在安防大数据时代，智能化在安防系统的建设中越来越重要。未来安防技术的应用将以视频为核心，结合人工智能技术，实现传统安防应用向“深度智能”应用变革。
那么在SDT大数据时代，我们为什么需要“深度智能”？看看海康威视技术支持与服务部总监何峻峰带来怎样的解读。
当前行业所谈到的智能有哪些不足？
从2006年开始我们就一直在讲智能，许多厂商都在智能上下足功夫，智能化也成为安防行业新的趋势。但在喧嚣的背后，智能的实际效果受限于芯片与算法的发展，却一直不能令人满意有重大的突破。主要体现为智能识别准确率低、设备环境适应性差、识别智能种类少等问题一直困扰着智能的应用的普及。
为什么在安防行业向着智能化发展的关键阶段，海康威视会提出SDT大数据理念？
随着各地视频接入规模的迅猛增长及视频监控对高清、智能、联网的要求越来越高，每天产生的数据量正以惊人的速度在不停增长。安防行业正迈向全新的大数据时代，数据越来越成为最宝贵的资源，如何有效对数据进行存储、共享以及应用变得愈加重要，SDT（安防大数据技术）时代应时而生。
一切智能化的应用都将在数据结构化的前提下实现，SDT将是实现安防智能化最基础的手段。
在SDT安防大数据时代，传统的算法已经明显落后，深度学习算法的具体应用有哪些特点？
在SDT安防大数据时代，面对井喷式增长的视频监控数据量，只停留在浅层次分析识别的传统智能算法，已无法满足深层次数据价值挖掘的需求。
显而易见，我们需要有更深层次的智能，应用人工智能可以帮助我们做到这一点，而这其中的关键点便是深度学习算法的应用：
一、准确率更高，应用深度学习算法的深度智能设备，可以自行提取更多更详细、更微小的特征，从而使得识别分类对象的准确率越高，也就是说：深度学习让智能有了质的飞跃；
二、环境适应性更强，同样是环境特征的提炼，深度学习算法可以自行提取更丰富、更适合的特征参数，从而达到更强的抗环境干扰能力。这样意味着，深度学习的产品可以应用到更广泛的环境当中；
三、识别种类更丰富，理论上只要有足够多的样本进行训练，深度学习能够实现比较精准的目标分类识别，自主特征识别的特点，又让深度学习特别适用于抽象、复杂的关于人的特征、行为的分析领域。
应用深度学习的智能产品，目前能在哪些场景下运用？
现在深度学习智能产品虽然在市场上各家的宣传侧重点各有不同，但其出发点都在于人体分析(人脸识别、人体特征提取技术)、车辆分析(车辆识别技术、车辆特征提取技术)、行为分析(目标跟踪检测技术、异常行为分析技术)、图像分析(视频质量诊断技术、视频摘要分析技术）四大块上。深度学习算法让感知设备不仅具有感觉，也能够辨别与分析。
在常见的应用场景中，如某园区，想查找一个上午10点进入园区的穿黄衣服的男性，可以直接通过属性筛选，获得所有相关的人体图片信息。通过人脸的1比1、1比N的静态比对和动态比对，实现人脸的身份验证或实时报警，显示人员运动轨迹，给事后查询提供证据等。
再比如对车辆可以进行更精细的识别，进行特征搜车应用时，输入一辆车辆照片，根据车灯坏了、凹痕、车内饰物等特征进行精细搜索。类似的深度智能场景应用还有很多很多，此处不一一列举。
我们可以确信：有了深度智能，之前困扰我们行业的难题将迎刃而解！随着深度智能产品的投入市场，SDT安防大数据时代的深度智能应用，将全面落地开花！
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
