标实时预警系统、案件库、视图库等;

　　卡口图像：卡口车辆大数据系统、全市、全省车联网系统、全国联网实时过车信息库和相关应用、重点车辆监管系统、实时车辆预警系统、智能交通大数据系统、道路交通风险监测系统、智能车辆实战应用一体机、移动警务APP等;

　　人脸抓拍：支持千路级规模化应用的人脸识别、动态人脸布控和轨迹追踪系统;

　　感知设备：自动关联分析人员信息的感知数据分析应用系统。

　　聚焦公安业务规模化应用的“实战派”

　　当前平安城市大数据应用侧重在单警种、单系统内的事后侦查。但随着车辆识别、人脸识别等技术手段被公众了解，嫌疑人作案时不挂真牌、刻意遮挡面部……使得单一维度的侦查和管控手段面临三大无奈：一是容易被规避，二是难以落地人员身份，三是无法对目标全面刻画，轨迹追踪难、预警难。

　　针对这一痛点，以萨聚焦公安业务规模化应用需求，首要解决的就是多警种资源、跨平台业务、非标系统等带来的数据壁垒问题。实际上，突破不同属地、不同警种、不同网络、不同厂商、不同架构的局限正是以萨的强项。基于以萨完善的产品体系和优异的项目交付能力，持续打造可规模化实战应用的解决方案。已实现视频、卡口数据和人员数据的复合应用和可扩展应用，在同一平台下全面打通人、车、物多维数据的自动关联和融合分析。

　　再者就是同一平台下，动静态、多业务海量数据库的调用问题，“以萨视频AI多维数据融合应用”采用分布式架构、流式内存计算、CPU+GPU异构计算，支撑百亿级数据实时比对响应，依托人工智能、视频图像结构化等技术发挥多模态数据处理能力，智能提取视频、图像等多渠道中关键信息进行多模整合，针对不同的动态数据来源和应用特点，建立虚拟身份标识。结合时空、基于身份标识建立关联和追溯关系，实现视频图像相关信息的高效流转，从源头上攻克动态数据关联管控应用的难题，实现百亿级人、车数据检索碰撞、秒级响应，快速锁定嫌疑目标，来知其影，去知其踪。

　　当数据库庞达到亿级之后，系统研判响应效率将会呈指数级下降;若达到百亿级、千亿级时，超大规模数据研判将会愈发困难。对此，首先以萨研发团队自主开发了自动调参系统，可对网络模型的组合类型，每层参数，以及学习率等自动寻找最佳设定，大大减少手工调整耗时耗力的弊端，同时可获得理论最佳效果;其次是开发了高度自动化的数据搜集、整理和标注系统，可以根据需要从自然数据中自动提取所需样本，并进行初步的筛选和标注，比单纯人工整理效率要高10倍以上。第三是对代码进行了深度极限优化，比如利用SIMT和SIMD技术对CPU和GPU代码进行指令集级别的优化，可提升8-10倍的处理效率。据以萨介绍，其目前某项目的动态数据采集量就达到了2亿/天，但数据调用能够稳定支持秒级响应。

　　小结

　　“融、智、准”点亮AI

　　“以萨视频AI多维数据融合应用”通过几十余种技战法+几十余种目标属性+目标精细布控+组合式的条件检索，全面打通人、车、物多维动静态数据的孤立壁垒，实现了在数据层的全息感知、多维融合;通过目标智能提取、深度神经网络大数据处理等AI算法，利用人工智能+大数据技术，对人、车、物进行自动关联匹配，在技术层实现了深度人工智能化应用;再结合实战需求，基于平台对人、车、物等数据的关联分析与研判，大大提高了在案件研判及事前布控预警中的实战支撑效能，在应用层实现精准预警、精准打击、精准防范、精准管理应用。

核心技术

　　在技术层，其以人工智能算法为核心，依托GPU加速渲染、深度神经网络的大数据处理平台，打通和建立人、车、物多维目标的智能关联、智能分析、智能推送;在数据层，以萨将视频、卡口、人脸、人像等数据，同人员、车辆、物品、轨迹信息等进行多维融合，倍增数据价值;攻关解决了全市、全省级千亿数据规模下的城市视频图像实时联网智能分析、基于CPU+GPU的动态分布式异构计算等关键技术难题。该解决方案的重点在于对人、车、物三大类动静态数据的关联应用，“融、智、准”正是该平台核心技术的真实写照。

算力要求

　　以萨研发团队对代码进行了深度极限优化。利用SIMT和SIMD技术对CPU和GPU代码进行指令集级别的优化，同时优化处理器层面的缓存使用，以及IO流程的精简。另外，对网络模型进行“运行时优化”(Runtime Optimization)，在保证准确率基本不受影响的情况下，对网络模型进行压缩，减少存储和计算需求。以萨通过算法优化后，同样的深度学习技术，以萨技术可以做到比市面常见产品提升了8-10倍的处理效率。

大数据训练

　　以萨视频AI多维数据融合应用在大数据训练过程中，历经公安部、北京、广东、山东、四川、江苏、安徽、福建等20多个省部级公安机关、900多个县市区公安机关实战检验。目前其在某个单一项目上就实现了日均2亿的结构化动态数据实时分析应用。

　　不过，作为一款多维数据融合方案，与单一AI应用最大的不同就是，其首要目的不是为了训练识别精度，是要基于大数据碰撞进入多维数据价值挖掘无人区，支撑平安城市领域对于多维数据的规模化应用需求。事实上，该方案已经在海量数据配合训练下，实现了数据融合、淬炼的“融、智、准”应用。

落地能力

　　以萨已在全国多地搭建了多维数据深度应用平台，圆满护航厦门金砖峰会、全国两会、上合峰会等重大活动和会议的安全保障工作，受到公安部、北京市公安局、福建省公安厅、山东省公安厅等客户单位的高度认可。

案例分析

　　在某地被盗车辆追回案件应用中，由于接入的已建监控资源为老旧系统，案发附近图像视频源清晰度有限，没有能够抓到任何有价值信息。但借助汇聚全省视频资源的以萨视频AI多维数据融合平台，基于车辆特征检索，很快从某卡口图片中查找到符合度极高的疑似被盗车辆。但新情况再次出现，由于车速过高、已建系统无法适应高速运动车辆的车牌抓拍，车牌依然无法识别;民警只能继续通过车辆特征结合被盗车车牌进行分析，在试图通过大数据碰撞追查嫌疑人落脚地的时候发现，嫌疑人落脚地经常变换;更糟的情况是，大数据分析时，数据无法再碰撞，落脚地消失了。不过，经过平台更细化的视频图像特征分析，重新锁定一辆车型高度相似但车牌不同的嫌疑车;于是再通过视频图像特征数据碰撞得出“嫌疑车被套牌”的结论。民警此时沿着被套车牌线索追查车辆轨迹，随后发现车色被改装喷涂，最终通过数据分析出“喷漆地点”并获得一张可识别人脸的图像，再基于该人脸图像通过人脸识别算法及动静态数据库碰撞，锁定犯罪嫌疑人身份。

　　该案中，充分运用了视频图像特征识别、动静态大数据碰撞、综合研判、人脸识别等多项技战法，最终完成了案件的侦破。

AI创新亮点

　　打通卡口、视频、人脸等数据间的自动关联，无需跨越多个系统，可在一个系统中实现对卡口、视频、人脸、感知设备等多数据源的综合查询;支持车辆、人脸、人像、物品等数据进行轨迹分析、同行分析、多点碰撞等大数据综合研判;支持可视化展示多维目标轨迹，支持多维数据布控告警，优化了警务流程，提高了办案效率，补齐了单一维度信息化技术手段的局限和不足，让数据融合应用的红利服务于平安城市治安防控、雪亮工程、智能交通、道路风险防范等多个领域。

专家点评

提升空间

　　在人员行为与案事件关联分析方面还可再完善，便于针对具体案事件进行模型分析及预警。

测评评分