从2016年“阿尔法狗”大热，到今年“两会”人工智能首次进入政府工作报告，人工智能成为贯穿2016年乃至2017年的科技热点、与此同时，在IT技术支撑起来的安防行业当下，人工智能依然保持其热度，从2016年安博会至今，海康威视、大华股份、宇视科技都发布了基于GPU研发的视频监控相关产品，NVIDIAJetsonTX1GPU模块已经广泛应用于安防智能摄像机、人脸识别摄像机等。为何GPU成为此轮安防人工智能的必然选择？
实现海量视频图像数据结构化处理是智能化关键
随着网络化、高清化日益普及，唯有智能化在安防行业内迟迟达不到理想的状态，从当前的主流厂商提出的概念分析，如DT1．0、超感IPC、感知型摄像机等都在证实，智能化是视频监控网络化与高清化之后新的竞争热点。这也是安防行业一直在追求的目标将被动防御变为主动预防，因此安防亟需寻找新技术突破智能化的最后壁垒。
在实际的困境中，各级政府推进“平安城市”建设的过程，监控点位越来越多，从最初的几千路到几万路，甚至于到现在几十万路的规模，视频和卡口产生了海量的数据。尤其是高清监控的普及，整个安防监控领域的数据量都在爆炸式增长，依靠人工来分析和处理这些信息变得越来越困难，已无法简单利用人海战术进行检索和分析，需要新的智能化技术作为手段，实时分析视频内容，探测异常信息，进行风险预测。
视频监控系统作为面向城市公共安全综合管理应用中智慧安防和智慧交通的重要组成部分，面临着深度应用的巨大挑战。其应用的瓶颈是视频数据的非结构化现象。因此在大数据时代，利用视频结构化描述技术实现视频图像结构化数据提取，将是行业应用单位实现安防大数据应用的重要基础建设。视频结构化就是实现将海量视频中的人、车目标进行提取并识别的过程。一旦有重要事件发生，系统就可在数据库中快速查找到关键的“人”、“车”、“物”等相关音视频线索。以最高效、最直接的方法提升摄像头的性能，让它变得更智能。
GPU是安防大数据应用的引擎
如何实现海量视频数据的结构化处理成为安防智能化发展亟需解决的棘手问题。从目前来看，安防一线企业找到了解决这一问题的关键，借助基于GPU开发的模块既能够满足图像处理要求，又适合于处理计算密度高、逻辑分支简单的大规模数据并行负载。首先GPU作为专为图像处理设计的处理器，能将3D模型的信息转换为2D表示，即实现视频图像的结构化处理；另外，随着GPU的快速发展，目前GPU通用计算技术发展已经引人注目，在浮点运算、并行计算等部分计算方面，GPU可以提供数十倍乃至于上百倍于CPU的性能。因此以图像视觉为核心并具有海量的数据源以及丰富的数据层次的安防监控领域正是GPU发挥其图像处理以及高性能通用计算的用武之地。
在视频监控图像结构化处理中需要对每一个监控画面的分析，依赖的是对GPU集群计算的应用。GPU集群是能够实现1：1结构化的技术支撑。对比CPU，GPU的更多核心和其并行处理架构使GPU成为天然的图形计算系统。利用GPU做图形计算，可以做到比CPU计算：5倍以上性能提升，价格降低6倍，功耗降低10倍，体积减少20倍。利用依赖于GPU集群计算的1：1实时结构化，能够实现全数据中秒级响应，进而满足对视频图像中的人、车、物等静态和和动态目标及其各种属性的检测与识别。
安防监控的未来在智能，智能的实现在于大数据，大数据的核心是深度学习，深度学习的引擎是GPU（目前），通过GPU深度学习模块对视频内容进行结构化信息提取，完成了传统算法无法完成的功能，能够满足大数据时代“智慧城市”海量视频内容的开发利用！当然从目前来看，安防一线企业推出所谓人工智能产品仍然只限于宣传推广阶段，未来还需要更多案例给予佐证，未来安防人工智能的发展值得我们拭目以待！
本文转自d1net（转载）