实质下去说，AI自始至终都只是一种手腕、一种技术，它被用来协助人们处理本身难以克制的业务难题。

在安防行业，人们用其去辨认人脸、辨认车辆，去感知更多图像中的信息，而这也确实为甲方处理很多顺手成绩。

在此背景下，智能化摄像头越来越多，视频数据量也越来越大，但陈词滥调的成绩也随之呈现：人们并不能真正去了解、剖析这些数据；另外，这些数据被播放或许被人们看过的连万分之一都没有到达。

因而，人们都在应用AI等技术去感知这些信息，并将这些信息加以使用。那么， 假如将城市作为一个单位，如何去感知这个城市？在这其中，什么才是最重要的？

在旷视CTO唐文斌看来，五个度可以总结之： 维度、精度、密度、关联度、集成度。

维度

维度可以表述为数据的丰厚性，有多多数据的类型和对象，就决议使用的适用性。

举例来说，一个视频中，最容易感知的局部是“人脸”，如今很多厂商都在谈人脸辨认，详细来说，可以感知某人的年龄、性别、表情等一系列面部信息；针对车辆辨认，可以对车上的细分品类停止辨认，包括年检标、纸巾盒、遮阳板等标志物。

以上这些，都是在用户不知情的状况下，经过物理的方式，做的主动感知，也可以称之为可见光下的场景辨认。

除此之外，还可以经过多光谱的方式，相似于毫米波或许太赫兹的方式，去获取视频中的数据：包括像WIFI的MAC地址，RFID等信息。

以上种种，都是为了添加感知的维度，可以从城市中取得什么样的数据、数据的多少，就决议了使用的丰厚性。

精度

精度决议数据的可用性。早在十几年前，就有厂商在人脸辨认算法上做出努力，但由于事先技术并不成熟，精度不够，在实战中使用效果不佳；如今随着算法的进一步提升，如今的人脸辨认做预警的成功率曾经十分高。以前的人脸辨认技术，报十次警能够有九次是误报，如今报十次警能够只要一次是误报，这是一个实质的飞越。

但与此同时也会呈现一个成绩，比方某场所内穿西装、穿西裤的人十分多，做行人的婚配，能否经过对这团体更细化的特征，比方领带的颜色，鞋子的样式做愈加精准的辨认、剖析。

从感知的角度来看，除了有更多的纬度，每个纬度上都要追求更好的精度，精度决议最初的使用效果。

密度

密度是指前期带来的数据使用价值。如今很多城市都曾经建立了十分密集的感知型前端摄像机，经过对这些摄像机发生的数据停止剖析，可以带来两点价值：

一、经过不时修炼算法可以使得辨认率得以提升，但精度的天花板并不高，易遭到时空限制，假如经过一些高密度的传感器，其实可以补偿精度上的缺乏；

二、行人的ReID。在某一地位、工夫点发现了一个可疑人员，摄像头只看到了其部分特征，在以往都会经过全局检索去发现线索，其实这是种错误的做法；只需求在对该人员接上去的非常钟内，100米范围内的高密度布置的摄像机视频数据停止检索，经过这种方式便可确定该人的详细地位。

经过视频接力、人机交互的方式，可以协助警方运用十分低的代价去清查视频中的人的轨迹。高密度的传感器不只能处理信息精度的缺乏，也能带来更多的使用价值。

关联度

假如一切的数据可以关联起来，那么其带来的价值更为可观。

如今AI圈谈到的最多的、落地最多的便是人脸辨认。但很多时分，摄像机只能看到人脸，不能看到身体；或许看到身体，看不到人脸。假如两者数据关联起来，就可以看到该人员的全部信息。

再比方车辆辨认，在很多实践场景中，在场景A可以拍到车牌，还晓得它是什么车型；换到另一个场景B中，只能拍到是什么车型；紧接着在场景C中，看到一个行人从车辆中走了出来，但没有拍到车牌。假如数据相关联，车、人的一切信息都可以联络起来，从何做更便捷、高效的追踪。

集成度

假如依照上文所提，去做高密度、强关联度感知时，会需求十分多的传感器。因而，如何做到低本钱、高算力是十分重要的一步。

值得留意的是，本钱的合理化不应该树立在牺牲效果的前提下。以人脸抓拍为例，一些具有反侦查认识的人，看到摄像头会马上抬头，好的抓拍机要满足要十分高的抓拍率、足够的抓拍量，同时具有较高的性价比。

智慧城市的前提就是城市感知，而城市感知需求多维度、高精度、高密度、数据之间的关联度、高集成度。经过这样的感知方式，城市也许会变得愈加智能，而相关厂商可以依据这五个方向去做更进一步的探究及数据使用。 雷锋网雷锋网 (大众号：雷锋网) 雷锋网

。