索安機電：深度智能應用與傳統智能的區別

索安指出，伴隨著AI在安防視頻監控的深入應用，圍繞著智能安防的核心-精準識別目標(人、車、物、行為......)、高效視頻結構化(提取目標詳細信息并標簽化)為安防實戰輸出有效數據信息，基于深度學習的算法和底層技術架構為傳統意義上的智能安防帶來了更深層次的應用，推動著現有智能安防升級到更高階的產業層次。

一、深度智能第一層：深度學習帶來機器學習方式的改變

視頻智能分析技術一直是各大科研院校、安防企業的核心研究領域，但是在過去傳統的智能分析技術由于算法是人來根據不同的場景和應用需求進行設計，在適應性上需要人來不斷的來改善和提升，所以表現出在特定的環境下表現出良好的性能，但是一旦環境等因素發生變化，傳統的智能分析算法在應用上的性能就會降低。

索安機電認為，深度學習成功的應用領域是計算機視覺，深度學習開啟了視頻智能應用的新篇章，其價值主要體現在應用深度和廣度等方面。

 (1) 應用深度方面

索安指出，相比傳統的智能視頻分析算法，深度學習算法可以大幅提升智能算法分析性能，提高視頻智能應用水平。例如，人臉識別在安防領域還沒有達到理想的效果，利用優化的深度學習模型結合海量數據，可以訓練出泛化能力更強的模型，大幅提升人臉識別的準確率，從而提升人臉識別智能應用水平。

 (2) 應用廣度方面

索安機電還指出，相比傳統的智能視頻分析技術，深度學習可以克服其靠人工選擇特征和淺層學習的局限性，可以完成傳統智能視頻分析技術很難完成或者不可能完成的任務。例如，對于大流量人群分析任務，使用深度學習技術，通過大量數據樣本分析，讓計算機自行學習人和其他目標的區別，運算出能顯著標識人的一層層特征信息，有效突破光照突變、背景復雜、人體部分遮擋等傳統技術的難點，使得以前很難實用的大流量人群分析變得實用化，擴大了智能視頻分析的應用范圍。

總之，深度學習技術可以取代傳統的智能視頻分析技術，提升智能應用的水平，拓展智能應用的領域范圍。

http://www.sc-soan.com/jishuzhishi/176.html