測評表現(xiàn)

　　AI有著非常廣泛的應(yīng)用，它絕不僅僅存在于人臉識別、車輛識別、生物識別、物體識別等常規(guī)認知領(lǐng)域，還有基于數(shù)據(jù)的頂層AI應(yīng)用——一個廣泛的無人區(qū)。DT時代，最重要的不是我們擁有多少數(shù)據(jù)，而是能對手上的海量數(shù)據(jù)做什么，它們又將給我們帶來什么意想不到的價值。

　　以薩，恰是這樣一家公司，與諸多AI算法公司最大的不同之處在于，其主要業(yè)務(wù)不僅是追求算法參數(shù)指標(biāo)極致化，而是通過大數(shù)據(jù)匯聚融合，構(gòu)建大數(shù)據(jù)應(yīng)用平臺，再由平臺強大的超腦運算能力，實現(xiàn)具體的人工智能應(yīng)用，以及眾多人工無法識別，只有經(jīng)過大數(shù)據(jù)庫庫碰撞才能實現(xiàn)的全息多維研判分析。顯而易見，與眾多AI企業(yè)相比，以薩的立足點是解決平安城市領(lǐng)域，AI技術(shù)的規(guī)?；瘜崙?zhàn)應(yīng)用難題，圍繞公共安全業(yè)務(wù)場景對于多維數(shù)據(jù)的融合應(yīng)用需求，持續(xù)打造技術(shù)架構(gòu)新、交付能力強的實戰(zhàn)型解決方案。

　　手握金剛鉆：深度算法+完整的產(chǎn)品體系，構(gòu)筑數(shù)據(jù)融合基礎(chǔ)

　　以薩對AI的滲透程度，是隨著行業(yè)深耕不斷演進的，作為最早一批將AI技術(shù)應(yīng)用于視頻安防領(lǐng)域的技術(shù)廠商之一，以薩擁有10多年的計算機視覺、大數(shù)據(jù)分析處理經(jīng)驗積累。切入之初，以薩就選擇了識別難度更高的車型、車輛特征算法開發(fā)，隨后逐步攻關(guān)視頻結(jié)構(gòu)化分析、人臉識別等更為豐富的AI應(yīng)用算法。

　　其中，對視頻圖像中車型、車輛特征識別的運用，以薩早已熟稔，本次測評涉及的多個案例中，這類算法就多次發(fā)揮了至關(guān)重要的作用。即便車輛套牌、改變外觀也難逃以薩法眼，平臺僅從部分特征就可關(guān)聯(lián)分析出完整鏈條。另外，“視頻AI”基因也深度影響著以薩如今的行業(yè)深耕，雖然算法不斷增多，但始終高度圍繞公安、交通、平安城市等行業(yè)的需求展開深度AI大數(shù)據(jù)融合應(yīng)用，讓以薩的專業(yè)度和行業(yè)深耕程度愈加聚攏。

　　目前以薩已圍繞4類平安城市主流大數(shù)據(jù)應(yīng)用，建立完整的視頻AI深度應(yīng)用產(chǎn)品體系：

　　視頻監(jiān)控：包括視頻車輛大數(shù)據(jù)實時分析系統(tǒng)、 視頻目標(biāo)智能追蹤系統(tǒng)、支持6000路以上的視頻實時結(jié)構(gòu)化分析系統(tǒng)、視頻目標(biāo)分析單機版、高危目標(biāo)實時預(yù)警系統(tǒng)、案件庫、視圖庫等;

　　卡口圖像：卡口車輛大數(shù)據(jù)系統(tǒng)、全市、全省車聯(lián)網(wǎng)系統(tǒng)、全國聯(lián)網(wǎng)實時過車信息庫和相關(guān)應(yīng)用、重點車輛監(jiān)管系統(tǒng)、實時車輛預(yù)警系統(tǒng)、智能交通大數(shù)據(jù)系統(tǒng)、道路交通風(fēng)險監(jiān)測系統(tǒng)、智能車輛實戰(zhàn)應(yīng)用一體機、移動警務(wù)APP等;

　　人臉抓拍：支持千路級規(guī)?；瘧?yīng)用的人臉識別、動態(tài)人臉布控和軌跡追蹤系統(tǒng);

　　感知設(shè)備：自動關(guān)聯(lián)分析人員信息的感知數(shù)據(jù)分析應(yīng)用系統(tǒng)。

　　聚焦公安業(yè)務(wù)規(guī)?；瘧?yīng)用的“實戰(zhàn)派”

　　當(dāng)前平安城市大數(shù)據(jù)應(yīng)用側(cè)重在單警種、單系統(tǒng)內(nèi)的事后偵查。但隨著車輛識別、人臉識別等技術(shù)手段被公眾了解，嫌疑人作案時不掛真牌、刻意遮擋面部……使得單一維度的偵查和管控手段面臨三大無奈：一是容易被規(guī)避，二是難以落地人員身份，三是無法對目標(biāo)全面刻畫，軌跡追蹤難、預(yù)警難。

　　針對這一痛點，以薩聚焦公安業(yè)務(wù)規(guī)模化應(yīng)用需求，首要解決的就是多警種資源、跨平臺業(yè)務(wù)、非標(biāo)系統(tǒng)等帶來的數(shù)據(jù)壁壘問題。實際上，突破不同屬地、不同警種、不同網(wǎng)絡(luò)、不同廠商、不同架構(gòu)的局限正是以薩的強項?；谝运_完善的產(chǎn)品體系和優(yōu)異的項目交付能力，持續(xù)打造可規(guī)?；瘜崙?zhàn)應(yīng)用的解決方案。已實現(xiàn)視頻、卡口數(shù)據(jù)和人員數(shù)據(jù)的復(fù)合應(yīng)用和可擴展應(yīng)用，在同一平臺下全面打通人、車、物多維數(shù)據(jù)的自動關(guān)聯(lián)和融合分析。

　　再者就是同一平臺下，動靜態(tài)、多業(yè)務(wù)海量數(shù)據(jù)庫的調(diào)用問題，“以薩視頻AI多維數(shù)據(jù)融合應(yīng)用”采用分布式架構(gòu)、流式內(nèi)存計算、CPU+GPU異構(gòu)計算，支撐百億級數(shù)據(jù)實時比對響應(yīng)，依托人工智能、視頻圖像結(jié)構(gòu)化等技術(shù)發(fā)揮多模態(tài)數(shù)據(jù)處理能力，智能提取視頻、圖像等多渠道中關(guān)鍵信息進行多模整合，針對不同的動態(tài)數(shù)據(jù)來源和應(yīng)用特點，建立虛擬身份標(biāo)識。結(jié)合時空、基于身份標(biāo)識建立關(guān)聯(lián)和追溯關(guān)系，實現(xiàn)視頻圖像相關(guān)信息的高效流轉(zhuǎn)，從源頭上攻克動態(tài)數(shù)據(jù)關(guān)聯(lián)管控應(yīng)用的難題，實現(xiàn)百億級人、車數(shù)據(jù)檢索碰撞、秒級響應(yīng)，快速鎖定嫌疑目標(biāo)，來知其影，去知其蹤。

　　當(dāng)數(shù)據(jù)庫龐達到億級之后，系統(tǒng)研判響應(yīng)效率將會呈指數(shù)級下降;若達到百億級、千億級時，超大規(guī)模數(shù)據(jù)研判將會愈發(fā)困難。對此，首先以薩研發(fā)團隊自主開發(fā)了自動調(diào)參系統(tǒng)，可對網(wǎng)絡(luò)模型的組合類型，每層參數(shù)，以及學(xué)習(xí)率等自動尋找最佳設(shè)定，大大減少手工調(diào)整耗時耗力的弊端，同時可獲得理論最佳效果;其次是開發(fā)了高度自動化的數(shù)據(jù)搜集、整理和標(biāo)注系統(tǒng)，可以根據(jù)需要從自然數(shù)據(jù)中自動提取所需樣本，并進行初步的篩選和標(biāo)注，比單純?nèi)斯ふ硇室?0倍以上。第三是對代碼進行了深度極限優(yōu)化，比如利用SIMT和SIMD技術(shù)對CPU和GPU代碼進行指令集級別的優(yōu)化，可提升8-10倍的處理效率。據(jù)以薩介紹，其目前某項目的動態(tài)數(shù)據(jù)采集量就達到了2億/天，但數(shù)據(jù)調(diào)用能夠穩(wěn)定支持秒級響應(yīng)。

　　小結(jié)

　　“融、智、準(zhǔn)”點亮AI

　　“以薩視頻AI多維數(shù)據(jù)融合應(yīng)用”通過幾十余種技戰(zhàn)法+幾十余種目標(biāo)屬性+目標(biāo)精細布控+組合式的條件檢索，全面打通人、車、物多維動靜態(tài)數(shù)據(jù)的孤立壁壘，實現(xiàn)了在數(shù)據(jù)層的全息感知、多維融合;通過目標(biāo)智能提取、深度神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)處理等AI算法，利用人工智能+大數(shù)據(jù)技術(shù)，對人、車、物進行自動關(guān)聯(lián)匹配，在技術(shù)層實現(xiàn)了深度人工智能化應(yīng)用;再結(jié)合實戰(zhàn)需求，基于平臺對人、車、物等數(shù)據(jù)的關(guān)聯(lián)分析與研判，大大提高了在案件研判及事前布控預(yù)警中的實戰(zhàn)支撐效能，在應(yīng)用層實現(xiàn)精準(zhǔn)預(yù)警、精準(zhǔn)打擊、精準(zhǔn)防范、精準(zhǔn)管理應(yīng)用。

核心技術(shù)

　　在技術(shù)層，其以人工智能算法為核心，依托GPU加速渲染、深度神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)處理平臺，打通和建立人、車、物多維目標(biāo)的智能關(guān)聯(lián)、智能分析、智能推送;在數(shù)據(jù)層，以薩將視頻、卡口、人臉、人像等數(shù)據(jù)，同人員、車輛、物品、軌跡信息等進行多維融合，倍增數(shù)據(jù)價值;攻關(guān)解決了全市、全省級千億數(shù)據(jù)規(guī)模下的城市視頻圖像實時聯(lián)網(wǎng)智能分析、基于CPU+GPU的動態(tài)分布式異構(gòu)計算等關(guān)鍵技術(shù)難題。該解決方案的重點在于對人、車、物三大類動靜態(tài)數(shù)據(jù)的關(guān)聯(lián)應(yīng)用，“融、智、準(zhǔn)”正是該平臺核心技術(shù)的真實寫照。

算力要求

　　以薩研發(fā)團隊對代碼進行了深度極限優(yōu)化。利用SIMT和SIMD技術(shù)對CPU和GPU代碼進行指令集級別的優(yōu)化，同時優(yōu)化處理器層面的緩存使用，以及IO流程的精簡。另外，對網(wǎng)絡(luò)模型進行“運行時優(yōu)化”(Runtime Optimization)，在保證準(zhǔn)確率基本不受影響的情況下，對網(wǎng)絡(luò)模型進行壓縮，減少存儲和計算需求。以薩通過算法優(yōu)化后，同樣的深度學(xué)習(xí)技術(shù)，以薩技術(shù)可以做到比市面常見產(chǎn)品提升了8-10倍的處理效率。

大數(shù)據(jù)訓(xùn)練

　　以薩視頻AI多維數(shù)據(jù)融合應(yīng)用在大數(shù)據(jù)訓(xùn)練過程中，歷經(jīng)公安部、北京、廣東、山東、四川、江蘇、安徽、福建等20多個省部級公安機關(guān)、900多個縣市區(qū)公安機關(guān)實戰(zhàn)檢驗。目前其在某個單一項目上就實現(xiàn)了日均2億的結(jié)構(gòu)化動態(tài)數(shù)據(jù)實時分析應(yīng)用。

　　不過，作為一款多維數(shù)據(jù)融合方案，與單一AI應(yīng)用最大的不同就是，其首要目的不是為了訓(xùn)練識別精度，是要基于大數(shù)據(jù)碰撞進入多維數(shù)據(jù)價值挖掘無人區(qū)，支撐平安城市領(lǐng)域?qū)τ诙嗑S數(shù)據(jù)的規(guī)?；瘧?yīng)用需求。事實上，該方案已經(jīng)在海量數(shù)據(jù)配合訓(xùn)練下，實現(xiàn)了數(shù)據(jù)融合、淬煉的“融、智、準(zhǔn)”應(yīng)用。

落地能力

　　以薩已在全國多地搭建了多維數(shù)據(jù)深度應(yīng)用平臺，圓滿護航廈門金磚峰會、全國兩會、上合峰會等重大活動和會議的安全保障工作，受到公安部、北京市公安局、福建省公安廳、山東省公安廳等客戶單位的高度認可。

案例分析

　　在某地被盜車輛追回案件應(yīng)用中，由于接入的已建監(jiān)控資源為老舊系統(tǒng)，案發(fā)附近圖像視頻源清晰度有限，沒有能夠抓到任何有價值信息。但借助匯聚全省視頻資源的以薩視頻AI多維數(shù)據(jù)融合平臺，基于車輛特征檢索，很快從某卡口圖片中查找到符合度極高的疑似被盜車輛。但新情況再次出現(xiàn)，由于車速過高、已建系統(tǒng)無法適應(yīng)高速運動車輛的車牌抓拍，車牌依然無法識別;民警只能繼續(xù)通過車輛特征結(jié)合被盜車車牌進行分析，在試圖通過大數(shù)據(jù)碰撞追查嫌疑人落腳地的時候發(fā)現(xiàn)，嫌疑人落腳地經(jīng)常變換;更糟的情況是，大數(shù)據(jù)分析時，數(shù)據(jù)無法再碰撞，落腳地消失了。不過，經(jīng)過平臺更細化的視頻圖像特征分析，重新鎖定一輛車型高度相似但車牌不同的嫌疑車;于是再通過視頻圖像特征數(shù)據(jù)碰撞得出“嫌疑車被套牌”的結(jié)論。民警此時沿著被套車牌線索追查車輛軌跡，隨后發(fā)現(xiàn)車色被改裝噴涂，最終通過數(shù)據(jù)分析出“噴漆地點”并獲得一張可識別人臉的圖像，再基于該人臉圖像通過人臉識別算法及動靜態(tài)數(shù)據(jù)庫碰撞，鎖定犯罪嫌疑人身份。

　　該案中，充分運用了視頻圖像特征識別、動靜態(tài)大數(shù)據(jù)碰撞、綜合研判、人臉識別等多項技戰(zhàn)法，最終完成了案件的偵破。

AI創(chuàng)新亮點

　　打通卡口、視頻、人臉等數(shù)據(jù)間的自動關(guān)聯(lián)，無需跨越多個系統(tǒng)，可在一個系統(tǒng)中實現(xiàn)對卡口、視頻、人臉、感知設(shè)備等多數(shù)據(jù)源的綜合查詢;支持車輛、人臉、人像、物品等數(shù)據(jù)進行軌跡分析、同行分析、多點碰撞等大數(shù)據(jù)綜合研判;支持可視化展示多維目標(biāo)軌跡，支持多維數(shù)據(jù)布控告警，優(yōu)化了警務(wù)流程，提高了辦案效率，補齊了單一維度信息化技術(shù)手段的局限和不足，讓數(shù)據(jù)融合應(yīng)用的紅利服務(wù)于平安城市治安防控、雪亮工程、智能交通、道路風(fēng)險防范等多個領(lǐng)域。

專家點評

　　以薩視頻AI多維數(shù)據(jù)融合應(yīng)用方案立足點很高，是基于打通對人、車、物的動靜態(tài)數(shù)據(jù)應(yīng)用壁壘的基礎(chǔ)上實現(xiàn)的融合應(yīng)用，在一個平臺實現(xiàn)海量多類型數(shù)據(jù)的關(guān)聯(lián)碰撞及高效分析，可滿足百億乃至千億級的規(guī)?；桨渤鞘袘?yīng)用需求。從目前已實現(xiàn)的項目案例來看，以薩已精于打通數(shù)據(jù)壁壘，可以說其已是一家基于優(yōu)勢算法的大數(shù)據(jù)綜合應(yīng)用服務(wù)公司;或者說，以薩是站在戰(zhàn)略層面來發(fā)展AI。

提升空間

　　在人員行為與案事件關(guān)聯(lián)分析方面還可再完善，便于針對具體案事件進行模型分析及預(yù)警。

測評評分

　　評分標(biāo)準(zhǔn)

　　1) 有待完善：x<6分

　　2) 常規(guī)水平：6≤x<8分

　　3) 優(yōu)秀水平：8≤x≤9.5分

　　4) 領(lǐng)先行業(yè)：9.5

　　5) 考評由測評單位、專家顧問、企業(yè)各自評分;宣傳時各項評分全部公開;評選時以平均分作為考評標(biāo)準(zhǔn)。

　　6) 本測評評分僅是從模擬實際應(yīng)用場景的測評表現(xiàn)展開評分;落地能力、性價比等更多評分參考將在“a&s AI創(chuàng)新應(yīng)用評選論壇”上顧問現(xiàn)場評分。