大华股份研究院院长殷俊：AI与大数据技术—加速物联网产业升级与发展

2018年05月25日，由亿欧举办的“GIIS安防AI创新峰会”在北京千禧酒店盛大召开。其中，大华股份研究院院长殷俊的演讲题目是《AI与大数据技术—加速物联网产业升级与发展》。殷俊是浙江大华技术股份有限公司先进技术研究院院长，期间参与受理70余项专利。已授权5项国际发明专利，30余项国内发明专利，主导研发的HDCVI技术被列入一项视频监控国际标准和一项国内标准，荣获2015浙江省科技进步奖一等奖。

在演讲现场，殷俊开诚布公谈到AI大数据技术可加速物联网产业升级发展的观点，讲述物联网的感知落地以及AI力量主导的五个方面。然后依次讲解助推安防落地的三个重要的跨度性阶段，深度挖掘价值的体现方面。以及如何做到AI赋能所引发的一系列思考和观点分享，利用三大案例分析来强调智能化驱动产业升级的重要性。在演讲的最后，殷俊介绍了边缘计算和大华股份多能力的产业赋能，提出通过共享合作来助推产业发展。

【殷俊现场演讲实录（有删减）】

感谢主办方提供这次机会，让我跟大家分享大华对整个物联网技术和AI技术的认知与想法。

物联网的感知落地与AI力量的主导

首先AI大数据技术可加速物联网产业升级发展，为什么谈到物联网？其实在万物互联的时代，之前大家所有的感知是多维数据融合，但实际上真正构成一张大的物联网，是有感知的物联网。未来还要朝着数据多维感知、AI与大数据发展方向做整合和解决方案。大华的定位是以视频为核心的智慧物联解决方案提供商和运营服务商，在AI的环境下我们如何做得更好？如何做产业升级和产业变更？

当前，有五大技术驱动整个行业的发展：云计算、大数据、IOT、人工智能、5G。这几方面在未来将会取得行业颠覆性发展，在这个趋势下，我们如何在产业做嫁接？如何使产业更好地发展？这是我们在思考和在探索的问题。

我们认为AI是真正能够推动行业发生根本性变化的技术。第一，它能提高业务服务的效率、降低人工成本、创造业务价值。在当前人力成本非常高的情况下，我们在做机器换人，通过机器的能力去提高整个运营服务能力，第二，可通过机器的某些能力，来嫁接我们新的业务链的拓展。包括如何通过二次挖掘数据价值来为管理者提高数据决策，这些是AI已实现落地并帮助我们推动行业发展的方面。

AI的主导力量在以下五块：

第一块是数据。大家都理解在深度学习时代，数据是推动AI发展的基石。我们再细分地看，为什么要强调物联网？因为涉及到多元化的感知数据，我们要持续通过数据驱动技术，不断沉淀去发现背后的价值。

第二块是算法。算法的迭代非常快，尤其是涉及到具体的垂直应用的领域，1到3个月就会发生翻天覆地的变化。在这一块我们也会通过算法人员、工程人员来加强解决整个链条的贯穿。

第三块是算力。算力方面也是非常重要的因素。特别是到今年，很多芯片公司包括老牌的芯片公司和新兴的芯片公司都在持续提升芯片的能力。另外也有很多新的IP出现一些新的芯片技术，这些都会帮助我们让更高性能的算法能够真正实现在产品上的落地，实现认知更多的视频结构化数据，并满足视频感知的需要。同时，如何通过大数据分析在中心进行数据挖掘，都需要这些算法和芯片能力来助推。

第四块是网络。数据是非常大的载体，需要通过网络承载数据的流动，只有通过一个更高效、更合理的网络架构使数据有效流动起来，才是真正帮助我们解决数据流的要求。

最后一块是应用。因为AI技术和大数据技术都仅仅是技术手段，核心推动它能够快速发展的是有真正落地的场景化应用，如何去挖掘这些场景化应用？比如我们找到一个能够让用户产生价值的方向，那么它势必会推动算法以及基础设施的演进，这也是我们未来需要探索的核心关键。

通过这五大力量推动，未来我们所有的感知设计，即每个摄像机都能读懂看到的东西。就跟人一样，除了看见还要看懂，这些数据能为我们带来价值。我们希望未来能做人员犯罪研判、做人群分析甚至能做城市级的交通态势分析。这些方面的发展都能够提升城市的管理能力，真正解决实际的问题，这才是AI能够帮助我们的一个关键因素，也是能够推动产业升级的必然因素。

三大阶段助推安防落地，深度挖掘价值体现

在安防整个行业的落地方面，我们认为有三个很重要的跨度性阶段。首先是从模拟到高清，第二是网络化，第三是当前正在进行的智能化演进，我在后面会跟大家探讨智能化带来的一些成果。

首先智能化离不开大数据，需要通过“云”实现系统的解决方案以及大数据和实战应用。其中，安全是很重要的一环，大家都关心网络安全，欧洲也出台了安全的规范。我们大华是首批通过GDPR认证的企业，所有设备都完全符合欧盟的数据安全要求。第二是性能，未来数据承载量越来越大，在服务端的性能是所有做大数据公司需要考量的东西。同时它的成本要非常低，但是它处理数据效率要非常高，这些都是我们在积极探索的地方，也是在整个大数据时代需要切实解决的问题。最后是开放，因为我们要与很多客户合作，所以在大数据时代，我们的云服务和应用与众多客户都保持开放性的快速对接能力。

因此我们发现一些价值体现：

第一我们基于多维数据感知与多维数据融合，开发了基于物联网的数据仓库，在这个基础上我们和客户一起挖掘我们的应用，这是我们在大数据应用对于数据链条的想法。我们当前设计和建设的基础设施的网络架构，是面向未来大数据和AI真正能够落地的架构，为所有前端设备、感知设备以及我们的基础设施提供服务，同时为上层业务和数据应用提供了服务拓展。

第二，在我们的能力层和业务层上是利用一些模块化的设计，利用大数据的研判、AI等技术赋能我们的客户，并且在实战平台通过合理的解决方案应用，解决实际业务的需求，从而真正解决业务上的痛点。例如我们在大数据方面做了很多数据汇聚、数据碰撞，在公安、交警业务输出数据关联关系，可以多维度关联人、车、物以及实现三者之间的关联。

在未来我们如何落地大数据、AI以及大数据和AI赋能？我们将从四个方面落地我们的想法。

首先是全感知。我们认为以前我们的摄像机只能看得到，看得清，未来在感知方面如何升级？我们认为要看得更清楚、看得更细化，能在各种环境下看到更好效果，以及在看得见的基础上还要看懂。

第二是全智能。我们认为智能化不是简单的技术。现在的的人脸识别、车辆识别或者语音识别等技术，仅仅是智能应用的一个环节。我们理解的智能能够从数据采集到用户使用，能做到整个业务链条的应用覆盖才叫全智能。

第三是全计算。全计算并不只是云计算+边缘计算，而是全网构架下基于数据流动，附加在网络架构下各个节点以及基于数据承载的计算能力。所以我们认为全计算的概念是数据驱动的全网计算。

此外，在生态领域我们打造的是一种开放合作的生态环境。

我们认为全感知领域有四个驱动：环境感知，场景感知，内容感知以及趋势分析。

首先在全感知领域，以前的我们只能看见有限的范围，而我们现在能看得更多。我们需要通过更大范围的可视化，去分析我们看到的每个细节、各个目标。同时我们又要看得更清楚，可以在夜晚没有光线的情况下，解决看得见和看得清的问题。之前在夜晚或黑暗的环境，我们需要采用灯光或额外手段去解决看得清的问题。现在采用极光技术，我们可以便捷的解决低光照下的可视感知问题。并且我们在看清的基础上要看懂，我们要把识别出结构化数据作为感知数据的一部分这也是我们目前重点探索的方向。

全智能方面，我们认为产品、解决方案以及应用这三者是不可分离的。仅靠单一产品不能解决用户的痛点，你需要从端到端来看整个业务，从解决方案层面帮助用户实现智能落地。

三大案例强调智能化驱动产业升级

在警务方面如何帮助警察提升效率？在一个案例里，我们帮助当地的公安在很短时间内抓住100多个嫌疑犯。这是值得探讨的案例，我们把人脸识别识别技术运用到公安实战环节，但实际上光靠人脸识别是不能解决用户的问题。我们基于公安的业务流程，一起设计了技防+人防的解决方案，从端到端的流程上保障了业务的有效性。这里除了人工智能产品和平台解决方案，还包括了业务管理、落地调动等一整套环节。整个流转起来，才能实现从判定可疑人员，到警员出警落地逮捕的闭环。所以在智能化领域，我们认为未来一定是业务流程驱动整个产业升级，包括解决方案的落地。

在智慧交通领域，也有一个比较好的案例。我们可以看到，在很多卡口上都有我们的相机，以前是用来研判分析车辆行驶是否违章，未来可以根据实时路况信息结合关联路口数据，形成交通态势分析。提供交警决策信息，例如红绿灯的控制策略，从而提升整个道路流量。我们在跟萧山合作案例里，提供分析技术，整个道路的通行量提升非常明显。这也能帮助城市管理提升运行效率，同样也是我们能真正实现智能化落地的案例场景。

另外一个比较典型的创新案例就是X光机。我们可以看到在地铁、机场安检口会部署很多X光机，防止大家在包内携带危险物品。实际上安检是非常耗人力的事情，人会非常疲劳，而且需要持续轮班值守。我们针对这种场景也做了一些智能解决方案的尝试，利用机器读片技术，我们把物体识别数据平台融合在一起，并且还把人脸和包检融合在一起。我们在杭州地铁卡口已经做的多个试点运行稳定，试点期间通过智能识别缴获管制刀具数十把，打击处理前科人员多人。这个确实帮助过关口闸口提升了效率，因为这种方法非常快而且精准。

边缘计算的重要性和多能力的产业赋能

刚才讲了全计算是全网流动的计算，这里为什么要提边缘计算？我们认为在未来边缘侧其实也是非常重要的地方。随着算力的提高我们在边缘侧能够做更多的事情，实时进行数据结构化，不需要花更多的网络带宽来传输海量数据，同时又保证了数据安全性。

例如我们在前端产品直接部署人脸卡口，通过前端能够快速地做到定位人员以及识别比对，而且在离线工作情况下也能正常工作。另外在联网和大规模应用的情况下后端平台能做更多的人员布控和轨迹分析等业务。现在很多城市级，包括省级的应用平台都是百万甚至千万级数据的实战应用，我们通过前端和后端配合来解决人脸布控的实现，包括交通方面。我们刚才讲了交通的疏导，另外通过结构化、特征分析以及一些轨迹分析技术做人与车关联、车与车关联，还原人员轨迹、车辆轨迹、为二次分析应用提供依据。

我们已经具备解决方案的能力，AI能力、大数据能力以及产品能力，我们将赋能我们的合作伙伴来和客户，一起推动产业的发展和升级。

最后，大华作为一家以视频为核心的智慧物联解决方案提供商以及运营服务商，期望能和大家一起推动行业的快速发展，也非常感谢主办方给我们机会展示大华在安防行业的一些想法，谢谢大家！