[[419428]]

“深度學(xué)習(xí)”最近成為物理安全行業(yè)中比較流行的行話之一，當然，這是有充分理由的。這個人工智能 (AI) 子集的潛在好處也是巨大的，而這些好處現(xiàn)在才開始被理解和實現(xiàn)。

但我們?nèi)绾螌I銷炒作與現(xiàn)實區(qū)分開來?我們?nèi)绾螀^(qū)分未來的潛力和當前的技術(shù)水平?為了澄清這項新技術(shù)的最新情況，我們本周邀請了幾位專家一起來聊聊：什么是“深度學(xué)習(xí)”?安全行業(yè)對其全部潛力的了解程度如何?

Brian Baker - Calipsa 首席營收官

深度學(xué)習(xí)是人工智能的一個子集，它使網(wǎng)絡(luò)能夠訓(xùn)練自己執(zhí)行語音、語義和圖像識別任務(wù)。在視頻監(jiān)控中，這些網(wǎng)絡(luò)通過高度重復(fù)地暴露于來自攝像頭的人和車輛的圖像來學(xué)習(xí)做出預(yù)測。這種能力非常適合用于在周界巡邏尋找異常情況的無人機，或用于顯著減少報告給中央監(jiān)測站操作員的誤報數(shù)量的軟件。通過使用，該軟件不斷提高其準確性。使這些網(wǎng)絡(luò)如此強大的原因在于它們能夠概括他們學(xué)到的概念，然后將它們應(yīng)用于他們以前從未見過的圖像。

許多最終用戶、顧問、集成商和制造商都了解 AI 深度學(xué)習(xí)的當前潛力。然而，我們可能需要數(shù)年時間才能了解這項技術(shù)徹底改變行業(yè)的全部潛力。接下來，預(yù)測行為能力只可能受我們想象力的限制。

Rebecca Wormleighton - Zendelity 首席運營官

從商業(yè)智能到預(yù)測分析、大數(shù)據(jù)、人工智能、機器學(xué)習(xí)和現(xiàn)在的深度學(xué)習(xí)，目標始終不變：提供準確的洞察力，所有這些都隨著發(fā)展而增加價值和復(fù)雜性。從保護企業(yè)數(shù)據(jù)到防止網(wǎng)絡(luò)犯罪，再到優(yōu)化運營，安全用例都有詳細記錄。要充分利用深度學(xué)習(xí)的潛力，需要 360 度全方位了解業(yè)務(wù)。

而挑戰(zhàn)是今天我們只掌握了這些技術(shù)的部分。我們擁有來自數(shù)字世界的數(shù)據(jù)，但缺乏來自物理操作的數(shù)據(jù)。這些數(shù)據(jù)被鎖定在日志、清單中，存儲在文件柜中。訪問和利用這些數(shù)據(jù)幾乎是不可能的，它不可靠、難以解釋，而且不是數(shù)字化的。但是，需要提供安全和安保風(fēng)險業(yè)務(wù)的完整視圖。采購未開發(fā)的數(shù)據(jù)可提供更準確的見解，以挽救生命、金錢和時間。

Sean Foley - Interface Security Systems LLC高級副總裁

深度學(xué)習(xí)是機器學(xué)習(xí)的一個子集。與機器學(xué)習(xí)不同，深度學(xué)習(xí)擅長在非結(jié)構(gòu)化數(shù)據(jù)(例如圖像)中尋找模式，使其非常適合安全行業(yè)。它還可以在較少人工監(jiān)督的情況下“學(xué)習(xí)”。深度學(xué)習(xí)使安全攝像頭能夠識別物體及其定義特征。此功能正在徹底改變基于運動的視頻分析等應(yīng)用，消除可能導(dǎo)致代價高昂的漏報誤報。這項技術(shù)的全部潛力遠遠超出了安全性，因為這些設(shè)備可以為零售環(huán)境中的消費者行為提供強大的洞察力，同時還提供可操作的操作情報，可以簡化工作流程。我們才剛剛開始體驗這項技術(shù)的好處，因此行業(yè)要真正了解其潛力，還需要一些想象力。當涉及到潛在用例和解決方案時，未來是無限的。

John Cassise - RealNetworks 公司總裁

深度學(xué)習(xí)是基于人工神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)的一個子集。神經(jīng)網(wǎng)絡(luò)試圖在數(shù)學(xué)上模擬人類大腦的某些生理機能和功能，盡管受到我們自己的理解。 Apple 的 Siri，包括語音變化和看似非常個性，就是深度學(xué)習(xí)的一個例子，而另一個案例是通過我們的臉解鎖我們的手機。

目前，我們才剛剛開始進入安全行業(yè)的深度學(xué)習(xí)和計算機視覺科學(xué)之旅。很容易想象非接觸式訪問控制變得更加普遍。關(guān)鍵基礎(chǔ)設(shè)施和其他敏感區(qū)域的員工可能需要選擇加入面部識別數(shù)據(jù)庫，以獲得最大的安全性。隨著我們的世界變得越來越復(fù)雜，深度學(xué)習(xí)將使安全行業(yè)能夠擴大其作用，使其變得更加主動而不是被動。這就是我們?nèi)绾翁岣甙踩院凸舶踩⒕S護便利性和用戶隱私的方法。

Sanjay Challa - Salient Systems 首席產(chǎn)品官

深度學(xué)習(xí)是機器基于對不同數(shù)據(jù)集的暴露來識別特定對象或?qū)ο筇卣鞯哪芰?。在計算機視覺應(yīng)用中，深度學(xué)習(xí)可以采用“觀看”數(shù)千或數(shù)十萬小時的相關(guān)視頻或圖像的形式，例如一輛藍色汽車、過線的人或一只大狗。除了物體檢測之外，深度學(xué)習(xí)還可以用于檢測行為，例如人跑步或其他行為異常。我們在深度學(xué)習(xí)和由此產(chǎn)生的分析中學(xué)到的是，分析的準確性與所用數(shù)據(jù)集的質(zhì)量成正比。

Brad McMullen - 3xLOGIC, Inc. 總經(jīng)理

深度學(xué)習(xí)是機器學(xué)習(xí)的一個類別，它使用多層數(shù)據(jù)分析將數(shù)據(jù)轉(zhuǎn)換為有用的信息。每個學(xué)習(xí)層都解決了一個更大的復(fù)雜問題的一小部分。該技術(shù)正在發(fā)展，但效率越來越低。正因為如此，深度學(xué)習(xí)將能夠為包括安全行業(yè)在內(nèi)的許多行業(yè)增加極大的價值。一個例子是圖像/視頻分析，它從視頻源中提供深入的理解和洞察，例如安全協(xié)議、過程控制、人員流動、審計和合規(guī)性。在警報監(jiān)控中，該技術(shù)學(xué)習(xí)模式、外部輸入和歷史活動，以減少誤報和誤派。用途包括音頻和視頻驗證系統(tǒng)的噪聲過濾和滋擾警報過濾。

在訪問控制中，深度學(xué)習(xí)有助于理解建筑物內(nèi)進入/退出位置的使用模式，例如占用管理、集合和合規(guī)以確保建筑物的安全區(qū)域。

Paule Brodeur - Genetec, Inc. 計算機視覺經(jīng)理

人工智能的子學(xué)科之一包括神經(jīng)網(wǎng)絡(luò)研究。該研究使用結(jié)構(gòu)化數(shù)據(jù)(以預(yù)定義方式組織或標記的數(shù)據(jù))，分析輸入和輸出之間的關(guān)系以獲得新見解。深度學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)的一種特殊形式，也適用于非結(jié)構(gòu)化數(shù)據(jù)。深度學(xué)習(xí)令人興奮的是，最近獲得的準確度往往甚至超過了人類處理特定任務(wù)的能力。

在物理安全行業(yè)，深度學(xué)習(xí)可以幫助組織篩選數(shù)據(jù)并處理現(xiàn)實世界的解決方案，例如面部識別或人數(shù)統(tǒng)計。在 Genetec，我們正在使用深度神經(jīng)網(wǎng)絡(luò)來提高我們的 ALPR 系統(tǒng)的性能并添加諸如車輛類型和顏色之類的分析。我們還優(yōu)化了人員檢測功能以改進隱私保護和分析，例如人員計數(shù)器和入侵檢測。

Aaron Saks - Hanwha Techwin America 產(chǎn)品和技術(shù)經(jīng)理

作為人工智能的一個子集，深度學(xué)習(xí)使用神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行分析和分組，并根據(jù)模式進行預(yù)測。神經(jīng)網(wǎng)絡(luò)試圖通過一組算法來模擬人腦。深度學(xué)習(xí)特別擅長處理非結(jié)構(gòu)化數(shù)據(jù)，如視頻或圖像，它可以在學(xué)習(xí)過程的每個階段以無監(jiān)督的方式得出結(jié)論，而無需依賴人類?；谌斯ぶ悄艿纳疃葘W(xué)習(xí)相機不僅僅是相機，它們還是可以對企業(yè)收入產(chǎn)生積極影響的智能數(shù)據(jù)傳感器。

在 Hanwha Techwin，我們在 AI 相機中使用深度學(xué)習(xí)來準確檢測和識別物體，同時描述它們的獨特屬性。這可能是車輛的顏色和類型，或者一個人的衣服的大致年齡和顏色。全部潛力是巨大的，從增強的安全工作流程到生成可操作的業(yè)務(wù)和運營智能。

Justin Frints - Security & Safety Things事務(wù)副總裁

深度學(xué)習(xí)，有時也稱為機器學(xué)習(xí)或人工智能，是一種強大的工具，可通過識別某些像素模式來增強我們從龐大的相機數(shù)據(jù)流中生成有價值信息的方式。如今的攝像頭系統(tǒng)提供了多種用例，例如識別越線的人或檢測車牌。因此，深度學(xué)習(xí)技術(shù)正在迅速變化和改進，但有不同程度的潛在用途。第一個是最簡單的，也是當今大多數(shù)安全系統(tǒng)的所在——識別物體、人、動物、汽車，甚至識別汽車的類型或車牌上的字符。第二個層面是行為層面，可以檢測到潛在的暴力、攻擊行為等。第三個層次是故意行為或預(yù)防性行為，系統(tǒng)可以預(yù)測打架或盜竊的可能性。與回顧過去相比，預(yù)防事故的可能性是巨大的。

John Davies - TDSI董事總經(jīng)理

整個安全行業(yè)剛剛走過理解階段，AI和深度學(xué)習(xí)可以帶我們走得更遠。若干因素正在推動AI和深度學(xué)習(xí)，首先是世界上傳感器產(chǎn)生的數(shù)據(jù)的爆炸和擴散 - 包括攝像機，訪問控制和建筑管理系統(tǒng)。所有這些傳感器都攪拌出數(shù)據(jù)24-7，現(xiàn)在我們開始使用軟件系統(tǒng)來“挖掘”此數(shù)據(jù)。此挖掘正在從不同的筒倉之間的數(shù)據(jù)之間討論迄今為止的關(guān)系，這是創(chuàng)造一些有趣的結(jié)果。然后使用算法來描述這些關(guān)系，并且這些關(guān)系又可以使用或者可以使用，以識別某些情況，因為事件發(fā)生或甚至預(yù)先發(fā)生。談到威脅預(yù)測時，肯定會有少數(shù)群體報告!

總結(jié)

專家們的回答反映了對“深度學(xué)習(xí)”的定義和對改變物理安全市場的潛力的共同思想的共識，大家基本同意我們現(xiàn)在只在實施深度學(xué)習(xí)的承諾的早期階段。深度學(xué)習(xí)作為一項令人興奮的雞，它的未來仍然存在更多的可能性，僅限于我們的想象力。