深度学习在安防领域的应用与实践

随着深度学习技术的发展，其使得计算机朝着真正的人工智能迈进了一大步，使用海量数据来自动识别图像和文本，并实时进行人机间的“对话”将不再是天方夜谭。6cX安检之家

6cX安检之家

随着深度学习技术的发展，其使得计算机朝着真正的人工智能迈进了一大步，使用海量数据来自动识别图像和文本，并实时进行人机间的“对话”将不再是天方夜谭。虽然目前还有很多理论和建模等方面的问题等待探索和解决，但是深度学习已经显示出了它在技术上的巨大潜能。本文将简要介绍深度学习理论的起源与发展，重点阐述深度学习在安防领域的具体应用现状和存在的困难，并且介绍安防产品如何基于深度学习得到性能上的提升。6cX安检之家

一、深度学习的起源与发展6cX安检之家

人工智能(Artificial Intelligence)是人类最美好的梦想之一，有很多的艺术作品和科研探索对它展开了广泛的讨论。虽然在人类和大量现成数据的帮助下，目前的电脑表现非常强大，可是人工智能的美好想法似乎仍然可望而不可及。不过令人感到振奋的是，除了云计算对大数据的并行处理技术手段，借助深度学习(Deep Learning)算法，人类终于找到了如何处理“抽象概念”的方法。6cX安检之家

自2006年以来，人工智能和机器学习领域取得了突破性进展。近几年深度学习的持续走红也对这一领域产生了巨大的冲击。“深度学习”的概念最早由多伦多大学的Geoff Hinton和他的同事于2006年提出。Hinton意识到科学家们并没有真正理解大脑——他们可以解释电信号如何连接神经元，但他们无法解释这些神经元是如何学习或计算的。他认为这些问题可能最终指向人工智能的终极梦想。当然我们也可以追溯到更早，由纽约大学的Yann LeCun于上世纪90年代开发的5层卷及神经网络(5-layer cnn)进行手写数字识别，不过由于当时的计算机硬件有限，没有得到大规模的应用。6cX安检之家

随着互联网的快速发展，特别是近两年大数据时代的来临，深度学习得到了进一步发展。2012年6月，《纽约时报》披露了Google Brain项目，即直接把海量数据投放到算法中，让数据自己说话，系统会自动从数据中学习。2012年11月，微软在中国天津的一次活动上公开演示了一个基于深度学习的全自动同声传译系统，演讲者用英文进行演讲，后台的计算机自动实时完成语音识别、英中机器翻译和中文语音合成，效果非常流畅。2013年，Dan C. Ciresan的乳腺癌细胞有丝分裂检测超越了人眼的识别效果。在这之后，研究机器学习与人工智能领域的教授都开始发表有关深度学习的论文，以2015年的CVPR会议为例，很多论文主题和深度学习密切相关。当然，深度学习目前仍有大量工作需要研究，目前的关注点还是从机器学习的领域借鉴一些可以在深度学习使用的方法。6cX安检之家

应该说，最早受到深度学习冲击的就是互联网行业自身。因此，他们更加关注如何将深度学习与具体应用相结合。互联网行业的大型公司，如谷歌、微软、百度、腾讯、阿里巴巴等，都相继成立了自己的相关研发团队，或者成立深度学习研究院，致力于大数据驱动的人工智能技术创新，在语音和图像识别等具体应用领域取得了一定的成果。6cX安检之家

二、安防领域的深度学习应用6cX安检之家

随着智能交通、智能家居的兴起，安防领域也将成为人工智能和机器学习关注的热点，从而成为受到深度学习第二波冲击的重要领域。6cX安检之家

深度学习作为机器学习研究中的一个领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音和文本等。目前，深度学习的应用领域中大约有70%都在图像识别方面，结合安防领域的现状，这就意味着，深度学习在这一领域必然会有颠覆性的发展。随着大数据与高清摄像机应用的普及，安防大数据时代已经到来，海量高清及以上分辨率视频数据给安防产品技术带来了大数据，这也就成为深度学习在安防领域必将快速发展的肥沃土壤。6cX安检之家

机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。传统的机器学习方法有adboost、神经网络、支持向量机、随机森林、提升决策树等，虽然目前在安防领域已经获得了一定的成功，但它们在目标的定位率和识别率的提升上已经陷入了一定的瓶颈：很多具体应用中的识别率无法得到提升;在大规模多场景应用中，虚警问题也给安防领域带来了很大的困扰，即使是增加训练样本依然不能缓解这一问题。