測評表現

AI有著非常廣泛的應用，它絕不僅僅存在于人臉識別、車輛識別、生物識別、物體識別等常規認知領域，還有基于數據的頂層AI應用——一個廣泛的無人區。DT時代，最重要的不是我們擁有多少數據，而是能對手上的海量數據做什么，它們又將給我們帶來什么意想不到的價值。

以薩，恰是這樣一家公司，與諸多AI算法公司最大的不同之處在于，其主要業務不僅是追求算法參數指標極致化，而是通過大數據匯聚融合，構建大數據應用平臺，再由平臺強大的超腦運算能力，實現具體的人工智能應用，以及眾多人工無法識別，只有經過大數據庫庫碰撞才能實現的全息多維研判分析。顯而易見，與眾多AI企業相比，以薩的立足點是解決平安城市領域，AI技術的規模化實戰應用難題，圍繞公共安全業務場景對于多維數據的融合應用需求，持續打造技術架構新、交付能力強的實戰型解決方案。

手握金剛鉆：深度算法+完整的產品體系，構筑數據融合基礎

以薩對AI的滲透程度，是隨著行業深耕不斷演進的，作為最早一批將AI技術應用于視頻安防領域的技術廠商之一，以薩擁有10多年的計算機視覺、大數據分析處理經驗積累。切入之初，以薩就選擇了識別難度更高的車型、車輛特征算法開發，隨后逐步攻關視頻結構化分析、人臉識別等更為豐富的AI應用算法。

其中，對視頻圖像中車型、車輛特征識別的運用，以薩早已熟稔，本次測評涉及的多個案例中，這類算法就多次發揮了至關重要的作用。即便車輛套牌、改變外觀也難逃以薩法眼，平臺僅從部分特征就可關聯分析出完整鏈條。另外，“視頻AI”基因也深度影響著以薩如今的行業深耕，雖然算法不斷增多，但始終高度圍繞公安、交通、平安城市等行業的需求展開深度AI大數據融合應用，讓以薩的專業度和行業深耕程度愈加聚攏。

目前以薩已圍繞4類平安城市主流大數據應用，建立完整的視頻AI深度應用產品體系：

視頻監控：包括視頻車輛大數據實時分析系統、 視頻目標智能追蹤系統、支持6000路以上的視頻實時結構化分析系統、視頻目標分析單機版、高危目標實時預警系統、案件庫、視圖庫等;

卡口圖像：卡口車輛大數據系統、全市、全省車聯網系統、全國聯網實時過車信息庫和相關應用、重點車輛監管系統、實時車輛預警系統、智能交通大數據系統、道路交通風險監測系統、智能車輛實戰應用一體機、移動警務APP等;

人臉抓拍：支持千路級規模化應用的人臉識別、動態人臉布控和軌跡追蹤系統;

感知設備：自動關聯分析人員信息的感知數據分析應用系統。

聚焦公安業務規模化應用的“實戰派”

當前平安城市大數據應用側重在單警種、單系統內的事后偵查。但隨著車輛識別、人臉識別等技術手段被公眾了解，嫌疑人作案時不掛真牌、刻意遮擋面部……使得單一維度的偵查和管控手段面臨三大無奈：一是容易被規避，二是難以落地人員身份，三是無法對目標全面刻畫，軌跡追蹤難、預警難。

針對這一痛點，以薩聚焦公安業務規模化應用需求，首要解決的就是多警種資源、跨平臺業務、非標系統等帶來的數據壁壘問題。實際上，突破不同屬地、不同警種、不同網絡、不同廠商、不同架構的局限正是以薩的強項。基于以薩完善的產品體系和優異的項目交付能力，持續打造可規模化實戰應用的解決方案。已實現視頻、卡口數據和人員數據的復合應用和可擴展應用，在同一平臺下全面打通人、車、物多維數據的自動關聯和融合分析。

再者就是同一平臺下，動靜態、多業務海量數據庫的調用問題，“以薩視頻AI多維數據融合應用”采用分布式架構、流式內存計算、CPU+GPU異構計算，支撐百億級數據實時比對響應，依托人工智能、視頻圖像結構化等技術發揮多模態數據處理能力，智能提取視頻、圖像等多渠道中關鍵信息進行多模整合，針對不同的動態數據來源和應用特點，建立虛擬身份標識。結合時空、基于身份標識建立關聯和追溯關系，實現視頻圖像相關信息的高效流轉，從源頭上攻克動態數據關聯管控應用的難題，實現百億級人、車數據檢索碰撞、秒級響應，快速鎖定嫌疑目標，來知其影，去知其蹤。

當數據庫龐達到億級之后，系統研判響應效率將會呈指數級下降;若達到百億級、千億級時，超大規模數據研判將會愈發困難。對此，首先以薩研發團隊自主開發了自動調參系統，可對網絡模型的組合類型，每層參數，以及學習率等自動尋找最佳設定，大大減少手工調整耗時耗力的弊端，同時可獲得理論最佳效果;其次是開發了高度自動化的數據搜集、整理和標注系統，可以根據需要從自然數據中自動提取所需樣本，并進行初步的篩選和標注，比單純人工整理效率要高10倍以上。第三是對代碼進行了深度極限優化，比如利用SIMT和SIMD技術對CPU和GPU代碼進行指令集級別的優化，可提升8-10倍的處理效率。據以薩介紹，其目前某項目的動態數據采集量就達到了2億/天，但數據調用能夠穩定支持秒級響應。

小結

“融、智、準”點亮AI

“以薩視頻AI多維數據融合應用”通過幾十余種技戰法+幾十余種目標屬性+目標精細布控+組合式的條件檢索，全面打通人、車、物多維動靜態數據的孤立壁壘，實現了在數據層的全息感知、多維融合;通過目標智能提取、深度神經網絡大數據處理等AI算法，利用人工智能+大數據技術，對人、車、物進行自動關聯匹配，在技術層實現了深度人工智能化應用;再結合實戰需求，基于平臺對人、車、物等數據的關聯分析與研判，大大提高了在案件研判及事前布控預警中的實戰支撐效能，在應用層實現精準預警、精準打擊、精準防范、精準管理應用。

核心技術

在技術層，其以人工智能算法為核心，依托GPU加速渲染、深度神經網絡的大數據處理平臺，打通和建立人、車、物多維目標的智能關聯、智能分析、智能推送;在數據層，以薩將視頻、卡口、人臉、人像等數據，同人員、車輛、物品、軌跡信息等進行多維融合，倍增數據價值;攻關解決了全市、全省級千億數據規模下的城市視頻圖像實時聯網智能分析、基于CPU+GPU的動態分布式異構計算等關鍵技術難題。該解決方案的重點在于對人、車、物三大類動靜態數據的關聯應用，“融、智、準”正是該平臺核心技術的真實寫照。

算力要求

以薩研發團隊對代碼進行了深度極限優化。利用SIMT和SIMD技術對CPU和GPU代碼進行指令集級別的優化，同時優化處理器層面的緩存使用，以及IO流程的精簡。另外，對網絡模型進行“運行時優化”(Runtime Optimization)，在保證準確率基本不受影響的情況下，對網絡模型進行壓縮，減少存儲和計算需求。以薩通過算法優化后，同樣的深度學習技術，以薩技術可以做到比市面常見產品提升了8-10倍的處理效率。

大數據訓練

以薩視頻AI多維數據融合應用在大數據訓練過程中，歷經公安部、北京、廣東、山東、四川、江蘇、安徽、福建等20多個省部級公安機關、900多個縣市區公安機關實戰檢驗。目前其在某個單一項目上就實現了日均2億的結構化動態數據實時分析應用。

不過，作為一款多維數據融合方案，與單一AI應用最大的不同就是，其首要目的不是為了訓練識別精度，是要基于大數據碰撞進入多維數據價值挖掘無人區，支撐平安城市領域對于多維數據的規模化應用需求。事實上，該方案已經在海量數據配合訓練下，實現了數據融合、淬煉的“融、智、準”應用。

落地能力

以薩已在全國多地搭建了多維數據深度應用平臺，圓滿護航廈門金磚峰會、全國兩會、上合峰會等重大活動和會議的安全保障工作，受到公安部、北京市公安局、福建省公安廳、山東省公安廳等客戶單位的高度認可。

案例分析

在某地被盜車輛追回案件應用中，由于接入的已建監控資源為老舊系統，案發附近圖像視頻源清晰度有限，沒有能夠抓到任何有價值信息。但借助匯聚全省視頻資源的以薩視頻AI多維數據融合平臺，基于車輛特征檢索，很快從某卡口圖片中查找到符合度極高的疑似被盜車輛。但新情況再次出現，由于車速過高、已建系統無法適應高速運動車輛的車牌抓拍，車牌依然無法識別;民警只能繼續通過車輛特征結合被盜車車牌進行分析，在試圖通過大數據碰撞追查嫌疑人落腳地的時候發現，嫌疑人落腳地經常變換;更糟的情況是，大數據分析時，數據無法再碰撞，落腳地消失了。不過，經過平臺更細化的視頻圖像特征分析，重新鎖定一輛車型高度相似但車牌不同的嫌疑車;于是再通過視頻圖像特征數據碰撞得出“嫌疑車被套牌”的結論。民警此時沿著被套車牌線索追查車輛軌跡，隨后發現車色被改裝噴涂，最終通過數據分析出“噴漆地點”并獲得一張可識別人臉的圖像，再基于該人臉圖像通過人臉識別算法及動靜態數據庫碰撞，鎖定犯罪嫌疑人身份。

該案中，充分運用了視頻圖像特征識別、動靜態大數據碰撞、綜合研判、人臉識別等多項技戰法，最終完成了案件的偵破。

AI創新亮點

打通卡口、視頻、人臉等數據間的自動關聯，無需跨越多個系統，可在一個系統中實現對卡口、視頻、人臉、感知設備等多數據源的綜合查詢;支持車輛、人臉、人像、物品等數據進行軌跡分析、同行分析、多點碰撞等大數據綜合研判;支持可視化展示多維目標軌跡，支持多維數據布控告警，優化了警務流程，提高了辦案效率，補齊了單一維度信息化技術手段的局限和不足，讓數據融合應用的紅利服務于平安城市治安防控、雪亮工程、智能交通、道路風險防范等多個領域。

專家點評

以薩視頻AI多維數據融合應用方案立足點很高，是基于打通對人、車、物的動靜態數據應用壁壘的基礎上實現的融合應用，在一個平臺實現海量多類型數據的關聯碰撞及高效分析，可滿足百億乃至千億級的規模化平安城市應用需求。從目前已實現的項目案例來看，以薩已精于打通數據壁壘，可以說其已是一家基于優勢算法的大數據綜合應用服務公司;或者說，以薩是站在戰略層面來發展AI。

提升空間

在人員行為與案事件關聯分析方面還可再完善，便于針對具體案事件進行模型分析及預警。