2025-01-14 企业动态 0
在2018年，网络安全的议题激起了全社会的广泛关注。从郑州空姐遇害案件到乐清女孩悲剧，从滴滴出行的命案到嘀嗒司机对乘客的侮辱，这些事件让人们对网约车安全深感忧虑。法律虽然严格，但似乎难以挽回那些生命。
随着互联网时代的蓬勃发展，人们的生活方式也日新月异，可是，对于如何确保安全，却显得无计可施？
亿欧记者曾采访了一家专注于车脸识别和视频结构化技术研发的公司——深瞐科技，该公司董事长陈瑞军表示：“基于视频结构化技术，可以对车辆出行进行提前预警，从而降低事故发生率。”
解决公安部门迫切需求，视频结构化技术应运而生
视频结构化涉及对视频数据进行精细处理，以检测、捕捉并提取关键信息。这包括：识别画面中的人或物；判断运动目标特征，如人是否戴眼镜、穿什么颜色衣服；以及分析其轨迹，如判断车辆转向是否违反交通规则。
早在2009年，尽管视频结构化尚未如今般普及，但公安部门对于图像分析却有着迫切需求。
深瞐科技董事长陈瑞军认为：“单纯依赖人工查找图像中的信息，就像是捞针子一样困难。”因此，他主张利用技术帮助公安解决摄像头管理问题，使之成为整个安防行业的一个重点。
从2009年开始接触图像分析技术的人脸识别专家陈瑞军表示：“时机已经成熟。”他认为，将非结构化数据变为直接表征目标形状、属性和身份的可直接使用数据，是行业趋势的一部分。
相比之下，仅靠人脸识别还不足以满足市场需求，因为它需要被监控者的合作，而嫌疑人往往会避开摄像头。此外，通过智能交通展会等场合推广视频结构化产品，它可以更有效地用于大规模监控系统中，并且能够提供更加详细和准确的情报。
把数据活起来，让机器“看”懂视觉世界
商业价值所在，便是对这些大型数据库进行挖掘与预测。
以深瞐科技为例，他们通过特征识别建立了一个庞大的城市车辆数据库，并且通过分析不同类型汽车（如公共交通工具）的行驶规律来预测未来可能出现的问题。在运营管理方面，不同类型车辆（如私家车）可以根据其特征被区分出来，而不是简单地将所有私家车都归类为运营用途，即使它们实际上可能只是个人拥有的小汽车。而这样的分类能够帮助执法人员更好地做出决策，比如对于那些没有合法许可证或者驾驶员身份不明确的情况下，可以提前加强监控，以减少类似“滴滴顺风车”事件发生概率。
此外，还可以应用于交通规划领域，比如利用大量关于道路拥堵情况的大量数据来预测未来可能出现的问题，并辅助制定最佳通行路线。此外，还能实现经济预测，不同类型汽车代表不同的经济价值，大多数地区高端或低端汽车流动情况变化，也能作为区域经济水平的一种指标，为房地产开发或政府规划提供参考资料。
总结来说，无论是在大数据应用还是海量视频监控中，要真正实现内容解析与挖掘，最根本的是解决这个问题：如何将这些海量非结构化数据转换成有用的格式？
从概念到落实，这个过程充满挑战，有两大障碍阻碍了产业界对于这一新兴领域最终成功实施：成本和市场接受度。即便如此，一致的声音认为，这两个问题都是由技术本身决定的事实：
首先，由于时间较晚进入市场，而且由于其特征通常无法明确划分，因此该技术成熟度相对较低。例如，对年龄判断存在很大的困难，因为不能仅凭外观就确定一个人是青年还是中年。而性别判定也是不准确的，因为随着中性风潮越来越流行，如果一个人打扮得很帅气，就很难确定性别。
然而，在现有的AI视觉应用变得越来越普遍的情况下，用户的心态逐渐开放，同时结合多个特征进行关联分析已成为提升市场接受度的一个重要手段。此外，与传统行业经验积累相比，更具创新精神的人才队伍也至关重要，他们能够带领企业走过那条曲折复杂但又富含潜力的商业探索路径。
最后，我们必须承认，即使是最先进AI算法，只不过是一种服务或解决方案的一部分，而不是全部。如果我们想要将这种革命性的想法融入现有的业务模式，那么我们必须同时考虑如何继承过去几十年的经验，以及寻找新的创意点。在这个不断变化的大环境里，每一位参与者都应该准备好迎接挑战，同时保持灵活适应能力，以期望找到那个既符合当前发展规律，又能开拓新局面的产品布局方案。
