AI視覺邁入“大模型時代”：從“觀察”到“理解”的巨大飛躍！

大到天地傳感，小到社區“最后一公里”，在新技術的助力下，我們所居住的城市正在加速向“智慧城市”轉變，計算機視覺(CV)作為人工智能領域最大的應用領域，在人臉識別、視頻監控、門禁卡、防盜報警等智慧安防領域率先實現了商業化。

“相比于傳統的社區管理模式，‘智慧社區’更加以人為本，以不斷滿足居民的幸福感和滿意度為核心，為居民提供更便捷、安全的社區環境，讓孩子茁壯成長，讓老人盡享天倫。”之前的攝像頭只是“看得見”，而智能視頻分析系統可以“看得懂”。

據了解，智能視覺分析通過對采集社區中的人、車、公共設施等管理對象的視覺數據進行智慧化的數據洞察，實現“入侵”“攀高”“自行車/電動自行車違停”“亂丟垃圾”“高空拋物”“水域入侵”“占道堆物”等方面的識別需求，在事件發生后，系統能夠在3秒內通過AI應用對圖像進行識別并判斷該事件是否違規，并在5分鐘內處置完成，從而營造更智能、安全、舒適的社區和公共環境。

攝像頭我們已經用很多年了，最大的感觸就是無法事前報警。比如說，有的老人在起居室里摔倒了，或者小孩爬到沒有關閉窗戶的危險地帶，原來的攝像頭可能會認出來有老人有小孩，但它不能理解畫面的語義；但當攝像頭有了一個‘認知性大腦’，看到這些場景時，自然就會聯想到這個人可能處在危險之中，從而實現事中的監測和預警。上海趨視科技總裁介紹了其最新的“AI視覺行為分析”技術：“采用TOF(Time-of-Flight) 傳感器采集數據，并通過‘智能分析儀’進行AI推理，可以精準地識別老人跌倒、久坐不起等風險因素，通過APP實時將信息發送至家人或社區服務人員手機端。”

現在，某街道違章停車、渣土車違規行駛、無證攤販臨時擺攤、商鋪占道經營、亂倒垃圾等社區問題頻現，對于人員缺乏的社區管理隊伍而言，會出現如問題發現不及時，協調成本高，管理缺少數據支撐等現象；而智能視頻行為分析技術給街道每一部攝像機都裝上‘AI 大腦’，實時分析街面情況，對違規行為自動且及時地上報。當偵測到指定區域內出現違規行為，系統會生成提醒信號，實時推送到管理人員隨身設備中，實現社區問題處理敏捷化。

高新興科技集團首席技術官介紹，在即將于12月24日于廣州舉行的黃埔馬拉松比賽中，通過在沿路高聳的樓宇部署的AI視頻監控和無人機，可以做到賽事的全程管控。“無論隊伍到哪里，整個隊伍都是在可視范圍內。比如說哪里發生擁擠或是有什么異常，AI視覺分析可以協助管理人員快速掌握全局。”

在本次CPSE安博會上，至少有六家頭部企業推出了通用或行業大模型，或是展示大模型應用。郭威認為，視頻大模型已成為繼自然語言處理(NLP)之后AI技術的下一個引爆點。“大模型最大的意義是讓我們從判別式AI走向深層次判別式的AI，前者主要從數據和信號中去提取特征進行識別，完成像人臉識別語音識別、圖像識別這樣的任務；而后者可以在海量數據訓練的基礎上生成文字、語言、圖片、視頻代碼甚至算法，完成各類專業人士的工作，在生產力的提升上更為直接。”

計算機視覺已經邁入“大模型時代”，在許多領域都展現出了巨大潛力和價值，安防領域也不例外。目前，安防產業鏈上的各細分領域企業也推出了自己的大模型，如大華的“星漢”以視覺解析為核心；宇視科技的“梧桐”集CV行業、NLP行業等于一身，能夠滿足多樣化的任務和場景需求；云從科技的大模型“從容”應用于視頻監控、入侵檢測、人臉識別等過程中的數據分析，“行人基礎大模型”覆蓋了人體全局屬性(性別、年齡)、局部屬性(穿戴風格、配飾)、攜帶屬性(手機、刀棍、手提包等)、人-物交互HOI(抽煙，持刀棍，手機拍屏幕)等，廣泛應用于礦山、建筑工地以及特殊場所的安全布控，監控作業人員穿戴合規，姿態行為等異常和違規行為。

我們人類的智慧體現在我們可以通過感知、思考和行動來改變世界?，F在機器也擁有了‘感知’和‘思考’的能力，伴隨AI的發展，機器必須通過視覺來理解周圍的環境，做出決策。企業自研的BioCV大模型可以實現園區運行安全“一屏統覽”。多模態AI結合了更多的感官模式，它模仿了人類感知世界的方式，能夠為多樣化場景下的智能個性化應用開創全新可能。

智慧社區對于人工智能有著旺盛的需求，也是能夠實現規?；l展、可復制性強的場景。記者發現，在此次CPSE安博會上，“個人隱私保護”也被多位專家和業內人士著重強調。“視覺分析系統涉及采集并分析一些日常生活畫面，需要平衡監控與隱私保護之間的關系，確保合理使用和保護個人隱私權。”據了解，針對智慧社區場景的特點，趨視科技、精華隆智慧感知等企業采用了可以“脫敏”的采集技術，不是通過視頻監控，而是通過僅可見“影子”的深度圖像，反映景內物體的距離和角度值，不直接包含面部、身體或其他私人信息，大大降低了隱私泄露的風險。

目前部分智能安防產品和現有的基礎大模型還沒有掛鉤，但徐飆介紹，未來，相關安防設備可以和目前一些成熟的語音大模型對接，感知方式從視覺延伸到紅外、雷達、光纖、聲紋等更多維度，隨著TOF類雷達傳感器的不斷應用，除了語音和圖像外，第三維深度數據感知越來越豐富，基于深度數據的大模型必將把機器“認知”世界的能力帶到一個新高度。