在3月24日的“江西智能交通论坛（第四期）”上，杭州城市大脑视觉智能负责人华先胜共享了城市大规模视频智能分析的研究与实践中。华先胜提及，目前城市享有大量的视频数据，但没充分利用，球机也只有单一功能过于智能。但视频是十分直观的信号源，可以被更佳地利用。

华先胜指出，城市大脑的第一步是通过AI构建感官，感官到路上的车、自行车的人、人，有了感官就能展开决策和优化。以往路面经常出现交通事故，大家还要叫醒一叫醒才报警处置，但摄像头只不过早已看见了，实质上可以更加较慢地做出处置。摄像头里的视觉对象都可以被搜寻和挖出，就像商品搜寻一样，这样就能构建套牌车、肇事车查询，这甚至可以是一个秒级号召的结果。

这之后是预测，可以预测一段时间整体的车流状态，最后实行介入。华先胜在会上还首次讲解了机器替换交警侦察的功能，利用城市有数的球机设备，不做到别的改动，在云端已完成AI算法，让摄像头自己找到路面的交通事故、展开报警。不仅做了不减少设备、不转变链路即带给效能提高，还革新了技术，与交警一起解决问题了许多交通场景的算法难题，并且还能在硬件上更进一步降低成本。

城市大脑究竟有什么有所不同？华先胜总结，实质上用于AI和计算能力去挖出大量城市数据不能替代的价值，已完成人无法已完成的事，这与许多仿真人的智能有所不同，未来城市大脑的整个系统将沦为城市的基础设施之一。精选辑演说内容如下：我们再行走进一点看城市大脑是什么？首先城市里有大量的数据，特别是在是视觉的数据，而且视觉的数据是无法被必要用于的。

首先第一步要展开感官或者叫理解，也就是我们要告诉街上再次发生了什么样的事情，当然端上也能有一定的感官能力，那么云上的感官能力却更加灵活性更加强劲更加的更容易拓展。特别是在是今天AI的技术和计算能力的提高以后，使得我们有相当大的想象空间可以对整个的道路展开全面地感觉，一会我会谈为什么叫全面。

有了全面的感官以后就可以展开决策，当然感官内层的话过去有很多像末端上的设备的话可以感觉到车，可是人的话是很难感官的。我们今天在云上感觉的时候是可以细致的分析到车、自行车的人、人，甚至他等红绿灯的时间、抛洒物等等各种事件事故都可以展开感官全面的分析。有了这些以后就可以展开决策和优化了。非常简单的决策是说道我感官到了，立刻就可以展开采取行动，比如在杭州我们做到事件、事故的检测，几十种事件事故的检测，比如说交通的交通堵塞，很多是有事故引发的，大家还要叫醒一叫醒以后才不会报警才不会处置。

但是我们摄像头只不过早已看见了，看见了以后立刻就可以告诉什么原因，立刻就可以展开处置，杭州只不过目前还没做自动，专门有一个交警队，骑警队立刻就不会去处置，将来只不过我实在有可能一个电话就可以解决问题的。对一些相当严重的交通事故的话，如果还没有人再也报警的话，我们摄像头早已看见了全天二十四小时全程的观测，看见了以后立刻就可以展开催促医疗资源去处置，有可能能节省几分钟的时间就能救人一命。当然全局的优化，比如说交通灯，刚才有很多专家都谈及过交通灯优化，那么视觉可以给交通的优化带给更加全面更加现实的信息，眼见为实的一些信息。

搜寻和挖出，我们可以把城市里面我们通过摄像头看见的所有的视觉对象，放在搜索引擎里面去，就像商品搜寻一样，就像其他的图像搜索引擎一样，车、人全都放进去，某种程度是车牌、车的属性，甚至通过车特的图像，车、人的视觉特征展开搜寻，这也是在业界也是十分无以的一个问题，这叫车和人ID的问题，没车牌没人脸的时候大量的只不过是看不清人脸的，能无法做人的辨识。比如说我们就可以做到套牌车、做到肇事车的查询，而且我们这次做到的是一个动态的引擎，只有秒级的，也就是说一旦事发以后，我们不但可以告诉这个车过去在哪里捕食，在几秒钟之前，十秒钟之前他在哪里，十秒钟的累积，有可能我们将来不会做到的更佳，有可能只有几秒钟的累积，就可以告诉他十秒钟之前在哪里，这个时间作为交警来讲我们咨询过，只不过时长的话早已策划好了，我们将来可能会做到得更佳一点。再行下一步可以展开预测，我们可以预测一段时间整体的不道德，比如说车流10分钟以后、20分钟以后、30分钟以后的车流是什么样子的，我想要都说的很多交通专家对这个较为熟知。

比如说我们像今天的GPS只不过是给你做到路径规划的时候是没预测的，如果有预测的话，可以给你做到一个更佳的路径的规划。当然了，我们也可以做到更加长时间的预测，我常常荐的一个例子，比如说南昌明天要下大雨，还有几个明星要在哪里举办活动，这个时候你大约根据历史的数据和明天的情况，可以估算出来道路明天的几点到几点的交通堵塞情况和事件事故再次发生的概率，大约可以估出来的。

有了这个以后你就可以展开一定的介入，比如说预先设置资源，医疗资源也好，交警资源、人力资源等等之类的，当然我们也可以做到得更狠一点。更狠一点的话，我们通过交通的管控，交通的纾缓、诱导，可以防止这些很差的事情的再次发生，比如说把交通事故的概率保持在原本的水平，交通拥堵的时间减少到原本的水平。整个一套下来我们指出这个是一个城市具备了大脑，但是目前还是以交通和安全性居多，我想将来的话有可能有更加多的课题不会引进进去，像环保、像土地用于等等之类的。

这也是为什么我们偏向于用一个新的名词叫城市大脑，而不叫作smart city，因为我们指出这里面是确实是有智能的。整个城市的感官的发展也是经历了很多的阶段的，最先的话什么都没，无感幼稚的状态，这个时候是要通过探访的，问问大姨、大妈是不是看到什么人什么车，后来是感而知道、感而略知。从城市大脑开始，我们明确提出的概念是要叫感而全面闻，感而全量闻，感而动态闻，这是相当大的一个变化，这也是我们明确提出的云上方案的一个特点。

从全面的角度来讲，给大家荐一些例子。比如说我们对每一个摄像头，它视野里所看到的所有的车、人、交通标志以及路上有可能经常出现的各种情况，事故也好、爆炸物也好，都要做到全面的感官，今天在云上的计算出来具备这个能力，具备这个灵活性度，算法也具备这样一个能力来做到这件事情。

比如说最基本的就是目标和属性的辨识。这里我给大家荐一个例子，只不过是一个质量非常低的这样一个视频，我们不必须去换回摄像头，我们一样可以做到十分精准的目标检测、追踪和辨识，所以我们是不必须换设备的，什么设备都可以。这里面当然拒绝速度十分的慢，要十分的定，你只有几十毫秒的时间去处置这些事情，因为还有很多牵涉到到其他的事情必须去已完成。

这里面我们有一些科研的成果，高效的、仅有尺度的、多目标的检测的这样的一个工作，大家如果有兴趣的话可以去读一读。我们在一些国际的比赛，检测是我们的基本功，车辆检测在KITTI比赛持续一年的时间仍然保持在第一位，行人检测最近几个月我们也仍然是保持在第一位。

车辆、行人各种目标检测是一个基本功，后面还有更加无以的事情是说道事件事故的检测再次发生了什么？这是因为它是一个时空的检测，只不过是很难的一个问题，要做全面还是十分无以的，我们把它变为一个叫作时空出现异常检测的问题。也就是说长时间的车流是没问题的，一旦出现异常，经常出现事故事件的话，那就是个出现异常的车流，不管是有的车慢行、有的车肇事还是撞击，还是顺行，这些都可以通过出现异常来展开检测，我们也有一个很好的工作，公开发表表的一个工作叫时空出现异常检测，有了这个以后，我们就可以对路上再次发生的事情展开全面的感官，比如说像人车的撞，车车的撞，甚至交通堵塞情况，还有非机动车跑到高架路上，高架路一般不容许摩托车通行的，我们刚开始运营的时候寻找了十分多这种例子。刚才谈的是明确的全面的角度，对整个路面的情况需要全面的感官，当然交通流是最基本的一个感官，交通参数是最基本的感官。

怎么样构建除了单个的摄像机的感官以外，要超过城市交通管理的这样一个目的，还有一个很最重要的两个拒绝，一个叫全量，一个叫动态。因为时间关系没时间去进行，但是有一点，我们是基于阿里云的动态计算出来平台或者叫东流计算出来平台来构建的，因为有这样一个平台，所以我们在上面去架构一个动态的大规模的视频处置，只不过就显得没那么艰难。虽然我们也必须做到很多的工作，让Stream Computing云计算的平台需要不吃得进来大量的数据，扛得住大规模的计算出来，然后及时的需要引人注目分析的结果。这里面只不过很最重要的一个因素，我们最先受到相当大的挑战就是成本的问题，我们在后台的云上计算出来究竟要多少成本，不会会比端上的计算出来更加便宜？只不过我们在这方面做到了大量的工作，最先的时候和今天的算法有可能劣了10倍、20倍的时间。

今天荐个例子，如果你做到一件事情本来要一台机器制成了，你结果用了两台机器还会有什么事情，如果你做到的这件事情要一千台机器，要一万台朗读，结果你用了两千台、两万台，这个就很困难了。我们当时做到了大量的工作，还包括模型精简的加快，所发计算出来的流程，和器件的加快，有几十倍的速度的提高。最近立刻就不会上线的APP，APP一个卡我们能处置70度视频。

究竟能构建什么样的功能？刚才谈了一些单点的技术，其中我们最近不会公布的就是机器替换交警侦察这样一个功能。这个只不过目前完全没其他的人做到，这个实质上是用的球机来做到的，因为我们有很多的算法是在枪机上，枪机比较是较为更容易一点的一个case，球机因为它不会动，而且有很多球机的分配率也不是很高，变化十分的多。在球机上怎么样让球机变为一个智能的球机，这是我们其中的一个项目解决问题的一个核心的问题。

通过球机来替换侦察，在交警那里只不过是有个控制器，有很多人在那里看，只不过也没多少人，也没多少这个场景他是可以确实的去看的。现在我们可以用这个算法在背后24小时全天候360度的值班，对交通违法、交通事故事件展开全面的感官。

这个小视频是一个例子，球机也是在动的，这里面人出来了和这个车在那里一动了，这些都是我们立刻辨别出来他是一个事件事故，比如说十秒钟之内我们就告诉了。只不过要人工去看的话，差不多也要十秒的时间才能辨别出来。还有更好的一些例子，全天候全面的交通事故的感官。我们可以看一下，这个应当是个交通事故，这个是个行人掠过马路，这里边是交通堵塞，这个是骑马摩托车的跑到高架上去，下面这边是顺行，这边是个路口抢劫，后面两个是晚上光照也不是很好的情况下，大家可以看见十分小的目标经常出现的，这实质上应当是两个非机动车在高架路上行经，十分小的目标我们都可以去找获得。

基本上最开始只不过交警也不是很坚信我们需要做到这件事情，到今天只不过我们的近期的版本上线以后，交警指出是几乎可以构建交通的管理。我们在杭州正在运营的这一套城市大脑的系统，其中的事件事故检测，我们在检测到以后就不会启动时到大屏上来，大屏上的结果也不会启动时到各个局点，局点上就不会有专人在看这个，展开必要的处置。

这里有更加多的例子，还包括事故、还包括顺行、非法行驶等等之类的。除了即时的找到以外，我们对比较宽一点时间的统计资料也能找到一些问题，比如说像当时的1.0版本的时候，运营了一段时间，找到有些地方重复在报警，这个基本上有点问题。

后来我们寻找了六个这样的点，交警去实地看了一下，显然那里路的设置等等之类有问题，然后展开了线下的处置，获得了显著的提高。因为这个改为完了以后，你的报警数目就可以看获得是不是效果。这一部分的工作只不过有很多的产品，因为今天时间关系我就谈了这一个。

这一个特点，其中很最重要的一个特点，就是我们充分利用城市既有的涉及设备，还包括它的仅次于的效率，不必须做到其他的变更，必要在云端就可以搞定。这个可以让装监控设备做到自动的巡弋、自动的通判，通过机器换人，构建密切的拟合的配备，所以这里面只不过我们不是更换了交警，实质上是让交警去做到更有意义的事情，最重要的事情，因为这个事情转交机器来做到就可以了。机器将来能无法更换交通专家，我想要了想要，那么多交通专家躺在下面，我还是说道敢较为好。

进个笑话。应当是部分工作可以更换了。

基于交通球机的交通数据分析有三个特点，效能的提高，不减少设备，不转变链路，通过世界云计算来展开效率的提高。第二个是技术的革新，这个里面显然有很多计算出来算法的难题的问题，我们也是跟交警一起谋划了很长的时间，杭州交警一起在现实近距离的协同作战。

还有一个是成本的减少，我们将来除了算法本身性能的提高，也不会在硬件上更进一步的降低成本。我略为再行回来来跳跃得低一点点看的话，城市大脑它有什么有所不同地方？第一，我总结一下，实质上是用AI和计算能力去挖出大量城市数据的不能替代的价值，它只不过是做到一件人无法已完成的事情，最先的时候人工智能是仿真人的智能，所以今天只不过人工智能虽然很多方面不如人，但是在很多方面也是多达了人的，比如像城市计算出来，只不过这部分只不过是多达了人的，是人做不了的。我们期望城市大脑这一套整个的系统不会沦为将来城市的一个基础设施。刚才谈到深度自学、计算能力等等AI促成了城市大脑，因为城市这个平台的极大，城市的数据的量极大，问题的复杂性问题，市场需求的量的极大等等这些因素，只不过它将来不会沦为一个平台，需要促成很多人工智能技术的发展，这也是为什么我们城市大脑不会沦为科技部国家首批人工智能对外开放创意平台之一，沦为国家队的项目。

实质上我们不会把它制成一个对外开放的平台，除了自己我们搭乘了个台子，上面还有一些演员以外，只不过有更大的空间不会对外开放给第三方，一起来建构城市的智能计算出来，城市大脑的平台。原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：欧博abg官网-www.radiomazal.com