在大安防的背景下视频结构化应如何构建其商业逻辑智慧交通沙盘的反复探究

在2018年，网约车安全问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，这些事件让人们对人性和法律之间的关系深感忧虑。

随着互联网技术的飞速发展，生活方式也随之发生巨大变化。但是，对于安全这一课题，我们是否已经足够“上锁”？

亿欧记者采访了一家专注于车辆识别与视频结构化技术研发的企业——深瞐科技。在这次交流中，公司董事长陈瑞军指出：“基于视频结构化技术，可以提前预警车辆出行中的潜在风险，从而显著降低交通事故发生率。”

公安机关对于高效监控系统需求迫切，正是视频结构化技术得以迅速发展的一大推动力。

所谓视频结构化，即通过算法将视频数据进行精确提取和分析，以检测、捕捉画面中的关键信息。具体包括：识别运动目标，如判断画面中出现的人物或车辆及其特征；追踪目标轨迹，以便判断是否违反交通规则。

早在2009年，当时还未有如今这样的视频处理能力，但公安部门就已意识到了图像分析对于提高工作效率至关重要性的紧迫需求。

陈瑞军认为：“仅凭人类视觉来寻找图像中的信息，无异于捞针。而道路监控不再受限于摄像头数量，而是转变为了处理这些数据的人工成本限制。”因此，在这样的背景下，借助先进技术帮助公安解决摄像头管理问题成为整个安防领域的一个重点任务。

从2009年开始接触图像分析技术经验丰富的陈瑞军表示，现在才是一个实现该领域潜力的大好机会。“利用智能手段，将视频内容转换为直接表征目标形态、属性及身份的可用数据逐渐成为了行业共识。”

尽管人脸识别应用日益普遍，但单一依赖这一手段无法完全解决安防行业痛点。这主要因为人们通常不会主动配合被拍照，而且嫌疑人可能会避开摄像头。而相比之下，video structure technology（视觉结构学）则较少受到这些限制。

利用数据挖掘提升智能决策

商业价值并不仅仅体现在简单地对数据进行挖掘，还要结合预测能力。

以深瞐科技提供的一套系统为例，该系统能够通过特征识别来建立每个车辆的大型数据库，并实现在城市范围内对所有运营车辆进行有效管理。此外，该系统可以根据不同类型汽车，如公共汽车、出租汽车或货运汽车等，以及它们各自不同的行为模式，对其行驶路径和时间做进一步细致分析，以此挖掘更多含义。

例如，对于私家車，它们如何移动以及何时移动都能透过系統進行監控與分析。如果這些車輛發生過違法行為，這種技術可以幫助執法人員提前識別並調查。

除了預測交通情況與規劃以外，這種技術還能夠應用於經濟預測。不同類型車輛所代表的是不同的經濟價值，因此根據高、中、低端車輛進出的頻率，就能對該地區經濟水平做出初步評估，有助於房地產業者或政府部門制定區域規劃方案。

总结来说，大數據應用尤為明顯但海量視頻監控資料本身無法直接轉換為實際使用價值，而內容提取與結構化才是關鍵所在，要想實現視頻大數據解析與挖掘，最首要任務就是解決視覺結構問題。

從概念走向落地，一條難題路線

雖然業界對於視覺結構學應用的看法五花八門，但是它商業落地卻遭遇兩個主要挑戰：成本和市場接受度。最根本原因仍舊，是技術問題自己造成了困難：

陳瑞軍向億歐記者坦言：“相較於臉孔識別及汽車識別，本領技術起步較晚且因其特徵有時難以明確劃分，所以成熟度較低。”

所以現在來說，由於市場接受度有限，因此常見將多個特徵進行聯繫式研究，用以提升市場接受度。此外隨著AI視覺應用的普及程度增加，不同场景下的用户心態也逐漸开放了對新技術的心理准备，那么社区管理、犯罪抓捕、人员统计以及商业销售等多种场景都会看到视觉结构学身影出现。

企業角度來講影響產品商業落地原因之一源自團隊人員對行業理解以及他們在技術上的積累體驗：

中國十幾年的安防發展歷史讓我們明白了從圖象處理到存儲再到硬件設施建設都有豐富經驗加累，而這些經驗絕非教科書裡就有的明確答案。“最後交付給消費者的不僅僅是一項技術，更是一項服務或者解決方案”，陳瑞軍如此說道，“AI算法只是其中的一小部分。”

通過這樣獨到的觀點理解如何從技術概念走向商業成功，

即使是在今天快速變革智慧時代的情況下，每家企業必須思考怎樣站在AI眼光下理解行業，並做出符合當代發展趨勢新產品設計；

如何既保持傳統優勢，又尋求創新的突破？這需要既老兵又新秀共同努力改變一切：

繼承過去幾十年的成熟知識基礎;

在此基礎上找到創新的方向;

懂得如何將傳統知識融入現代智慧;

另外，這些公司需要清楚自己的定位：

如何減少競爭間利益衝突?

是否提供產品還是服務?

哪種方式才能節省成本找到最佳發展路線?

總之，只要準備妥當後，就是產品打磨階段，

陳瑞軍介紹，他們最大優勢在於准確性和處理速度，

硬件方案完善且效率顯著提升，加之整個工業正處於高速擴張期，

他堅信深瞌科技一定能夠開辟一條成功旅程。