在安防大數據時代，智能化在安防系統的建設中越來越重要。未來安防技術的應用將以視頻為核心，結合人工智能技術，實現傳統安防應用向“深度智能”應用變革。

　　那么在SDT大數據時代，我們為什么需要“深度智能”?看看海康威視技術支持與服務部總監何峻峰帶來怎樣的解讀。

　　Q：a&s 《安全自動化》

　　A：何峻峰 ， 海康威視技術支持與服務部總監 ， 高級工程師

　　Q：當前行業所談到的智能有哪些不足？

　　A：從2006年開始我們就一直在講智能，許多廠商都在智能上下足功夫，智能化也成為安防行業新的趨勢。但在喧囂的背后，智能的實際效果受限于芯片與算法的發展，卻一直不能令人滿意有重大的突破。主要體現為智能識別準確率低、設備環境適應性差、識別智能種類少等問題一直困擾著智能的應用的普及。

　　Q：為什么在安防行業向著智能化發展的關鍵階段，海康威視會提出SDT大數據理念？

　　A：隨著各地視頻接入規模的迅猛增長及視頻監控對高清、智能、聯網的要求越來越高，每天產生的數據量正以驚人的速度在不停增長。安防行業正邁向全新的大數據時代，數據越來越成為最寶貴的資源，如何有效對數據進行存儲、共享以及應用變得愈加重要，SDT(安防大數據技術)時代應時而生。

　　一切智能化的應用都將在數據結構化的前提下實現，SDT將是實現安防智能化最基礎的手段。

　　Q：在SDT安防大數據時代，傳統的算法已經明顯落后，深度學習算法的具體應用有哪些特點？

　　A：在SDT安防大數據時代，面對井噴式增長的視頻監控數據量，只停留在淺層次分析識別的傳統智能算法，已無法滿足深層次數據價值挖掘的需求。

　　顯而易見，我們需要有更深層次的智能，應用人工智能可以幫助我們做到這一點，而這其中的關鍵點便是深度學習算法的應用：

　　一、準確率更高，應用深度學習算法的深度智能設備，可以自行提取更多更詳細、更微小的特征，從而使得識別分類對象的準確率越高，也就是說：深度學習讓智能有了質的飛躍;

　　二、環境適應性更強，同樣是環境特征的提煉，深度學習算法可以自行提取更豐富、更適合的特征參數，從而達到更強的抗環境干擾能力。這樣意味著，深度學習的產品可以應用到更廣泛的環境當中;

　　三、識別種類更豐富，理論上只要有足夠多的樣本進行訓練，深度學習能夠實現比較精準的目標分類識別，自主特征識別的特點，又讓深度學習特別適用于抽象、復雜的關于人的特征、行為的分析領域。

　　Q：應用深度學習的智能產品，目前能在哪些場景下運用？

　　A: 現在深度學習智能產品雖然在市場上各家的宣傳側重點各有不同，但其出發點都在于人體分析(人臉識別、人體特征提取技術)、車輛分析(車輛識別技術、車輛特征提取技術)、行為分析(目標跟蹤檢測技術、異常行為分析技術)、圖像分析(視頻質量診斷技術、視頻摘要分析技術)四大塊上。深度學習算法讓感知設備不僅具有感覺，也能夠辨別與分析。

　　在常見的應用場景中，如某園區，想查找一個上午10點進入園區的穿黃衣服的男性，可以直接通過屬性篩選，獲得所有相關的人體圖片信息。通過人臉的1比1、1比N的靜態比對和動態比對，實現人臉的身份驗證或實時報警，顯示人員運動軌跡，給事后查詢提供證據等。

　　再比如對車輛可以進行更精細的識別，進行特征搜車應用時，輸入一輛車輛照片，根據車燈壞了、凹痕、車內飾物等特征進行精細搜索。類似的深度智能場景應用還有很多很多，此處不一一列舉。

　　我們可以確信：有了深度智能，之前困擾我們行業的難題將迎刃而解!隨著深度智能產品的投入市場，SDT安防大數據時代的深度智能應用，將全面落地開花!