as对话以萨副总裁：践行毫秒级视频AI多维数据融合分析应用

[原创文章：www.ii77.com]

[原创文章：www.ii77.com]

Q：a&s传媒总经理、总编辑关玉娟

A：北京以萨技术股份有限公司副总裁 姚巍

姚巍：以萨在海量信息挖掘、分析、处理领域拥有十余年的技术积累，专注于人工智能、计算机视觉及大数据领域的技术研发及创新应用，是一家以视频人工智能为核心的多维数据融合分析解决方案提供商。主要是针对刑侦、情报、治安、反恐、交通管理等警种和部门的业务痛点，设计研发性能领先、融合创新的公安实战型系列产品，重点应用于卡口车辆图像大数据实时分析、全市全省级车辆图像联网应用、重点车辆监管、高危车辆实时预警、智能交通管理、视频目标智能分析、动态人脸比对、移动警务等领域。 

姚巍：“当技术服务于公安实战应用时，站在客户视角，往往关注点是不同的。比如在侦查办案过程中，除了技术算法的先进性，用户往往更关心技术场景化、规模化应用。我们不仅不断优化升级算法水平，也非常关注在方案设计、架构设计、集群调度等方面的优化。拿视频结构化分析来说，以萨的视频实时目标分析系统已经可以流畅的分析超过2800路的实时视频监控，这种立足于规模化应用的考虑，使我们的方案在实战应用中显得更为出色。另外，在对部级、省厅级、市县区级不同数据量规模的项目中，我们积累了丰富的工程实施经验，交付能力非常强。 　　

另外，以萨的优势还在于擅长基于用户需求来制定技术方案，属于“实干派”。比如我们在开发公安系统应用时，通常是面对面听取一线办案人员的需求，将这些需求通过技术导入到系统当中，一点点落实高度贴合业务需求的实战应用，以能解决公安侦查办案过程中的业务痛点为出发点。当然这种“定制化”的系统在侦查办案的效率上也有直观的表现，以前破案可能需要一两个月的时间，现在有的案件只需要十几分钟就可以搞定，办案效率提升特别快。 　　

还有一点，我们的系统在成本、性能等方面有很强的落地优势。首先在成本方面，在GPU性价比逐渐下降的当前，以萨通过对算力资源不断进行优化，极大地降低了用户大规模部署人脸、车牌视频实时分析应用的成本。另外以萨也一直在提高算法的处理性能，致力于城市级视频大数据的结构化处理，助力数字化城市，智慧城市的建设。 

姚巍：有个叫“模拟城市”的游戏，这款游戏表面看是城市建模，建筑物、街道、人、车、公共设施这些元素如何在城市范围内进行合理分配？其核心逻辑其实是基于数学知识通过数据精准计算出来。通过游戏我们可以参考真实城市的建设，在现实城市建设当中，视频数据是城市规划主要的数据来源，我们的系统也会接很多其他的警务数据，包括酒店、旅店、网吧甚至物流等领域的数据。这些数据是实时动态的，通过对这些数据的采集、分析挖掘应用，我们不仅可以针对公共安全做预警防控，其实还能基于这些数据对城市规划、城市管理作出参考。 　　

但有一点很关键，就是要保障数据的实时性，实时性意味着什么？一个是基于计算机视觉，系统能够在毫秒级把目标摘出来，第二是在百亿级甚至千亿级数据中，秒级呈现搜索结果。在大数据..上，以萨做了很多深度优化，并结合公安实战需求推出了很多快捷组件。相比于其他的..，以萨的大数据..目前已经在视频数据的实时性上做得很透彻，兼容华为云和其他主流云..。通过以萨自有的快捷组件在云..上的高速运算，可实现卓越的数据处理性能。 　　

以萨的快捷组件是专门针对公安细微业务需求推出的专用组件，具有很强的针对性，比如针对车辆是否第一次进城这种细微的应用，在公安领域，像这一类细微的业务需求其实很多。我们的目的是通过深度学习技术给每一辆车、每一个人、每一个目标物件都打上“标签”，即使车牌（人脸）被人为遮挡，也能通过其他的特征比对找到它，这种框架下的视频才能发挥最大的价值。 　　

IBM早期提出过“智慧地球”的概念，相当于是城市大数据的雏形，我们早期也受到“智慧地球”的影响，那么，如何去实践这个概念？我们认为首先要找准行业，然后再找到行业痛点去解决它。以萨将重心聚焦在智慧公安领域，公安大数据的痛点在哪里？首先是海量非结构化数据的实时价值挖掘，然后是多维数据的融合，围绕着这两点，以萨制定了“以视频AI为核心的多维数据融合”的业务主基调。以前我们说“数据池”，现在可以称之为“数据江”，因为数据是实时流动的，用户能够在这条“江”里高效的捞出有价值的数据信息。 

姚巍：在公安实战业务中，如何在海量数据中搜集线索锁定一个人物目标，其技术逻辑大概是这样的：以人的身份信息为核心，通过对身份证、人脸、人像以及住宿、消费等信息的采集分析，勾画出目标人、时间、空间等多方信息的关联，一张信息网铺下来，要锁定目标人物，技术模型其实很简单。一个城市的视频监控采集上千万人脸信息，交通卡口采集千万级的车辆数据这些都很正常，要织就城市级大数据网络需要构建真正具有超强计算能力的大数据架构。 　　

前面我们讲到给人、车、物都打上属性标签，当所有的目标都标签化后，在整个大数据..架构当中，当我们输入一串车牌、一张人脸信息时，系统不光可以弹出搜索结果，还能呈现关联信息，比如通过车牌关联的车主信息，这种关联信息一般具有长期性，时间跨度以年为单位，系统要保障在挖掘历史关联信息的时候也能够实现毫秒级反馈结果。 　　

这其中最难的是把持续更新的数据信息融合进来并和历史信息串联在一起，需要不断增加信息节点，扩展关联模型。针对这个技术门槛，以萨采用的是定制化融合引擎，它可以把共性的信息先计算出来，当新的不同类型的数据采集完后，后台程序只需要在业务模型新建一个模块，添加一个接口，然后以插积木的方式将模块插入到引擎当中即可。 

姚巍：竞争点主要在于两点，一是跟用户需求的贴合程度，第二是技术门槛。从最开始的设计思路到不断的实践再到真正落地应用，这期间以萨已经积累了相对丰富的经验，在2014年便已经理顺了公安大数据的应用逻辑和趋势，这几年一直以高规格的标准细化每一项技术的应用水平。业内其他厂商百万级数据要求一分钟检索出来，但我们要求的是做到毫秒级，为后期的数据大融合铺垫基础，这也构成了以萨目前的技术壁垒。

姚巍：我们设想很大，而且技术也比较成熟。现在的问题第一是人力不足，第二行业环境还比较浮躁。我们希望整个业界能踏踏实实沉下来落到实处，少一些炒作和噱头，真正从业务需求来引导技术的发展，而不是反过来由技术去整合推动业务。正常的流程应该是：深入了解业务需求-提出可行性构想-攻关技术难题-落实方案。第三是管理思维和管理模式的改变。要实现大数据的融合贯通，需要打通各部门之间存在的数据孤岛，这其中最难解决的其实是改变管理者惯有的思维模式，目前以公安系统为代表的应用领域已经在推动这种思潮的变革，相信接下来，国家在推动大数据融合方面的脚步将进一步加快。 

姚巍：目前在全球安防领域，中国智能安防技术和安防系统的整体布局都是最领先且全面的，这跟政府的大力投入有很大关系，当然也涉及到国家在安全和隐私方面的侧重点。不过从技术层面来讲，在人脸识别、计算机视觉等国际性比赛中，中国企业一直都名列前茅，尽管是实验室数据，但也足以证明技术的领先性是值得肯定的。