AI视觉迈入“大模型时代”：从“观察”到“理解”的巨大飞跃！

大到天地传感，小到社区“最后一公里”，在新技术的助力下，我们所居住的城市正在加速向“智慧城市”转变，计算机视觉(CV)作为人工智能领域最大的应用领域，在人脸识别、视频监控、门禁卡、防盗报警等智慧安防领域率先实现了商业化。

“相比于传统的社区管理模式，‘智慧社区’更加以人为本，以不断满足居民的幸福感和满意度为核心，为居民提供更便捷、安全的社区环境，让孩子茁壮成长，让老人尽享天伦。”之前的摄像头只是“看得见”，而智能视频分析系统可以“看得懂”。

据了解，智能视觉分析通过对采集社区中的人、车、公共设施等管理对象的视觉数据进行智慧化的数据洞察，实现“入侵”“攀高”“自行车/电动自行车违停”“乱丢垃圾”“高空抛物”“水域入侵”“占道堆物”等方面的识别需求，在事件发生后，系统能够在3秒内通过AI应用对图像进行识别并判断该事件是否违规，并在5分钟内处置完成，从而营造更智能、安全、舒适的社区和公共环境。

摄像头我们已经用很多年了，最大的感触就是无法事前报警。比如说，有的老人在起居室里摔倒了，或者小孩爬到没有关闭窗户的危险地带，原来的摄像头可能会认出来有老人有小孩，但它不能理解画面的语义；但当摄像头有了一个‘认知性大脑’，看到这些场景时，自然就会联想到这个人可能处在危险之中，从而实现事中的监测和预警。上海趋视科技总裁介绍了其最新的“AI视觉行为分析”技术：“采用TOF(Time-of-Flight) 传感器采集数据，并通过‘智能分析仪’进行AI推理，可以精准地识别老人跌倒、久坐不起等风险因素，通过APP实时将信息发送至家人或社区服务人员手机端。”

现在，某街道违章停车、渣土车违规行驶、无证摊贩临时摆摊、商铺占道经营、乱倒垃圾等社区问题频现，对于人员缺乏的社区管理队伍而言，会出现如问题发现不及时，协调成本高，管理缺少数据支撑等现象；而智能视频行为分析技术给街道每一部摄像机都装上‘AI 大脑’，实时分析街面情况，对违规行为自动且及时地上报。当侦测到指定区域内出现违规行为，系统会生成提醒信号，实时推送到管理人员随身设备中，实现社区问题处理敏捷化。

高新兴科技集团首席技术官介绍，在即将于12月24日于广州举行的黄埔马拉松比赛中，通过在沿路高耸的楼宇部署的AI视频监控和无人机，可以做到赛事的全程管控。“无论队伍到哪里，整个队伍都是在可视范围内。比如说哪里发生拥挤或是有什么异常，AI视觉分析可以协助管理人员快速掌握全局。”

在本次CPSE安博会上，至少有六家头部企业推出了通用或行业大模型，或是展示大模型应用。郭威认为，视频大模型已成为继自然语言处理(NLP)之后AI技术的下一个引爆点。“大模型最大的意义是让我们从判别式AI走向深层次判别式的AI，前者主要从数据和信号中去提取特征进行识别，完成像人脸识别语音识别、图像识别这样的任务；而后者可以在海量数据训练的基础上生成文字、语言、图片、视频代码甚至算法，完成各类专业人士的工作，在生产力的提升上更为直接。”

计算机视觉已经迈入“大模型时代”，在许多领域都展现出了巨大潜力和价值，安防领域也不例外。目前，安防产业链上的各细分领域企业也推出了自己的大模型，如大华的“星汉”以视觉解析为核心；宇视科技的“梧桐”集CV行业、NLP行业等于一身，能够满足多样化的任务和场景需求；云从科技的大模型“从容”应用于视频监控、入侵检测、人脸识别等过程中的数据分析，“行人基础大模型”覆盖了人体全局属性(性别、年龄)、局部属性(穿戴风格、配饰)、携带属性(手机、刀棍、手提包等)、人-物交互HOI(抽烟，持刀棍，手机拍屏幕)等，广泛应用于矿山、建筑工地以及特殊场所的安全布控，监控作业人员穿戴合规，姿态行为等异常和违规行为。

我们人类的智慧体现在我们可以通过感知、思考和行动来改变世界。现在机器也拥有了‘感知’和‘思考’的能力，伴随AI的发展，机器必须通过视觉来理解周围的环境，做出决策。企业自研的BioCV大模型可以实现园区运行安全“一屏统览”。多模态AI结合了更多的感官模式，它模仿了人类感知世界的方式，能够为多样化场景下的智能个性化应用开创全新可能。

智慧社区对于人工智能有着旺盛的需求，也是能够实现规模化发展、可复制性强的场景。记者发现，在此次CPSE安博会上，“个人隐私保护”也被多位专家和业内人士着重强调。“视觉分析系统涉及采集并分析一些日常生活画面，需要平衡监控与隐私保护之间的关系，确保合理使用和保护个人隐私权。”据了解，针对智慧社区场景的特点，趋视科技、精华隆智慧感知等企业采用了可以“脱敏”的采集技术，不是通过视频监控，而是通过仅可见“影子”的深度图像，反映景内物体的距离和角度值，不直接包含面部、身体或其他私人信息，大大降低了隐私泄露的风险。

目前部分智能安防产品和现有的基础大模型还没有挂钩，但徐飙介绍，未来，相关安防设备可以和目前一些成熟的语音大模型对接，感知方式从视觉延伸到红外、雷达、光纤、声纹等更多维度，随着TOF类雷达传感器的不断应用，除了语音和图像外，第三维深度数据感知越来越丰富，基于深度数据的大模型必将把机器“认知”世界的能力带到一个新高度。