根據(jù)相關(guān)機(jī)構(gòu)最新的市場(chǎng)預(yù)測(cè)，AI市場(chǎng)目前以計(jì)算機(jī)視覺(jué)為主，而其中視頻監(jiān)控是最大的市場(chǎng)。換句話(huà)說(shuō)，基于視頻圖像數(shù)據(jù)的智能化應(yīng)用是目前AI領(lǐng)域的主要應(yīng)用。

視頻圖像數(shù)據(jù)的應(yīng)用前景

視頻圖像數(shù)據(jù)廣泛應(yīng)用于智能化應(yīng)用場(chǎng)景

視頻圖像數(shù)據(jù)具有對(duì)人、物進(jìn)行識(shí)別的特點(diǎn)，這使其在以人、物為中心的應(yīng)用場(chǎng)景中發(fā)揮巨大價(jià)值。目前，除了在安防領(lǐng)域中得到了核心應(yīng)用，視頻圖像數(shù)據(jù)在商業(yè)、金融、平安城市、無(wú)人駕駛等領(lǐng)域均有應(yīng)用。

例如，在智能商場(chǎng)應(yīng)用場(chǎng)景中，顧客、店鋪經(jīng)營(yíng)者、商場(chǎng)運(yùn)營(yíng)方分別存在以下需求：

顧客：方便地進(jìn)店、購(gòu)物、付款；獲取專(zhuān)屬折扣及個(gè)性化推薦……；

店鋪經(jīng)營(yíng)者：提升進(jìn)店率、轉(zhuǎn)化率、客單價(jià)；增加經(jīng)營(yíng)利潤(rùn)……；

商場(chǎng)運(yùn)營(yíng)方：提升整體客流；通過(guò)提供增值服務(wù)實(shí)現(xiàn)租金、廣告位收入的最大化；預(yù)防安全事故……

針對(duì)上述需求，智能應(yīng)用會(huì)基于視頻圖像數(shù)據(jù)并融合會(huì)員數(shù)據(jù)、銷(xiāo)售數(shù)據(jù)等業(yè)務(wù)數(shù)據(jù)提供智能功能，舉一個(gè)完整使用各類(lèi)數(shù)據(jù)的例子：

顧客到店后，根據(jù)抓拍的人臉數(shù)據(jù)結(jié)合會(huì)員數(shù)據(jù)做會(huì)員到店識(shí)別，再基于會(huì)員的購(gòu)買(mǎi)記錄和之前的到店行動(dòng)軌跡挖掘做用戶(hù)的購(gòu)買(mǎi)畫(huà)像，通過(guò)APP推送精準(zhǔn)推薦給到店的顧客。在顧客選擇其中的商品后，根據(jù)抓拍識(shí)別客戶(hù)當(dāng)前位置并提供直達(dá)選擇商品的導(dǎo)航。這樣一來(lái)，既方便了顧客也提高了轉(zhuǎn)化率。

智能商場(chǎng)應(yīng)用場(chǎng)景解決方案

智能化應(yīng)用場(chǎng)景中的數(shù)據(jù)處理需求

智能商場(chǎng)是視頻圖像數(shù)據(jù)在智能化場(chǎng)景中的典型應(yīng)用之一。綜合來(lái)看，在智能化應(yīng)用場(chǎng)景中，我們通常會(huì)面對(duì)結(jié)構(gòu)化與非結(jié)構(gòu)化混合形成的數(shù)據(jù)，需要對(duì)數(shù)據(jù)做三個(gè)階段的處理，即視頻圖像數(shù)據(jù)的接入、視頻圖像數(shù)據(jù)及業(yè)務(wù)數(shù)據(jù)的處理、數(shù)據(jù)使用，這也是常見(jiàn)的物聯(lián)網(wǎng)數(shù)據(jù)處理架構(gòu)方案。

數(shù)據(jù)處理方案

其中，在第二階段的數(shù)據(jù)處理中，通常會(huì)存在以下四種數(shù)據(jù)處理需求：

01

數(shù)據(jù)的感知類(lèi)計(jì)算

需將視頻圖像數(shù)據(jù)進(jìn)行圖像處理、建模、識(shí)別，結(jié)構(gòu)化等操作。某些應(yīng)用場(chǎng)景如黑名單報(bào)警由于實(shí)時(shí)性要求高，部分計(jì)算需在智能邊緣設(shè)備中才能實(shí)現(xiàn)；

02

數(shù)據(jù)的實(shí)時(shí)流式計(jì)算

某些應(yīng)用場(chǎng)景如客流統(tǒng)計(jì)、熱點(diǎn)區(qū)域等需進(jìn)行實(shí)時(shí)反饋結(jié)果的流式計(jì)算；

03

數(shù)據(jù)的多維計(jì)算

某些應(yīng)用場(chǎng)景如人車(chē)關(guān)聯(lián)、頻繁出入分析等涉及到聚類(lèi)后圖像數(shù)據(jù)的碰撞；動(dòng)線(xiàn)分析等場(chǎng)景需進(jìn)行圖像數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)之間的關(guān)聯(lián)……通常情況下，這類(lèi)計(jì)算需求和傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)中的操作類(lèi)似，需進(jìn)行大量結(jié)構(gòu)化數(shù)據(jù)的處理工作；

04

數(shù)據(jù)挖掘

高級(jí)分析、預(yù)測(cè)類(lèi)功能如用戶(hù)畫(huà)像里大量使用的聚類(lèi)、預(yù)測(cè)里大量使用的回歸都會(huì)涉及到對(duì)各類(lèi)數(shù)據(jù)做數(shù)據(jù)挖掘。

由于響應(yīng)時(shí)間、吞吐量和計(jì)算模式的不同，上述數(shù)據(jù)處理需求通常使用多種數(shù)據(jù)處理組件實(shí)現(xiàn)不同類(lèi)型的計(jì)算，以便在幾種計(jì)算場(chǎng)景中獲得較高的效率。

目前，大部分?jǐn)?shù)據(jù)處理需求都采用Hadoop生態(tài)的各類(lèi)計(jì)算組件實(shí)現(xiàn)，但在數(shù)據(jù)量不大、成本存在限制等小規(guī)模使用場(chǎng)景中，仍存在硬件資源有限、組件出故障幾率高、維護(hù)成本突出等問(wèn)題。

因此，在上述小規(guī)模場(chǎng)景下，使用更輕量的解決方案更為合適。輕量的解決方案應(yīng)滿(mǎn)足感知計(jì)算、實(shí)時(shí)計(jì)算、多維查詢(xún)、數(shù)據(jù)挖掘等計(jì)算需求，具備完整的資源配額功能支持和其他模塊混合部署，可透明擴(kuò)展；同時(shí)，使用單一組件可降低資源開(kāi)銷(xiāo)及維護(hù)成本。

人大金倉(cāng)MPP數(shù)據(jù)庫(kù)：

滿(mǎn)足小規(guī)模場(chǎng)景數(shù)據(jù)處理需求

人大金倉(cāng)悉心打造的MPP數(shù)據(jù)庫(kù)可以更好解決小規(guī)模視頻圖像數(shù)據(jù)+業(yè)務(wù)數(shù)據(jù)處理場(chǎng)景的數(shù)據(jù)處理需求，它具備以下優(yōu)勢(shì)特點(diǎn)：

1

通過(guò)UDF集成感知算法實(shí)現(xiàn)感知計(jì)算

常見(jiàn)的應(yīng)用場(chǎng)景如抓拍、以圖搜圖等可通過(guò)SQL實(shí)現(xiàn)；同時(shí)，MPP數(shù)據(jù)庫(kù)本身具備的并行執(zhí)行方式會(huì)在全部計(jì)算節(jié)點(diǎn)上做并行的比對(duì)計(jì)算；

2

通過(guò)概率數(shù)據(jù)結(jié)構(gòu)增強(qiáng)實(shí)時(shí)計(jì)算能力

例如使用hyperloglog可做實(shí)時(shí)的到店流量統(tǒng)計(jì)，基于聚類(lèi)后實(shí)名/匿名ID的十億級(jí)數(shù)據(jù)量可實(shí)現(xiàn)毫秒級(jí)響應(yīng)；

3

通過(guò)并行SQL支持，提供多維查詢(xún)功能

通過(guò)獲取顧客按時(shí)間順序出現(xiàn)的抓拍位置計(jì)算行動(dòng)軌跡、通過(guò)關(guān)聯(lián)交易系統(tǒng)的交易數(shù)據(jù)獲取顧客在軌跡中的購(gòu)買(mǎi)記錄等應(yīng)用場(chǎng)景需要用到聚類(lèi)后數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)的OLAP關(guān)聯(lián)查詢(xún)。支持OLAP是MPP數(shù)據(jù)庫(kù)的基礎(chǔ)能力，MPP基于代價(jià)的優(yōu)化器和各類(lèi)優(yōu)化規(guī)則則可以保證執(zhí)行的效率；

4

內(nèi)置并行數(shù)據(jù)挖掘算法，提供數(shù)據(jù)挖掘功能

支持使用內(nèi)置的聚類(lèi)算法可對(duì)顧客進(jìn)行畫(huà)像，使用回歸算法可實(shí)現(xiàn)客流和銷(xiāo)售預(yù)測(cè)等功能。MPP提供的庫(kù)內(nèi)數(shù)據(jù)挖掘可減少數(shù)據(jù)移動(dòng)的開(kāi)銷(xiāo)，在資源有限的情況，這無(wú)疑是一個(gè) 更好的選擇；

5

支持CGROUP控制資源及單機(jī)混合部署

可通過(guò)資源配額為挖掘/報(bào)表類(lèi)任務(wù)和實(shí)時(shí)任務(wù)分配不同的CPU比率，這樣一來(lái)，夜間進(jìn)行批量數(shù)據(jù)挖掘處理時(shí)可以占用全部資源計(jì)算，也可在有實(shí)施任務(wù)時(shí)降級(jí)使用較少的計(jì)算資源，減少對(duì)系統(tǒng)占用的影響。同時(shí)，整體的占用比率限制可以支持MPP和應(yīng)用系統(tǒng)混合部署在同一服務(wù)器；

6

使用單一組件，資源使用更少

場(chǎng)景中數(shù)據(jù)處理所需要的不同類(lèi)型計(jì)算能力都可以通過(guò)MPP數(shù)據(jù)庫(kù)實(shí)現(xiàn)，無(wú)需多個(gè)組件同時(shí)使用，資源使用更少。

除了具備以上特點(diǎn)，MPP數(shù)據(jù)庫(kù)還具備“三個(gè)減少”優(yōu)勢(shì)：由于數(shù)據(jù)的處理和開(kāi)放使用都使用標(biāo)準(zhǔn)SQL，可以減少數(shù)據(jù)使用層的開(kāi)發(fā)成本；使用交易數(shù)據(jù)庫(kù)的恢復(fù)技術(shù)實(shí)現(xiàn)數(shù)據(jù)的可靠存儲(chǔ)，可減少由于數(shù)據(jù)故障產(chǎn)生的維護(hù)成本；在存儲(chǔ)典型的人臉、車(chē)輛等視圖數(shù)據(jù)時(shí)，歷史數(shù)據(jù)壓縮比可達(dá)5：1到10：1，減少數(shù)據(jù)存儲(chǔ)成本。

縱觀(guān)市場(chǎng)，從 2005年Michael Stonebraker首先提出了數(shù)據(jù)處理不再適合one size fits all的方案，到如今由于不同的數(shù)據(jù)和處理需求衍生出了DB-Engines排名中數(shù)百種數(shù)據(jù)處理產(chǎn)品，這些都足以說(shuō)明不同的數(shù)據(jù)和不同的處理需求需要使用不同的數(shù)據(jù)處理方案。

未來(lái)已來(lái)

未來(lái)，隨著視頻圖像數(shù)據(jù)在更多行業(yè)中的深度應(yīng)用，數(shù)據(jù)處理將會(huì)衍生出更多的需求。人大金倉(cāng)將持續(xù)以“客戶(hù)需求為中心”，利用自身過(guò)硬的技術(shù)實(shí)力和開(kāi)放能力服務(wù)更多AI應(yīng)用場(chǎng)景，為客戶(hù)持續(xù)貢獻(xiàn)價(jià)值。