1. 新智元：10月24日，在北京召开的“AI+: 感知未来、融合发展”主题论坛暨海康威视新品发布会。海康威视总裁胡扬忠介绍，深度学习技术可谓安防行业的“颠覆性力量”，具体如何理解呢？

　　浦世亮：在SDT安防大数据时代，面对井喷式增长的视频监控数据量，只停留在浅层次分析识别的传统智能算法，已无法满足深层次数据价值挖掘的需求。显而易见，我们需要有更深层次的智能，应用人工智能可以帮助我们做到这一点，而这其中的关键点便是深度学习算法的应用：

准确率更高，应用深度学习算法的深度智能设备，可以自行提取更多更详细、更微小的特征，从而使得识别分类对象的准确率更高，也就是说：深度学习让智能有了质的飞跃；

环境适应性更强，同样是环境特征的提炼，深度学习算法可以自行提取更丰富、更适合的特征参数，从而达到更强的抗环境干扰能力。这就意味着，深度学习的产品可以应用到更广泛的环境当中；

识别种类更丰富，理论上只要有足够多的样本进行训练，深度学习能够实现比较精准的目标分类识别，自主特征识别的特点，又让深度学习特别适用于抽象、复杂的关于人的特征、行为的分析领域。

　　2. 新智元：视频分析是安防中一个非常重要的技术。那么深度学习是如何对视频进行分析的？其中的技术难点主要存在于什么地方？

　　浦世亮：深度学习技术主要是利用深度神经网络，对视频关键帧信息进行逐层特征抽象，在此基础上，提取目标的结构化信息，并利用各关键帧的信息，进行前后有效关联，从而形成对视频中目标行为或事件发生的综合判断。其技术难点主要体现在海量数据应用、高性能训练、推理平台，以及适合安防领域的高效模型设计上。

　　3. 新智元：安防数据99%都是非结构化的，那么你们是如何利用这些数据？有没有比较便捷的办法，把这些数据变成结构化的？

　　浦世亮：原始的安防数据几乎都是以非结构化的面目呈现，无法直接利用。针对这个业内普遍痛点，海康威视推出了基于深度学习技术的全系列智能安防产品家族，涵盖“深眸”系列智能摄像机、“神捕”系列智能交通产品、“超脑”系列智能NVR、“脸谱”系列人脸分析服务器等等。“‘深眸’系列专业智能摄像机依托强大的多引擎硬件平台，内嵌专为视频监控场景设计优化的深度学习算法，具备了精准的安防大数据归纳能力，实现了在各种复杂环境下人、车、物的多重特征信息提取和事件检测。将非结构化信息转为结构化信息，将打通大数据入口，从而为后续关键数据挖掘铺平了道路。

　　4. 新智元：目前实际应用中，视频人脸识别的准确率能做到多少?

　　浦世亮：人脸识别的准确率与多个因素相关，与算法的先进性，产品形态，应用方式及场景架设相关。现有的人脸识别技术的准确率在多种应用场景下都已经达到了实用的阶段。海康威视打造了“深眸”系列智能摄像机、人证比对终端等，首先在产品形态应用方式，场景架设上保障了人脸识别的高精度应用。我们在应用中不断迭代我们的算法，使我们的算法准确率不断提升。

　　5. 新智元：在实际应用中，摄像头采集到的安防数据，有多少还需要人工的分析？我们离真正的全自动化还有多远。

　　浦世亮：安防人工智能和应用需求相关，有一些应用已经达到了完全的自动化。有一些安全等级较高，准确率要求较高的应用，还需要人工参与。

　　6. 新智元：除了人脸，其他的生物特征，比如瞳孔识别，这些技术在安防领域的应用有多大？

　　浦世亮：技术的发展和落地是有过程的，当前人脸识别比较火，主要是技术发展到了可以达到实际应用的水平。

　　瞳孔识别的标准说法是虹膜识别，对于图像采集的要求是非常高的，需要利用红外补光，而且需要虹膜区域分辨率达到100像素左右，当前主要用在金库等安保等级较高的场景，需要人做一定的配合。

　　当然我们也看到相应技术在进步，比如利用高分辨率的摄像头，结合一些自动调整策略，能够把虹膜识别在安检时用上，采集距离达到1米左右，1秒左右完成一个人的通关。

　　所以说，虹膜识别等其他的生物特征识别技术当前只能在一些特定的场合应用，随着技术进步，这些技术的应用场合也会扩大，但是什么时候能够像人脸识别一样广泛应用，就需要看特定技术的未来发展情况。

　　7. 新智元：你如何看待 “开源”这一现象，海康威视有使用开源算法或者开源数据吗？

　　浦世亮：在信息共享越来越发达，信息获取越来越便利的时代大背景下，开源是对信息共享的最好诠释。从更加具体的层面来看，人工智能正是由于各大研究机构，对于数据集、算法、论文、技术报告的不同程度的信息共享，间接地加速了这一领域的技术交流与技术的更新迭代。

　　海康威视会研究跟踪开源技术，并且我们也会通过发表学术论文的方式对开源技术做出贡献。

转载请注明出处。