人臉識別的核心技術范文

導語：如何才能寫好一篇人臉識別的核心技術，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

讀數識別是讓被識別人口述屏幕上的文字，借此判斷被識別者的真實情況。

反光識別和讀數識別是人臉識別的兩種方式。

人臉識別：

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。

篇2

1、概述生物識別技術，又稱為生物特征識別技術，是通過計算機與生物傳感器、生物統計學等高科技手段緊密結合，利用人體固有的生理特征和行為特征識別身份的技術。該技術被稱為數字時代的安全衛士。在實際應用中，生物特征識別通過特定的設備進行特征取樣測量，轉化成數字代碼；對代碼取樣后形成特征模板；用特征模板與實際個體取樣進行比對；根據比對結果是否匹配來決定接受或拒絕該用戶。常用于識別的生物特征有指紋、人臉、掌紋、血管紋路、DNA等；行為特征有簽名、語音、步態等。

2、生物識別技術的特點與應用優勢生物特征是與生俱來的，與傳統身份識別方式相比，生物識別技術具有以下優勢：

（1）能夠進行身份識別。傳統身份認證識別采用用戶名+口令驗證的方式來驗證用戶身份。生物特征同樣可以完成身份識別的功能。

（2）生物特征具有唯一性，防偽性好，難以被偽造或盜用。傳統身份識別技術中的用戶名和密碼會因為信息泄露而帶來身份認證漏洞。生物特征則是個人特有的，極難被仿造或盜用。

（3）攜帶方便，不會遺忘或丟失。傳統身份識別技術采用口令驗證或實物驗證，兩者都有遺忘和丟失的風險。而生物特征是人類的體貌和行為特征，攜帶方便，也不存在丟失和遺忘的風險。

（4）用戶使用體驗好，不容易被損壞。傳統身份識別技術依賴數據庫記錄用戶名和密碼，常因為字符輸入錯誤而被拒識；IC卡一類的實物驗證技術則有因損壞而被拒識的風險。生物特征大大降低了此類風險。即使是容易受到手指表層皮膚破損而影響驗證的指紋識別也可以通過存儲多個手指的指紋來達到順利驗證身份的目的。此外因為生物識別技術使用友好度高，用戶體驗好。

3、常用生物識別技術的特性分析在眾多的生物特征中,最常使用的用戶接受度較高的是指紋識別、人臉識別和簽名識別。指紋識別是應用最早、應用面最廣的生物特征識別技術。早在幾千年前人們就已經發現了指紋的特點，開始使用指紋進行身份的識別。指紋識別主要是利用指紋記錄儀和計算機等電子設備，通過人類手指表層皮膚上交替出現的脊和谷進行指紋圖像的讀取、提取指紋特征、制成特征模板，再通過模式匹配，最終實現身份的自動識別。每一個人都有自己獨特的而且終身不會變化的指紋。指紋識別技術可靠性高，識別簡便，是一項成熟的生物特征識別技術。在應用面上也體現出無與倫比的優勢，目前國內外指紋識別應用已經覆蓋了公安刑偵領域、公共安全領域等。由于指紋識別技術是將輸入的指紋和數據庫中預存的指紋模板進行比對從而驗證身份，因此要求指紋信息數據庫的容量足夠大，并且要不斷更新。人臉識別技術是近年來迅速發展的生物識別技術一種生物識別技術。人臉識別技術涉及了計算機視覺、人工智能、感知學習和模式識別技術等科學領域。人臉識別是通過攝像機讀取人類臉部特征信息，分析現實人臉的空間圖像映射到機器空間的過程，分析人類臉部共有特征和個體人臉特征之間的關系，形成人臉圖像模板，最終實現人臉自動識別。人臉識別技術具有方便、直接、友好等特點，在使用者接受度方面表現極好。但是人臉圖像信息的數據量巨大，為了提高人臉識別的運算速度，必須對原始圖像數據進行壓縮，這就有可能降低識別率，造成一定的誤識率和拒識率。簽名識別是通過分析使用者簽署自己名字的方式來進行身份鑒別。簽名識別與指紋識別、人臉識別不同，它屬于人類行為識別技術。簽名識別分成在線驗證和離線驗證兩種形式。離線驗證是使用紙張上的字跡通過掃描儀等電子設備轉化成數字圖像再與數據庫中模板信息比對；在線驗證則通過手寫板或壓敏筆等傳感器設備記錄簽名過程中的各項動態特征數值（寫字速度、力度、角度、加速度等）。簽名的動態特征是難以模仿的，因此簽名的在線驗證方式比離線驗證方式要更加可靠。此外簽名識別與人們平時的簽字行為極為相似，因此具有很高的用戶接受度。

二、生物識別技術在電子商務中的應用

伴隨電子商務的發展，解決電子商務中的安全問題和尋找更加可靠方便的身份認證方式成為進一步發展電子商務的新需求。另一方面，隨著全球信息化的發展，生物識別技術在技術發展和市場培育上都日趨完善，人們對生物識別技術的認知度和認可度也不斷提高。全球生物識別技術產業化發展程度在不斷擴大。2002年11月，中國科學院計算機技術研究所承擔的“面像檢測與識別核心技術”項目獲得突破性成果，該系統能夠在1/10~1/20秒之內自動檢測到人臉，并且在1秒內完成身份識別。2003年阿拉伯聯合酋長國宣布啟用基于虹膜認證技術的針對被驅逐外國人的國界控制系統。2006年北京農村商業銀行在國內試點使用指紋識別認證，用戶可以通過指紋識別認證進入銀行系統，自助完成各項操作。2007年中國建設銀行和中國郵政儲蓄銀行分別在全國營業網點內推廣應用柜員指紋身份認證系統。2008年北京奧運會，奧運村使用了基于人臉識別的酒店門禁管理系統。2010年波蘭BPSSA銀行宣布引入采用生物識別技術的自動取款機。國際民航組織確定從2010年起，其所有的成員國和地區必須使用基于人臉識別的機讀護照，此項規定已經成為國際標準。此外日本三菱銀行開發了基于手指靜脈的認證系統用于金庫管理。歐美國家將生物認證技術廣泛用于醫院病人資料庫管理、政府信息中心出入境管理、小學生信息管理等多個領域。由此可以期待，在不遠的將來，基于生物特征識別技術的更加平民化的電子商務應用走入我們的生活，帶來更加安全更加便利的使用體驗。

三、生物識別技術對電子商務的影響趨勢

現代社會生活各方面都需要可靠方便的身份認證識別技術，尤其是在電子商務領域內，目前電子商務的運營過程中不乏因為過程監控不夠周密而出現的貨物丟失、冒領，并由此引發糾紛事件。未來，基于生物識別技術的身份認證識別能夠覆蓋電子商務的全領域，徹底解決電子商務運營過程中的身份認證問題。

1、在電子商務領域內的全領域覆蓋電子商務在運行過程中涉及了買賣雙方的身份認證、訂單信息認證、支付安全認證、物流運輸安全認證等多項認證。其流程之繁瑣，認證技術運用頻率之高是其他行業所無法比擬的。可靠便利的生物特征識別認證技術能夠確保電子商務系統的正常運轉。未來，電子商務的買賣雙方可以通過生物特征認證技術證明自己的身份；通過生物特征認證和數字簽名的雙因子認證確定訂單的真實有效，并完成相應的支付；物流公司的物流派送人員通過指紋驗證確認接收到需要派發的貨物；最終收貨人通過提供帶有生物特征信息的簽收信息表明身份，確保貨物安全送達。由此，生物特征技術確保了電子商務安全領域內的安全性、可用性、可控性、保密性和不可否認性，保障電子商務系統正常有序運行。

2、多項生物特征融合應用從目前的應用看來生物識別技術雖然前景良好，但仍存在有漏洞。例如，利用塑膠可塑性的特點采集指紋應對指紋驗證系統；利用3D打印技術欺騙靜態人臉識別驗證系統。多項生物特征的融合使用就是生物特征識別技術的多因子驗證。這種對多項生物特征的采集、融合、聯合驗證的新型理論和技術就是生物特征識別的未來發展趨勢。該項技術能夠對所采集的生物特征信息進行多方面、多級別的處理，得到更加完備的數據特征信息，從而完成精準度更高的身份認證，為安全可靠的身份認證技術的實施奠定了基礎。

四、結論

篇3

013年，毛明杰與團隊骨干從虹軟離職時，對拍照軟件市場做出了這樣的判斷：不是紅海，而是火海，美圖秀秀等產品早已經具備化腐朽為神奇的力量。

即使如此，這個團隊仍然要殺入火海。他們開發的移動端應用“美咖相機”，核心技術為人像處理，最大的特點是能夠在不破壞照片整體真實性的前提下呈現更自然的自拍美化效果并具有“一鍵化妝”等功能。

怎樣想到做這款產品？

毛明杰的老東家虹軟（ArcSoft）并不被人熟知。其實它是一家來自美國的影像處理公司，在中國有三個研發中心。三星、卡西歐等手機、照相機廠商越來越卓越的拍照功能背后，是虹軟這個隱形冠軍在提供技術支撐。

毛明杰與團隊帶著在虹軟的技術積累創業時，支持他們縱身跳下“火海”的是這樣一個論點：西方人比較喜愛相機的濾鏡功能，而中國女生自拍的首要目標是讓臉蛋顯得更漂亮，而不是讓圖片整體看起來高大上。這種需求的驅動力極其驚人，背后是中國女生的小心機，希望自己的圖片像沒有PS過的樣子，讓別人稱贊自己天生麗質、好氣色，其實這與裸妝的道理是一樣的。

產品特點是什么？

美咖追求的效果是通過更好的人像識別和處理能力讓圖片中的人美得更加自然，操作更加智能。

毛明杰從數據后臺觀察過，用戶使用美咖處理圖片之后直接分享到社交平臺的比例并不高，只有不到20%。后來他發現其中的原因是：很多女生先用美咖修圖然后保存，再通過微信或微博客戶端發到朋友圈或微博上，是為了避免圖片下方出現“來自美咖相機”這樣的字眼。

然后是自拍后的一鍵化妝功能。這個功能對人像識別的技術要求更加苛刻，因為妝容需要與眼睛、嘴巴等部位的邊緣進行貼合，而這些部位的邊緣為不規則的弧度，用手工的方式去調整，不僅費時，而且很難調整準確。

美咖相機最終實現了用技術手段進行五官輪廓的自動檢測與調整。由人臉識別技術帶動的智能化是美咖的主要目標，智能性達到一定程度之后，瘦臉、大眼就沒必要由用戶自己去進行一些弧度的調整，只需要拖動一個進度條，選擇需要“瘦”到什么程度。

毛明杰認為人臉識別技術的價值還會繼續發酵。美咖這款產品具有工具性，而工具性產品的特點是，雖然競品眾多，但是用戶嘗鮮使用新品的熱情總是很高。

未來有哪些打算？

拍照軟件市場畢竟是“火海”，除了App的主要功能之外，毛明杰為這款相機軟件想到了更多的可能性，例如化妝。

以往其他移動端產品也曾有化妝類功能。而美咖追求的是妝容的多樣化，這些妝容會像濾鏡那樣被無限開發，之前有一款“蜘蛛裝”就被劉若英分享了出來。女生們都會好奇自己化不同妝容的樣子，在美咖這里她們可以以零成本進行嘗試。

篇4

早幾年，若是有人提及這樣的話題，定會被認為是天方夜譚。然而現在，計算機“看圖識字”已經不是什么稀奇事兒，它們不僅能夠識別出漢字和英文，還能夠認出在我們看來似“天書”般難懂的藏文，維吾爾文、阿拉伯文……那么，文字識別究竟難在何處?這一技術的出現是僅僅為了民族的榮譽感，還是有其更加深刻的社會價值?……隨著清華大學劉長松副教授的講述，掀起文字識別的蓋頭，我們看到

THOCR97，漢字識別的新階段

文字識別是世界公認的難題之一，在我國，進行漢字識別研究的單位大約只有十幾家，而一直堅持下來并且做出成績的就更是寥寥無幾了。因此，談到文字識別，就不能不提到一個重要的團隊――清華大學智能圖文信息處理研究室。

該研究室隸屬于清華大學電子工程系圖像圖形研究所，同時也是清華信息科學與技術國家實驗室(籌)的一部分。自上世紀80年代起，該研究室就開始從事智能圖文信息處理，特別是文字和圖像的識別理解研究，致力于賦予計算機視覺感知功能。在漢字及多文種文字識別、多模式生物特征身份認證方面取得了多項具有國際領先水平的研究成果，承擔了多項國家自然科學基金項目及“863”項目，形成TH-OCR系列文字識別軟件和TH-ID生物特征(人臉、筆跡等)認證軟件產品，并成功地進行了產業化推廣，廣泛應用于國內外市場，與微軟、諾基亞、西門子、三星、IBM、惠普等多家國際知名公司開展了技術授權和研究合作。

劉長松副教授就來自這個優秀的團隊。

從事文字識別理論和技術研究以來，劉長松勤勤懇懇，歷經十余年的努力，在文字識別的理論研究、技術應用和產業化方面都取得了突出的成績。他多次參加“863”計劃和國家自然科學基金等重要課題的攻關工作，并參與國家標準GB/T18790-2002“聯機手寫漢字識別技術要求與測試規程”的制定，在“863”專家組組織的評測中多次獨占鰲頭，而他作為主要完成人之一的“THOCR97綜合集成漢字識別系統”更是漢字識別技術發展史上的一個里程碑。

THOCR97綜合集成漢字識別系統是在國家“863”計劃的支持下和國家自然科學基金項目的資助下，由清華大學電子工程系丁曉青教授領導，經過十余年的不懈努力，在印刷、聯機和脫機手寫漢字、手寫數字識別等綜合研究方面所取得的創新和成果的總合。清華THOCR系列軟件是以THOCR97綜合集成漢字識別系統為技術基礎形成的，包括清華OCR/6.0/7.0/7.5/8.0/9.0版本、文通筆、清華文通表格數據錄入系統等。

“它主要包括四個方面的內容：首先，是高魯棒性印刷文本識別子系統，一般印刷質量的文本識別率可高達99％，其次，能同時兼容連筆和較少筆順限制的聯機手寫漢字識別子系統，書寫自如，準確快捷，且具有自學習功能，可適應特定的書寫風格，識別率高達98％；第三，較高識別率脫機手寫漢字文本識別子系統，對最困難的自然風格脫機手寫漢字識別問題有了突破性進展，并初步達到實用程度；第四，高識別率手寫數字識別和手寫數字統計報表自動識別子系統，從技術層面解決了各式各樣表報的識別問題，為統計報表自動識別應用打下基礎。”

正如劉長松所言，THOCR97綜合集成漢字識別系統是國內外首次推出的能同時識別多文種(漢、日，英)印刷文本、聯機手寫漢字，脫機手寫漢字文本和手寫數字的集成文字識別系統，為漢字自然和快速地輸入計算機給出了一個統一解決的方案，是一個有意義的創舉。上述多文種OCR以及聯機和脫機手寫漢字、數字識別的集成系統，作為一個整體居于國際領先水平。

其實，有了這一系統，對于國人來說，最方便的就是能夠像正常書寫漢字一樣，自然簡捷地輸入各種漢字和字符，不必再為了適應鍵盤輸入去學習各種輸入編碼的方法而苦惱。“因為鍵盤本來就是為西方文字輸入而設計的”，劉長松解釋道，“這種鍵盤既起源于西方文化，自然比較適合西方人的習慣。而對成長在東方文化背景下的東方人來說，西式鍵盤不能直接實現東方式的書寫，無形之中就豎起了一道障礙，尤其我國的漢字，更是深受其苦。綜合集成漢字識別系統的出現適逢其時，成功趕走了橫在中國人面前的一大攔路虎，使其利用計算機去進行信息處理時不再有障礙。”不僅如此，THOCR97也是許多后續研究的重要基礎，在此基礎上，他們又實現了多文種(中、日、韓、藏、維吾爾、哈薩克、科爾克孜，阿拉伯，蒙)識別系統、原式原樣的版式自動復原的電子出版物制作系統，用于手機的聯機手寫和手機拍照圖片的OCR系統等一大批成果。

曾有評價說，“THOCR97綜合集成漢字識別系統開拓了漢字識別研究發展的新階段。”的確，在經過一番推廣應用后，該系統成果取得了良好的社會效益和經濟效益，劉長松也作為主要完成人之一被授予1998年度教育部科技進步一等獎和1999年度國家科技進步二等獎的榮譽。然而，他眼中的成功卻不止步于此，“希望能進一步提高系統的綜合性能和應用性能，加速商品化，更好地滿足實際應用需要，更廣泛地將THOCR97綜合集成漢字識別系統在信息化事業中推廣應用。”劉長松如是說。

應用是科研的“真命題”

正如劉長松一向所推崇的，他認為，科研成果只有在信息化事業中推廣應用，為人們的生活帶來便捷才是真正的歸宿。因此，讓成果主動走向產業化，就成為他科研生涯中的重要一步。

2001年，作為項目負責人，劉長松攻克了國家金稅工程的核心難題之――“增值稅發票掃描識別系統”。其主要特點體現為，可以通過自動識別發票上的字符，為防偽稅控系統判別增值稅發票的真偽提供依據，使整個增值稅發票防偽稅控系統具有可行性。自研制成功后，該系統已經通過了國家稅務總局親自主持、嚴格把關的評測，鑒定結果顯示其在技術上處于領先地位。結果一出，整個團隊人心振奮。在他們的努力推廣下，目前，數萬套“增值稅發票掃描識別系統”已經廣泛應用在全國各地的各級國稅局內部，為防止虛開、偽造增值稅發票，保證國家稅收增長做出了重大的貢獻。

但是，他們并沒有止步于此，通過對生活的細致觀察，他們了解到企業一直在為去國稅局排隊等待而深感苦惱。于是，在此基礎上，他們逐漸把增值稅發票掃描識別系統發展到直接應用在企業端，如此一來，企業就可以把該系統的識別結果通過網絡上傳到國稅局，直接完成發票認證的工作，

免去了耗費大量時間去國稅局排隊的麻煩，大大提高了工作效率。目前，該系統的企業端用戶已經超過10萬，僅增值稅發票掃描識別系統帶動的掃描儀銷售產生的直接經濟效益就遠遠超過3億元，其社會效益更是極其巨大。

“文通筆”也是劉長松的一個精彩手筆。其全稱為“文通筆手寫輸入系統”，是一種精確度極高的聯機手寫漢字識別系統，能夠把手寫板或觸摸屏輸入的手寫筆跡識別成文字。這一項技術由清華大學智能圖文信息處理研究室的合作伙伴――北京文通信息技術有限公司進行經銷，其識別正確率可高達98％。“文通筆所提供的是一種方便舒服的輸入方式，書寫者不需要學習其他任何的輸入法，就按照自己平時的書寫習慣，便可以直接將漢字‘寫’入電腦，和平時寫字沒有任何的區別。尤其對于經常要書寫文稿的人來說，作為一種自然、快捷、準確的錄入方式，文通筆無疑是上好的選擇。”介紹過文通筆的性能后，劉長松轉而又說，“不過，現在新一代的文通‘慧視’產品已經問世，這一代產品比原來的文通筆更加具有優勢，已經大量在PDA和手機等設備上推廣，擁有巨大的市場潛力。”

可以說，為了文字識別領域的科研成果轉化為高技術產品，劉長松一直不遺余力地貢獻著自己的力量。功夫不負有心人，在他以及團隊共同的大力推廣下，大量的科研成果很快得到了轉化，他所負責開發的產品也取得了“文通筆手寫輸入系統”、“TH-OCR MF7.50綜合集成漢字識別系統”，“TH-OCR 2000自動電子出版物制作系統”、“TH-PlateID車牌自動識別系統”等多項軟件著作權。他最新主持研制成功的運行于手機上的名片與聯機手寫文字識別引擎，有可能成為繼手寫識別后另一個重要的應用。這種可用于手機、PDA的嵌入式聯機手寫中文識別系統，現已廣泛應用于三星、波導、聯想、NEC等手機中，為越來越多的人所熟悉。他積極參與了同Intel、IBM、諾基亞、西門子、Xerox、Scansoft、Microsoft等公司的國際合作項目，所負責的中日韓文識別引擎被用于亞洲語言版本的Microsoft Word軟件中，產生了重大的影響。其研發成功的車牌照識別系統也達到了目前所見到的國內最高的識別率，已經在移動交通稽查，高速公路收費等領域推廣使用。“集裝箱號碼識別系統”更是被成功應用在美國紐約等地的港口。除此之外，他還大力開發了文通e-Card名片識別系統、身份證識別系統的核心技術模塊以及廣泛用于銀行票據識別、手寫考卷評閱等領域的通用表格識別核心技術。這些產品在市場上都產生了廣泛的影響，取得了很大的經濟與社會效益。

“研”無止境

漢字，是中華民族悠久歷史的重要結晶，其數量之多，令人咋舌，僅一部《康熙字典》就包含了4.9萬多個漢字!數量宏大、構思精巧，均為世界文明史所僅存。長期以來，字形編碼和拼音編碼一直流行于世，其運作原理是利用人工將漢字拆分以適應為西方文字設計的鍵盤輸入，但由于其效率較低，并不適用于需要處理大量文字資料的辦公自動化、文檔管理、圖書情報管理等場合。這種方法對于解決高速漢字信息化問題來說，決不是一個最佳的途徑。漢字識別技術呼之欲出。

盡管在人們進行信息處理的過程中，文字是相當重要的一部分，但和識別算法的困難程度相比，漢字識別對設備要求的特殊性限制卻比較小。而且由于漢字作為非拼音文字具有唯一性，利用文字識別等高新技術來為我國的傳統漢字文化服務，代替人工鍵入，實現漢語信息自然、高速和自動的“比特化”計算機輸入，對抓住歷史賦予我們的千載難逢的發展機遇，壯大我們的國家，具有深遠意義。

對于自己所從事的研究，劉長松更多的是熱愛。然而，自幼時起便對電子收音機、計算機程序等電子類東西十分感興趣的他，最初學習的，卻是和電子似乎風馬牛不相及的工程力學專業。或許是糾結于心的那份對電子的情結，決定攻讀碩士學位時，他依然選擇了電子工程。

因為熱愛，所以執著。1995年，他以優異的成績畢業于清華大學，拿到了電子工程系的碩士學位。從此，年輕的劉長松全身心地投入到文字識別的研究之中，十余年如一日，取得了豐碩的成果。

對于TH-OCR系統的研發，清華大學從來沒有放棄過，自1985年起，在國家“863”計劃的支持下，這一項目持續至今，已升級到9.0版本。其突出特點為：漢英雙語同時混排，識別率最高，居世界領先水平；可以識別黑白、灰度、彩色圖像，讀取多種圖像格式；首創對識別結果進行電子文檔版面復原功能；首創日文、韓文，日英混排識別功能，識別率98％以上，連續三年被中國軟件行業協會評為優秀軟件產品。現已應用到包括電子政務、電子出版物、報社、銀行、郵政、圖書館等多個領域，成為國內OCR市場的先鋒。

TH-OCR2007文通數據錄入工廠則是又一典范，融入了諸如PDF直接導入、導入文件夾、導出公文PDF，系統托盤、導入圖像格式的選擇、多語言界面、自動檢視欄等多項新功能。實現了計算機自動識別處理：保證每人每天能夠錄入20萬字；可識別中英日韓4國文字，其中包括中文簡繁體，而且支持中英、日英、韓英混排識別，減少校對工作量80％左右，錯誤率在萬分之一以下；可以恢復圖像的任何一點細節，使信息得到最完整的保留；可以生成任何常規格式文件。它將電子文檔應用到各類數據庫、電子出版物、數字圖書館、網絡資源等新型資源建設成再版圖書生產，是行業數字信息化不可或缺的重要組成部分。

如果說上述的幾個例子可以把劉長松的成果形象地展示在眾人面前，那么下列的光環無疑是對他這份答卷的評分。

1996年，他榮獲聯合國技術信息促進系統(TIPS)評選的“發明創新科技之星獎”；1998年，憑借“THOCR97綜合集成漢字識別系統”獲得教育部科學技術進步獎一等獎；1999年，該系統獲得國際經濟評價(香港)中心授予的世界華人重大科學技術成果證書；2000年，“THOCR97綜合集成漢字識別系統”又一次被榮譽的桂冠打中，喜獲國家科技進步獎二等獎；2003年，“高性能東方文字文檔智能全信息數字化系統”先后捧得北京市科技進步獎二等獎和國家科技進步獎二等獎；2005年，“多字體印刷藏文(混排漢英)文檔識別系統”被授予北京市科技進步獎三等獎；與此同時，“統一平臺上少數民族文字(藏，維、哈，克，朝)文檔識別系統”也沒有空手而歸，順利取得中國電子學會電子信息科學技術獎二等獎的好成績；2006年8月，他被評為信息產業科技創新先進工作者的光榮稱導2008年，入選教育部“新世紀優秀人才支持計劃”。

篇5

盜車地點距嬰兒被埋地點不到40公里，也就一個多小時的路程，卻歷經近40個小時、動用上萬警力的“全民搜索”。最終的結果卻是嫌犯主動到公安機關自首，嬰兒被不幸掐死拋尸雪中。有網友質疑，長春市斥資上億元建設的“火眼金睛”——天網工程，在此次破案過程中成了“睜眼瞎”，莫非又是一宗“豆腐渣”工程？

據新華社2010年8月報道，“吉林省長春市‘天網工程’二期建設8月11日啟動，由長春聯通獨家承建。二期建設3年完成，屆時長春市將實現所有單位、所有路口監控探頭全覆蓋。目前，長春市監控探頭數量已達到5.8萬個，今年年底，監控探頭要達到6萬個。”

對這樣一個“智慧”城市，一位長春市民表示懷疑，她說：“7點多在長春偷的車，8點多跑到公主嶺了，被盜車是市民報警找到的，嫌犯是自首抓到的，而平時如果有車輛闖紅燈都能監拍到，我想問下，1.4億的天網工程是專門用來抓違章罰款的嗎？ 好好反思吧，別讓悲劇再次上演。”

全城數以萬計的監控攝像頭，車輛信息明確，理應很容易從視頻中追蹤到車輛動向，甚至是拍到駕駛者相對清晰的圖像信息，但是為什么現實情況不是這樣？為什么直到發現被遺棄的車輛的24小時，都沒有發現明確的車輛行駛動向線索。這次深刻的教訓給每一個從事城市監控系統建設的人敲響了警鐘，值得我們好好反思，并從中汲取經驗教訓，彌補系統不足，使監控系統真正成為人民的保護神。

一、長春事件暴露出城市監控系統存在的問題

城市監控系統建設的初衷就是通過高清且無間斷的視頻技術，對序列圖像自動分析，對監控場景中的變化進行定位、識別和跟蹤，并在此基礎上分析和判斷目標的行為，能在異常情況發生時及時發出警報或提供有用信息，有效協助安全人員處理危機，并最大限度地降低誤報和漏報現象[1]。但從此次事件中，我們看到了長春市天網系統，甚至其他城市天網系統中的一些共性問題：

（一）監控探頭部署不夠合理，易存在監控盲點

在監控中，如果卡口設置的不合理，導致視頻監控范圍無法合理覆蓋，我們認為這是存在監控盲點；另外一種情況，如果該范圍已經被覆蓋，但是由于設備配置缺乏分析和檢索能力，也可以認為是一種監控盲點，因為這些視頻數據對業務處理沒有任何幫助[2-4]。例如長春事件中，如果重要卡口設置合理，而且具有一定處理和分析能力，那么在各個監控中心進行臨時布控后就能及時發現跟蹤車輛動態信息，這些信息時效性很強，如果當時沒有發現，在以后的回放中，對突發事件的處理意義不大。

（二）對于海量視頻信息的智能分析和檢索能力較弱

對于動輒上千甚至上萬個監控點的視頻監控系統，若不借助智能化的監控平臺，單憑人工根本無力管理和應用監控系統獲取的海量視頻信息資源，這樣的系統也就喪失了應該擁有的事中報警能力[5]。但在傳統的建設中，我們非常重視探頭數量這個硬指標，而對視頻數據的處理能力不夠重視。在應用系統進行業務處理的時候，面對海量數據信息，依靠手工處理，會耗費大量的人力物力，而且效果甚微。以50路存儲的720P（100萬像素）視頻格式錄像信息為例，它每天產生大約1TB的數據，更無法想象一個城市每天產生的數據量，海量數據對于我們關注的熱點事件來說存在大量冗余。只有與智能化技術相結合，通過將系統監控到的情況與系統管理方案作對比，才能自動地分析檢測出存在的隱患并及時報警[6-7]。在長春事件中，如果系統具有海量視頻的智能處理能力，就會在很短的時間內，識別和發現目標，并進行定位，或大大縮短刑事案件的偵破時間。

（三）各種因素制約導致嚴重的信息孤島

監控系統功能的實現很大程度上依賴對大量視頻數據進行時間和空間上的分析，局限于一點或者是很小區域的視頻數據不能產生關聯的、有價值的信息。但在監控系統中往往存在由于管理機制、系統兼容性、缺乏統一調度等因素產生的信息孤島，這導致大量的視頻信息是孤立的或者是離散存在的，無法全面記錄和跟蹤我們關心的事件，這個系統短板嚴重弱化了視頻監控系統的建設目標。例如長春事件中，在犯罪嫌疑人盜車和掐死嬰兒一個小時內，警方已經接到報案，而且他在從長春市區逃往至公主嶺一個小時的途中最少也要經過兩個卡口系統，但一小時之后，公主嶺市公安卡口系統還沒收到相關信息，使被盜汽車的蹤跡未能被及時發現。在信息明確的情況下，導致這種情況的主要原因可能有兩條，一是卡口系統未能通過網絡及時接收到被搜索車輛信息和指令，導致嫌犯逃逸。二是在以視頻監控、車牌識別等技術為依托的卡口系統因相對“孤立”，即使發現可疑車輛卻無有效信息匹配，這樣也會給嫌犯造成逃竄機會。

（四）缺乏契合業務的監控整合平臺及應急聯動機制

監控視頻最初的出現，僅作為一種基礎數據，提供兩種基本功能，即實時監視和遠程回放，并在此平臺上拓展出一些特定的應用，例如道路監控、破案、打擊罪犯等。隨著安防監控的不斷深入以及安防應用的不斷普及，以前各個安防子系統獨立的問題也逐步顯現出來：一是各安防監控子系統相互獨立，缺乏聯動，發生緊急事件時，不能高效發揮預警聯防的作用；二是各個安防監控系統獨立管理，管理與維護效率低下，人力物力浪費明顯。在長春事件中，如果有安防監控整合平臺，警方在接到報案后，可以啟動應急預案，給各個監控單位提供被盜車輛的特征數據（車輛信息、車牌號碼等），各單位利用人工或者是智能監控技術及時布控，第一時間發現車輛的位置信息，這樣能大大提高處理效率，避免悲劇的發生。

二、思考與建議

從上面問題分析中發現，只有在技術應用和業務機制兩個方面對天網系統進行改進與提升，改變目前過于追求探頭的數量和覆蓋面的工作誤區，積極應用先進的信息處理技術（如GIS、人臉識別、車牌識別、海量數據挖掘等），建立技術與業務的緊密聯動，才可以在關鍵時刻提供強有力的技術與業務支持，發揮安防系統的最大作用。

（一）技術應用方面

1.完善GIS與視頻監控系統的進一步融合

GIS技術作為空間信息處理與分析的有力工具，可從三個方面提升視頻監控系統的性能。首先，在“監控探頭部署，消除監控盲點”方面，可依托GIS系統進行全局分析，合理部署視頻布控點，對于關鍵的卡口進行設備優化和升級，提高卡口的智能化處理程度。同時，依托GIS平臺定期對視頻覆蓋情況進行評估分析，減少監控盲點。其次，在“空間可視化分析和展現方面”，可利用GIS本身強大的空間信息檢索、空間數據分析以及空間數據表現功能，將監控系統位置信息與城市道路、卡口、危險源、人流集中地等數據疊加，通過二維，乃至三維的可視化手段將所有數據匹配起來，在詳盡準確的視頻數據基礎上，為城市管理和應急指揮提供空間分析結果和可視化決策支持。最后，在“應對突發事件中的緊急預案與調度方面”，可通過GIS分析手段，從空間角度分析犯罪活動的分布、規律、特點，并把這些經驗轉換成具體的措施；在應對突發事件中，與視頻運用相結合，在及時掌握現場情況的同時，提高接出警的響應速度，合理、高效地配置警力資源，迅速、有力地制止犯罪活動。

2. 提升視頻監控系統智能化水平

智能化將是未來城市監控系統至關重要的核心業務，前端強調實時智能化分析，后端加強數據分析和檢索能力，真正從海量視頻中得到有價值的數據。目前可以應用的視頻智能化技術主要包括：

智能存儲：即只存儲有價值的相關視頻圖像，實現重要圖像信息的長期保存，并在中心建立數據庫，存儲每個錄像的索引信息，如目標進入、離開、出現于警戒區域，目標奔跑、快速移動，人員聚集等，為智能檢索、回放提供基礎數據支撐。

智能檢索：力求通過檢索目標照片，方便地檢索到該目標在監控區域內的所有活動的錄像，或基于目標的特征（如著紅色衣服的女子、黑色的小轎車）檢索指定時間、活動范圍內的錄像資料，從而大大節省辦案人員挖掘線索、辦案取證的時間、人力、物力和財力，提高案件的偵破率和監控系統的應用效能[9]。圖像信息與公安其他信息的交互、聯動是城市監控報警聯網系統建設的發展趨勢。

智能分析：是視頻智能化的核心技術，在城市監控系統有著非常重要的作用，主要包括人臉識別、車牌識別、行為分析等。通過智能分析技術可以將視頻監控由被動向主動轉變，讓監控人員從繁瑣的操作、海量的信息篩選中解脫出來，并幫助他們更高效、更精確地管理監控目標[10]。例如：應用視頻智能分析技術可從視頻圖像中將影像中的人、車或特征物體的狀態從背景中分離出來，加以辨認、分析和跟蹤。也可預先設置目標穿越警戒線、進入、離開、出現、消失于預定區域，或者在預定區域內滯留、徘徊，以及目標被遺棄、取走、密度、運動、大幅畫面變化等安全規則，而后比對所跟蹤對象的行為模式與預設的安全規則，若發現違規之處，立刻通過網絡發出報警信息顯示在應用平臺上，同時把信息記錄在管理服務器上以供未來調閱、復核。這樣可依據不同應用需求的安全策略，在潛在危險的征兆之初，即可偵測出危機并加以反應，可大大提高城市監控系統的預警能力。

在整體平臺中，加強以上三項技術的整合應用，注重功能的分布式實現。對于監控的前端，要加強實時智能分析能力，比如，能夠實現火災預警、人群聚集、人臉識別、車牌識別的功能，存在觸發異常條件的情況發生時，第一時間啟動應急預案或者相應的處理程序，保證應急事件處理的實時性。對于后端平臺，我們既要根據需要，保存完整的數據信息，同時還需要具有一定的數據分析和檢索能力，比如視頻濃縮、視頻自動檢索等，實現從數據中挖掘信息和線索的目標。

（二）業務機制方面

1.整合現有視頻監控資源，實現資源共享互通和集約化管理

要解決視頻監控中目前存在的問題，首先要解決視頻資源的整合問題。目前在平安城市的建設中，由于建設周期和建設部門的不同，各種視頻資源沒有統一的規范和標準，致使出現視頻監控中的信息孤島問題，難以發揮城市視頻集群的合力，造成重復建設資源的浪費。我們應該從現有系統的控制中心入手，實現兩個統一，即底層視頻數據格式的統一和網絡通信協議的統一，真正實現數據的共享互聯，以便于下一步的集約化管理和統一調度。

2.建立全局化業務管理平臺，實現應急條件下統一調度和管理

在實現數據資源的集約化管理后，就需要進行業務邏輯的整合，打破原有系統地域、部門甚至應用功能上的壁壘，根據不同部門的業務邏輯，設定合理的管理權限和資源配置，讓各管理部門專注于自身業務，同時在應急情況下，可以進行臨時權限分配或者全局管理，實現授權節點對各級節點的數據和業務邏輯的訪問和調度，真正達到全局化管理的目標。

3.在整體視頻監控平臺上構建一套基于工作流程的應急業務處理平臺

監控系統一項重要的功能就是滿足應急事件處置的工作需要，在應急處理中，需要進行各種人力、設備和資源的統一調度管理，如果這些工作依賴于人工，容易出現遺漏或者效率低下的情況，我們可以建立應急業務處理平臺，完善應急預案機制，以標準化的工作流程來指導突發事件處理，同時對這個工作流程進行逐步完善，保證應急處置工作的標準化、規范化和高效化。

三、總結與展望

城市監控系統是城市安全的生命線，自2005年全國首批報警監控試點的城市監控系統建設以來，我國城市監控系統建設步伐已經進入到平穩階段，目前城市監控系統已經進入到聯網監控和業務融合的時代[11]。

但從長春案例來看，目前的城市監控系統建設仍然處于“過于追求探頭的數量和覆蓋面，與業務結合不緊密，未能形成成熟的業務模式，在關鍵時刻不能提供最強有力的技術支持”的階段，急需從先進的技術應用與有效的業務機制兩個方面予以提升和整合。

所以，未來的城市監控系統首先應該在時空布局上能夠做到全天候、全覆蓋；其次在管理上做到“三個到位”：職責分工到位、制度建立到位、責任落實到位；且在業務上實現資源共享，統一調度與管理，做到“事前預判、事中報警、事后取證”；還要加強GIS以及智能化技術的應用，特別是車牌識別、人像識別、數據及流量統計、圖像分析、智能化檢索與查詢等技術的應用，提高監控系統的性能和效率，為城市安全和應急工作提供技術支持和保障。

參考文獻：

[1]湯志偉，吳晶.城市報警監控系統的發展現狀及趨勢[J].技術應用， 2011， 30-32.

[2]黃樟興，黃科鳴.城市管理遠程監控研究文獻綜述[J].大眾科技， 2012，14（154）： 264-267.

[3]蒲豫園.城市軌道交通數字視頻監控系統的發展前景[J].鐵道通信信號，2006，42（4）： 57-58.

[4]鄭嵐，馬緒鵬，馬韻潔.城市交通視頻監控模型研究[J].科技信息，488-489.

[5]孔云峰.地理視頻數據模型設計及網絡視頻GIS實現[J].武漢大學學報（信息科學版）， 2010，35（2）：133-137.

[6]鄭泳冰.基層公安機關城市監控系統建設存在的問題及解決途徑[J].公安研究，2008， （3）：31-34.

[7]宗文杰，余青松，張敏，等.基于GIS的視頻監控系統研究[J].計算機工程與設計，2011， 32（2）：745-748.

[8]許田犬.視頻定位技術在城市公共安全視頻監控系統中的應用[J].遙感學報，2007， 17（6）：53-57.

[9]林夏，陳義華.基于GIS與Android的移動視頻技術研究[J].多媒體技術及其應用，2012， 8（1）：159-162.

篇6

關鍵詞：視頻監控；傳感器；DsP；FPGA

對于每個人而言，平安是幸福生活最基本的要素之一，而如何保障平安生活，無疑需要時刻有一雙慧眼的保護。無論是生活安全的監控、突發事件的預警、交通違章情況和流量監控還是重點場所的安全保障，甚至山林火險監控、邊界和領海各種情況的監控等，都需要先進的智能數字視頻監控系統做保障。

具體到中國，人口眾多地域遼闊的特點僅僅依靠人力很難滿足保障國土安全、人民安居樂業的需求。因此，無論近年來全球經濟如何動蕩，中國的公共安防市場卻總是保持旺盛增長的勢頭。

“平安中國”計劃的推廣，特別是隨著2008年北京成功舉辦奧運會過程中，國產的監控產品廣泛被采用，表現不凡，進一步引發了國內數字化視頻監控產業的發展。

數字視頻監控系統是以數字視頻處理技術為核心，綜合利用光電傳感器、計算機網絡、自動控制和人工智能等技術的一種新型監控系統。數字視頻監控系統除了具有傳統閉路電視監視系統的所有功能外，還具有遠程視頻傳輸與回放、自動異常檢測與報警、結構化的視頻數據存儲等功能。與數字視頻監控系統相關的主要技術有視頻數據壓縮，視頻的分析與理解，視頻流的傳輸與回放和視頻數據的存儲。

技術發展趨勢

TI DSP業務發展經理鄭曉龍認為，數字視頻監控的核心技術主要有四種，即視頻壓縮、影像處理、視頻顯示和視頻分析，如圖1所示。回顧數字視頻監控的發展歷程，數字音視壓縮技術的發展導致了壓縮標準的制定，數字音視壓縮技術包含視頻編碼和解碼。在視頻監控應用中已由MPEG4過渡到H.264而成為主流，而SVC作為一個效率更多的標準也將接受市場的考驗。在各種寬帶和無線數字監控系統中，既有多通道處理的需求，也有多格式、多碼率及多視頻流的支持。

富士通半導體(上海)有限公司市場部產品經理沈弘人則將監控產品的技術及市場需求概況為五大發展趨勢。

網絡化

市場需求：消費型客戶的需求量較大，對高清需求不多，售價低，以公眾互聯網布線為主；而項目客戶則需求量較少，對高清需求較多，但售價高，且多半以內網／專網布線為主。

技術發展：向高清視頻(HD／Full HD)方向發展，可進行實時壓縮(H.264)，并經由IP網絡實時傳送(Real-Time Streaming，一般網絡的傳送遞延時間最好不超過一秒。

智能化

市場需求：除傳統云臺控制攝像頭轉向／縮放功能外，智能影音分析(前端及后端)的應用需求將越來越多。

技術發展：智能影音分析軟件，如移動動物／人臉追蹤、危險物(靜態物體)監測、火災監測、門禁人員／車輛計數等。大部分智能影音分析都在后端實施，如中控系統(cMS)，或是軟件離線分析，但也有一些智能影音分析功能逐漸開始內置在頭端(攝像頭)進行重要事件監測及數據分析。

高清化

市場需求：目前市場需求的起始規格為720P 30，進階規格則為720P 60或1080P 30。而有些應用，如車牌辨識(LPR)，甚至需要1080P 60或是更高的規格。

技術發展：為了滿足高清化需求，傳感器技術也逐漸走向高階CMOS(1.3M，2M,5M等)，而CMOS在高動態(HDR)和低照度(10w lux)方面也已經趕上CCD的水平。另外，高階影像處理器(IsP)、高階編碼技術(H.264)及高分辨率鏡頭(HD Lens)也是重要的技術發展方向。

安全化

市場需求：數字視頻錄像(DVR)、網絡數字視頻錄像(NVR)、高容量硬盤(HDD)、磁盤陣列(DiskArray)的市場需求大增，也因而讓數據存儲更容易、更安全。

技術發展：擴充DVK／NVK到集中式網絡儲存技術(NAS)或是主從式儲存設備網絡技術(sAN)以及加強網絡防火墻(Fire Wall)，讓數據儲存更安全，且具備容錯能力，災難備援，以及快速回復數據之能力。

分工化

市場需求：高端監控市場的特性包括應用多元化、規格定制化和少量多樣化，且要求存儲時間長，因此對質量的要求比一般消費性產品高很多，所以每個組件都應具有最高規格和性能，這也使高端監控的產業鏈必須達到專業分工。

技術發展：傳感器(ccD或CMOS)、高階影像處理器(Isp)、影像壓縮編解碼器(cODEC)、網絡傳輸(IP Video Streaming)和高清閉路電視(HD CCTV)等各自發展或部分整合。換句話說，沒有一顆單芯片(soc)能完全滿足高端監控的需求，當然對于入門級的家用監控系統則可能用一顆單芯片就可以完成。

萊迪斯半導體市場營銷副總裁Douglas Hunter則直言未來視頻監控兩個最重要的趨勢是：百萬像素攝像機和高動態范圍(HDR)照相機。對于半導體制造商，這意味著需要向市場提供器件，提供更高的處理能力，以便處理由兆像素圖像傳感器和HDR處理需求結合所引起的大量數據的增加。Maxim業務總監，Jim Fox則認為，視頻監控市場的整體增長率將保持在5％，10％左右。而IP攝像機這樣的具體產品增長率可以達到30％以上。最重要的技術發展趨勢除了高清和百萬像素攝像外，智能視頻分析和成像也非常蠶孽。

當然，趨勢總是由市場的需求所推動的。視頻監控市場正要求更高的分辨率和更精準的圖像內容，包括場景內容和活動的“智能”識別(如車牌號碼識別，清點人數的能力，檢測侵入者)。可以用被稱為視頻分析(VA)的自動化軟件來處理越來越多的復雜視頻監控。為了能夠有效、避免產生“誤報”，vA軟件需要較高的分辨率和HDR處理。這就是對攝像機制造商的要求，以高幀率來處理大量的數據。

攝像頭高滴，3D一個都不能少

高清技術將使數字視頻監控系統徹底淘汰傳統模擬系統，于是在CIF／D1分辨率的基礎之上，720p和1080p的呼聲很高，視頻壓縮技術在新的潮流下得到了進一步的提升。Aptina Imaging公司資深業務發展／市場經理Cliff Cheng認為，監控攝像頭領域最普遍的發展趨勢是轉向分辨率為720P和1080P兩種格式的高清(HD)攝像頭，而所提供的接口選項的數量 增加了，包括千兆位以太網、閉路高清(HDCCTV)以及IP over Coaxial(電纜)，這些都正逐漸成為HD視頻的首選接口。多媒體2D／3D圖像加速技術已開始引入，HDMI高清接口將成為必需，顯示加密技術也許不可或缺。

隨著CMOS視頻傳感器技術的成熟和推廣，數字一體化攝像機將融合更多的影像處理技術，其中包括自動曝光(AE)、自動白平衡(AWB)和自動聚焦fAF)技術將有可能被掌握。隨著繼承有視頻前端的單片系統(SoC)的推出，不僅支持上述的3A功能，還有可以支持3D噪聲濾波、人臉檢測、LDc鏡頭校正和WDR寬動態等功能。與CCD圖像傳感器相比，由于CMOS圖像傳感器具備同等甚至更好的成像性能、更低的成本、更高的集成度、更低的功耗以及更高的速度，因此在網絡攝像頭領域的應用也日益增多。高速HD視頻攝像頭轉向CMOS圖像傳感器的原因之一是CMOS器件固有低功耗的特性。功耗較低的CMOS圖像傳感器還結合了數項節能功能，如門控時鐘(gated clock)設計、可變幀率，以及低待機電流，這些功能均可通過CMOSZ藝技術來實現。

萊迪斯半導體的Douglas Hunter認為，視頻監控需要圖像傳感器有更多的像素以得到更好的場景定義，更好的微光性能，并能夠為HDR功能提供足夠的數據。關于市場趨勢，圖像傳感器將繼續從CCD轉變到CMOS技術。更高的兆像素傳感器將變得司空見慣。為了增強微光性能，更大格式的傳感器可能更為常見。像那些萊迪思伙伴的傳感器制造商將對傳感器從提供并行接口轉向串行接口，以便每秒從圖像傳感器送出更多的像素數據。

一個新興的發展趨勢是加入寬動態范圍(Wide Dynamic Range，WDR)功能，借助wDR功能，視頻監控攝像頭的放置就不再受到限制，幾乎可以放置在任何環境中，包括嚴苛的高對比度光照環境。Aptina用于監控市場的最新HD和全HD圖像傳感器解決方案都加入了統計引擎、3D立體攝像頭支持、感興趣區域(region of interest)和WDRXJJ能，將更多的計算工作量從視頻分析引擎中卸載，讓攝像頭的算法可以提供更高的準確度和智能化水平更高的功能性。

媒體處理器百花齊放

回顧數字視頻監控的發展歷程，數字音視壓縮技術的發展導致了壓縮標準的制定，于是在高速數字信號處理器(DsP)上得以實現和應用。DsP得天獨厚的高性能和低功耗的軟件可編程的特性使之成為嵌入式數字音視頻壓縮的理想處理平臺，而在高速通用DSP芯片上集成多個視頻接口以及豐富的接口，就成為數字媒體處理器。數字視頻監控產品的推陳出新得益于核心處理平臺的升級換代，其中數字媒體處理器發揮了重要的作用。單片的通用DsP可以很好地宴現視頻數字壓縮或智能視頻數字分析處理工作，但還需要在接視頻接口和前端或后端處理設備，因此系統比較復雜。

TI推出的第一顆數字媒體SoC對于數字視頻監控行業的影響極其深遠，從而開創了以創新大師達芬奇冠名一個系列媒體處理平臺。如圖2為數字視頻soc集成結構，其中包含有ARM和DsP核心系統，還有視頻協處理器(VICP)，以及視頻處理子系統(VPSs)。

隨著監控行業對高清需求的增加、DsP一統天下的格局在變化。賽靈思公司亞太區市場及應用總監張字清介紹，傳統的視頻監控由于對運算的要求不高，只需要DsP芯片即可。隨著智能分析和高清視頻監控成為主流，FPGA的優勢逐漸顯現。

智能分析的關鍵在于算法，需要大量的矩陣運算以及乘法器。通常有兩種方式來實現智能分析。一是、DSP+FPGA，FPGA作為協處理器，來彌補DSP在運算方面的不足。然而，雖然DSP在信號處理、監控方面具有優勢，但其通過執行串行指令進行處理運算、智能分析，一個時鐘只能執行一個指令。而FPGA是并行指令架構，可以在一個時鐘內執行幾百個指令。以運算速度來看，即使DSP的運算達到1G以上，FPGA的速度700M，但顯然，FPGA的并行處理仍然要遠高于DSP的串行處理。同時，FPGA帶有硬件乘法器和DSP核，具有高度靈活的擴展性，目前很多高端視頻監控設備已采用這一架構。二是，在DSP中嵌入硬核，用硬核做硬件加速器，但其彈性小，沒有擴展性，導致產品差異化低。

FPGA可以在復雜的像素處理方面替代DSP，如高性能視頻分析，各種圖像傳感器寬動態范圍壓縮，以及高精度圖像處理。對于高清視頻監控來說，FPGA的作用更是不可小覷。高清監控，數據流量非常大，需要更高的處理能力，并且還要提供自動曝光、高效的自動白平衡和高動態范圍等功能，傳統DSP已經難以應付，需要FPGA共同完成。

對FPGA在視頻監控領域應用非常看好的還有萊迪斯半導體。DouglasHunter認為一個顯而易見的方法是從順序處理轉變為并行處理。例如，FPGA是并行處理器件，可以在每個時鐘周期比傳統DsP處理更多的數據。由于在每個時鐘周期能夠處理更多的數據，比如LatticeECp3系列FPCA可以使用較低的時鐘速度，因此消耗的功耗更少，而順序處理的器件需要更快的時鐘速度，因此消耗大量的功率。

視頻分析

視頻分析技術業已在數字視頻監控領域逐步顯露鋒芒，從而使得監控真正向智能化的視覺方向發展。視頻分析所包含的內容相當廣泛，其中有物體檢測統計、目標物體識別和監控目標跟蹤，還可以設立警戒區進行檢測或行為分析。對于攝像機自身的智能化處理，已有視頻穩定和鏡頭受襲告警實用技術。人臉識別技術目前已經開始實現市場化，并已有不少成功的應用，例如北京奧運會和上海世博會。

在談到數字視頻監控新的增長點時，智能視頻分析一定是一個熱門話題。視頻分析從計算機后端分析到前端嵌入式分析，使得其應用范圍大大增加，目前已開始啟動市場化的進程。TI鄭小龍認為，在這過程中通用可編程的DSP扮演了極其重要的角色，從DM642到DM6437或DM6435，許多智能視頻分析廠商推出了出色的算法并進入實用。基于現在的達芬奇的C64+核心，已可實現單片的智能視頻應用。未來DM8168的C674x將可提供更加強大的高級智能視頻分析性能。

在視頻監控中的軟件算法可以用于兩個方面。首先是圖像處理引擎中執行一套算法。第二個是幫助人們完成任務的VA軟件，如內容和事件的識別。在圖像信號處理(ISP)領域，萊迪思從 合作伙伴HelionGmbH那里得到了算法，它提供了業界最快的自動曝光，支持傳感器高達16兆像素的分辨率、ISP流水線的HDR(高動態范圍)可達192分貝。

MAXIM業務總監Jim Fox介紹，該公司的Mobilygen專利技術大大降低了系統計算的復雜度，在保持低功耗的同時提供最高畫質。預先定義的配置和固件API允許開發人員設置比特率、幀速率等參數以及GOP結構、H.264工具等。MAXIM器件支持完整的高畫質H.264工具套件，包括8 x 8轉換、矩陣比例縮放、CABAC和任意分割尺寸的宏模塊自適應幀／場(MBAFF)。先進的固件算法提供圖像自適應幀／場(PAFF)編碼、加權預測、定制矩陣比例縮放和影視圖像反轉處理，以達到最佳圖像質量。視頻輸出處理器能夠組合實時圖像和／或存儲圖像，其圖像覆蓋功能可以創建單路輸出。該輸出可以放大或縮小，通過雙向端口發送到另外一個器件或輸出，以8位YUV 4：2：0格式或18位RGB格式驅動本地顯示器。

行業應用的特殊需求

雖然在所有的應用之中，數字視頻監控的基本圖像處理相似，不過某些應用確有具體的特殊需求。例如，在工業應用中，高速度和高幀率是捕捉圖像細節的必備條件，需要傳感器具有全局快門，而不是滾動快門：在醫療市場中，出色的低光照性能和極低的功耗是必不可少的，要求非常低的延時和無損圖像壓縮：對于交通運輸攝像頭，需要增強的HDR性能和快速的自動曝光，需要使用帶有全局快門的捕捉速度極高的攝像頭，以便在夜間光線較暗時讀取車牌號碼，當有迎面而來的車輛前車燈時，他們也許突然變得明亮。因此需要對不同產業類別的應用根據FW做特殊的應用，以配合特殊產業與廠商的需求。例如工業應用要求高速視頻(120-240fps)，但是對分辨率的需求并不是很高(QyGA-VGA)，醫療應用則需要可拋式攝像頭，這些特殊功能都需要圖像感應器廠商與鏡頭廠商配合。

這些需求構成了對半導體制造商相同的基本挑戰：即提高了數據處理負載。萊迪思Douglas Hunter坦言，半導體制造商必須提供低成本、低功耗并行處理器件，如各種配置的FPGA，針對大的和小的應用提供處理邏輯。他們還必須提供IP，支持不同種類的圖像傳感器，以及提供低延遲和HDR處理的ISP流水線。

對于交通行業而言，需求又有所不同。如何利用車載攝像機降低交通事故數，減少人員傷亡，控制直接財產損失，是中國汽車電子行業不容無視的重大研究課題和商機，本文通過概要介紹若干系統，為中國汽車電子行業拋磚引玉。值得一提的是，開發針對汽車安全的車載攝像機系統需要汽車電子與汽車生產廠家開展密切合作，從攝像頭、視頻數據采集、視頻傳輸、實時監視和播放平臺等多個方面進行研究，才有利于車廠最終使其產品化。

特別的，車載攝像頭需要的高速總線，MOST(面向媒體的系統傳輸總線)技術目前已經被sO多種車型采用它由MOsT組織來主持標準化與規格化工作。截至目前，已經有ls家國際性汽車廠商和70余家主要零配件生產廠商加盟該組織。

目前已經實現產品化的MOST技術有MOST25、MOSTS0，第3代MOST 1SOMbps技術～150MOST正在開發中。150Mbps可以達到與MOST25塑料光纖同等的傳輸速度，不用增加物理層成本就可以提高通信速度。采用MOSTls0后，視頻傳輸變得更容易，不僅可以用在休閑娛樂方面，還可以用在車載攝像頭等行車系統上。

篇7

一方面，百度宣布停止社會招聘，BAT被曝都在減緩招人。數據顯示，2015年1-10月，BAT用工需求同比下降30%。這被認為是非同小可的“過冬”信號。

丨數據來源：公開數據

另一方面，幾家新興公司卻重金“搶人”，代表性事件有：

樂視汽車項目，直接瞄準不可一世的特斯拉大規模挖人。

神州專車高調大規模招聘技術人員，百萬年薪尋找“下一個英雄”。

今日頭條也是百萬年薪招聘頂級機器學習人才，單元是美金。

互聯網江湖里，“人”對企業的作用，相當于“地”對房地產公司。互聯網企業依靠技術驅動，除了數據和服務器，核心資產就是人。因此，人員流動指標被視為判斷互聯網景氣的重要窗口。

一邊在收縮，一邊在擴張，這樣的分裂景象在互聯網史上不多見。分析一下各公司的招聘數據，互聯網趨勢正在發生的調整。

先看兩個結論：

1、“狼性”新興公司正對老牌巨頭展開搶人攻勢。

2、互聯網世界的兩大派系“美國派”和“中國派”現合流端倪。

展開分析在后面。

二

先看人才大戰中新老互聯網巨頭的關系。

搶人主要靠兩個：薪資與愿景。

哪家公司招人開出的薪資高？智谷趨勢統計了互聯網招聘網站拉勾網上，10多家代表性企業10月份開出的薪資水平。

先看核心崗位——3-5年經驗技術類崗位，以算法和數據挖掘立身的今日頭條最大方，開出了3萬元的平均月薪，位列第一。滴滴、美團列二、三位，之后是BAT，百度、阿里、騰訊分列4、5、7位。

各公司薪資差異較大，居于頭名的今日頭條比末尾的攜程高出近70%。

1-3年經驗技術類崗位，情況類似，頭三名沒變，滴滴和今日頭條并列第一，平均月薪為2.42萬元，美團第三。BAT同樣處于中游位置。

值得注意的是，招聘技術人才出價最高的三家公司，恰恰就是不久前被一些媒體稱為未來BAT的今日頭條(T)、美團(M)、滴滴(D)，三家公司被形象簡稱為“TMD”。

不管對新手還是熟手，新興公司都開出了更高的價錢與BAT搶人。1-3年經驗的技術人員，滴滴、今日頭條、美團等三家公司的平均薪資比BAT高21%；3-5年經驗技術人員，比BAT高18%。

除了眼前薪資，從愿景角度，滴滴、美團/大眾點評、今日頭條，這樣的正處高速成長期，同時發展具確定性，而且不太可能倒下的新興公司，比BAT更有想像空間。尤其對技術高手來說，BAT的好位子幾乎沒有了，能在新興公司成功卡位，進而獲得“財務自由級別”的上市紅利，更具誘惑。

新興公司正在以更快速度更猛力度與老牌巨頭展開人才競爭。技術員搖籃百度常常是被挖目標，其內部有一個自我調侃的段子：百度員工平均年齡永遠不超過30歲，稍微資深一點就被人挖走了。

三

這種情形在硅谷同理。

紐約時報8月份刊發文章《硅谷“獨角獸”挖腳科技巨頭谷歌被挖最慘》：隨著硅谷創業公司的估值高漲，已將招聘目標瞄準了谷歌和亞馬遜等科技巨頭。

挖人最狠的是Uber、Airbnb，這兩家也正是硅谷風頭最勁的“獨角獸”(估值達10億美元以上的新創公司)。被挖得最狠的是谷歌、亞馬遜。谷歌招進員工和流失員工的比例一度達到了2:3。Airbnb直接從谷歌端掉了100多名員工。

甚至，創業公司的目標并不僅僅是工程師。谷歌兩名廚師阿爾文桑恩(Alvin San)和拉斐爾蒙佛特(Rafael Monfort)，在過去18個月內分別被Uber和Airbnb挖走。

科技界搶人一直遵循舊不如新的原則。幾年前有研究者繪出了這樣一幅人員流動圖，可以看到雅虎全是流出，Facebook全是流入，新舊之間爭奪殘酷。

四

與過去比，現在中國這批新興公司更具狼性，可用更快、更高、更強形容。

1、更快。根據硅谷第三方研究機構pitchbook數據，近來成長速度最快的幾家公司，它們估值達到10億美元的時間是：企業軟件公司Slack，1.25年；內容分發網絡公司Akamai Technologies，1.58年；智能手機公司小米，1.71年；中國版Uber滴滴快的，2.43年。新興公司的發展基本以月計。這種快速度，容不得企業培養人才，寶潔“管培生”慢招聘模式基本被拋棄。與呈現出爆炸性態勢的需求相比，留給市場培養人才的時間極短了。

2、更高。為了速度，新興公司愿意砸更高的薪水挖人。這背后是風險投資的支撐。風投在當今互聯網介入的量級，超過了以往。它的充沛資金，讓初創企業短時間內具有了和巨頭爭奪優質資源的能量。

3、更強。中國新興公司展現出了比前輩更大的野心和進取心，挖人目標除了國內頂尖公司，還直指硅谷。樂視從特斯拉、蘋果，今日頭條從微軟，挖來了核心技術人員，小米從谷歌、高通挖人，也是如此。

五

如果只是新興公司猛挖老牌巨頭，還只是新陳代謝的傳統故事。

現有的數據和動向表明，一些新趨勢跡象正在形成。它們與兩個大背景有關。

第一個背景是中美互聯網兩種模式的差異。

1、中國互聯網相信“用戶為王”，資深互聯網分析人士闌夕認為，這是基于13億人口規模的邏輯推理，“雙十一”是最好例證，美國互聯網則認為用戶不可預測，毫無忠誠(典型例子：從myspace到facbook，從微博到微信)，只有技術的不可替代性最強，也最不容易受到互聯網泡沫的侵蝕。

2、從中美科技巨頭的投資、并購來看，BAT大多還是以圈用戶、圈領域為指向。視頻做大了，就把優酷土豆收了；移動出行做起來了，就把滴滴快的納入版圖……而美國科技巨頭投資方向一般是兩個：高技術壁壘的項目，或者和自己主業有關系的企業。谷歌、微軟、Facebook廣為人知的擴張舉動，是探索無人駕駛、人工智能、生命科學、虛擬現實等項目。這些前沿領域，BAT熱情似乎都不高，連熱衷人工智能的百度，今年也把外賣、線下商家等服務作為重點考慮。

中美兩種模式的分野十分明顯，但中國新興企業里，技術驅動派在明顯增多。除了做數據挖掘和信息分發的今日頭條，做無人機的大疆，做人臉識別的Face++……形成一道與硅谷文化相輝映的“技術范兒”風景。也因此，新興公司形成了技術派和用戶派兩種類型。

從挖人上，可區別。大疆、今日頭條等技術派更看重硅谷人才，瞄準谷歌、微軟、蘋果、特斯拉；而像滴滴這樣重用戶重運營的公司，關鍵性動作是從高盛挖來擅長戰略與管理的柳青。

看看前面提到的10多家代表性互聯網公司在拉勾網的招聘情況，3-5年經驗的技術類、產品類、運營類崗位，薪資最高的前三名如下圖。

圖表透露兩點信息：

1、如前所述，技術類崗位前三位都是新興公司，表明新興公司在關鍵崗位上的進攻性。技術類是互聯網公司所有崗位中的核心，薪資水平高于其他各類。

2、產品、運營崗位前三位，被BAT或BAT體系中的用戶派公司所占據，中國模式依然強大。

六

第二個背景是互聯網三國演義。BAT基本壟斷了各個領域，自己能做的自己做，自己做不了的，砸錢收至麾下。

新興公司中的用戶派，大都是以互聯網來改造傳統生意，技術是通用型工具，不是門檻，資金和流量成了最后的決定因素，而這恰恰是BAT的優勢所在。因此，用戶派初創企業更容易被BAT收入版圖。而技術派企業因其有一定的技術護城河，獨立性更強一些。

近兩年來，由于BAT的擴張，互聯網的崗位需求更多地轉向運營，決定企業命運的關鍵，落在運營力量身上。

互聯網+的機遇，使BAT的似乎可以囊括一切，無所不包，從商貿，到文化，到金融。有觀察者認為BAT有向綜合性財團發展的趨向，類似20世紀初美國崛起的摩根和洛克菲勒兩大財團，IBM、通用電氣、通用汽車、美國鋼鐵、ATNT，以及花旗銀行、大通銀行等領軍企業都是在這兩個財團的體系之中。可以說，在整個20世紀的前五十年，美國的經濟社會都是由這兩大巨頭所控制。

這很自然地引出了兩個問題：一，技術派的新興公司能抵擋得住BAT收購攻勢嗎？二，BAT三國演義會否扼殺創新？

值得注意的是，摩根、洛克菲勒財團體系的瓦解，緣于六七十年代IT業的興起。技術是對資本最有力的狙擊。猶如IBM雄風不再，微軟難言獨秀，都是被技術顛覆挑下了馬。從經驗看，對BAT格局的改變，一定也是技術。

互聯網本質是靠技術驅動，如果是建立在運營能力基礎上，與傳統行業沒有多大不同。用戶紅利是會衰減的。不管是中國模式還是美國模式，最終都要回到行業的本質。

篇8

關鍵詞：大數據；大數據技術；教學改革；教學模式

中圖分類號：G424 文獻標識碼：A 文章編號：1009-3044（2015）09-0156-03

Abstract： The big data technologyof information society has made a great influence on the development of people's life and the society， College education combined with the big data technology to reform is the development trend in the future. This paper analyzes the applicationexploration of big data in the domestic and foreign teaching in Colleges and universities， and the influence of big data technology to teaching mode in Colleges and universities.Puts forward the scheme and measures of big data technologies in college Seniorteaching reform exploration.

Key words： Big Data； Big Data Technology；Teaching Reformation；Teaching Model

大數據誕生于人們對數據搜集能力、傳輸能力、存儲能力和處理分析能力的發展和跨越基礎上，已在各行業掀起了變革的巨浪，發展潛力巨大[1]。著名管理咨詢公司麥肯錫認為大數據是大小超出了常規數據庫軟件工具獲取、存儲、管理和分析能力的海量復雜數據集。亞馬孫認為大數據是任何超過了一臺計算機處理能力的數據量。從宏觀角度來講，大數據是融合物理世界、信息空間和人類社會三元世界的紐帶。谷歌借助云計算搜索引擎推動了大數據的應用和發展。在教育領域，在教與學的過程中，也蘊藏著有價值的海量大數據，怎么有效挖掘、分析和利用這些海量數據來促進教學，是當今教育界研究的熱點內容。

未來十年將是一個“大數據”引領的智慧科技時代。隨著QQ、微信等社交網絡的逐漸成熟普及，移動帶寬迅速提升，云計算、物聯網應用更加豐富，更多的傳感設備、移動終端接入網絡，由此產生的數據急劇增長，速度比歷史上的任何時期都要多都要快。IDC在《數字宇宙膨脹：到2020年全球信息增長預測》指出，數字信息每年按幾何級數遞增，到2020年，數據量將超出人們想象，達到40ZB。據麥肯錫數據顯示，2009年美國教育部某信息系統數據庫存儲的數據達到近270PB，入選2009全美十大數據生產貢獻排名，教育已成為大數據重要源泉之一[2]。

教育意味著未來，抓好了教育，就預示著掌握了未來，所以教育始終是民生之本，是國家和政府高度重視的領域，教育改革始終是一個不斷探索的課題。在大數據時代快速推進之際，探索新形勢下的教育體制、模式和方法，對促進我國教育發展具有長遠意義。

1 國內外對大數據在高校教學中的初步探索

大數據技術必將改變我們的生活，也必將推動教育模式產生巨大的變革。2011年秋天，斯坦福大學一門人工智能網上課程受到熱烈歡迎，190多個國家約16萬學生參加學習，2萬多人通過了考試，獲得認證。課程講授者Thrun教授，創辦了在線教育平臺Udacity。斯坦福大學的Ng教授，把自己的課程放到了互聯網上，全球有十幾萬人注冊，在網上聽他的實時講授，同時還和斯坦福大學在校生做同樣的作業、接受同樣的考核。Ng教授2012年4月成立了Coursera，和普林斯頓、斯坦福、密歇根大學和賓夕法尼亞大學等大學結盟，提供社會科學、物理、工程學等課程。2012年11月福布斯發表文章《一個人，一臺電腦，1千萬學生，可汗學院如何重塑了教育》。因為“大數據”的技術背景，哈佛和麻省理工也把課程免費上網，收集最多的學生學習行為數據，研究開發更好的在線教育平臺，強化學校品牌效應。

硬件的高速革新和軟件的高度智能，國內也掀起了新一輪教育信息化的浪潮。清華大學、北京大學、上海交通大學和復旦大學等，也都開始提供免費網絡課程。國內多個省市先后實施了建設教育信息化公共服務平臺，推進數字校園實驗工作，建立 “數字化學習”試點學校，開發“微課程”，試點“微學位”，開展“翻轉課堂”活動、推進1對1“E課堂”教學實踐等一系列教育改革新舉措。

1.3 研究趨勢

現代信息世界已經發酵出第三次工業革命，具體到教育和高等教育領域，云、物聯網和基于云和物聯發展所帶來的大數據趨勢，是變革的技術因素，向大數據時代、知識時代跨越。目前僅就知識而言，教育資源所經歷的平臺開放時代、內容開放時代、校園開放時代是前所未有的。教育發展的未來模式將是：視頻成為主要載體，教育資源極其豐富；翻轉課堂；按需學習；終生學習；不以年齡劃線；距離不再是問題，在學校之外在異地發生等等。

千百年來，知識載體的變化，決定了知識本身的價值。簡牘時代，知識被教師壟斷，師生的等級觀念由此誕生；印刷時代，知識變得廉價，教師的作用變成講授服務；信息時代，知識更容易獲取，教師成為學生的朋友和教學過程信息服務的組織者、主持人和教練。數據挖掘和數據分析軟件可以階段測驗學生表現，幫助教育者研究能夠預測其效果的學習模式。面向服務、面向創新和面向過程成為教育的重點，云和大數據為基礎的教育資源共享、教育模式語言與教育空間設計、學生個性和天性培養成為教育發展趨勢。信息時代大量的知識創造和服務業的興起，行業技能專能和社區教育，將不斷壯大發展。高等院校的教學模式、教學定位等都將有很大的變化，推動高校不斷創新，成為新知識的生產中心，而不是舊知識的傳播中心，催生良好的管理和其他增值服務。

2 大數據對高校教學模式和教學實施的影響

2.1 大數據的4V特性在教育變革中的體現

大數據的4V特性是，Volume（海量的數據規模）、Velocity（快速的數據流轉和動態的數據體系）、Variety（多樣的數據類型）、Value（巨大的數據價值）。現代教育過程將產生大量的教育數據，海量的知識數據，隨著信息技術和通信技術的飛速發展，各種計算機和終端設備實現了前所未有的互聯互通，教育內容實現了跨越時空的自由流通。大數據的實時分析與處理，Hadoop（MapReduce技術的基于Java的開源實現）等非關系型數據管理和分析技術和HadoopDB（MapReduce技術和RDBMS的集成），能加速數據查詢和分析，具有較好的擴展性和容錯性，智慧軟件實時誘導跟進評價學生的在線學習。關系型數據庫處理結構化數據，而現在非結構化數據（用戶評論、應用、位置信息、圖片、音樂、視頻等）占很大比重（約為85%），產生智慧的大數據往往是這些非結構化數據[3]。視頻教學和師生間的網絡互動交流將成為未來教育的重要方式，對學生學習過程的記錄數據，將對學生的教育規劃進行智能化的指導和評價。通過對數據的分析和利用，預測未來發展趨勢，開發有吸引力的應用，將產生巨大的價值，為未來教育帶來創新模式。

2.2 大數據支撐的未來教育將成為一門實證科學（教育的數據化）

與醫療技術比較，原來的醫療靠望聞問切和經驗為病人診治，現代醫學更多的依靠各種檢驗化驗和先進的醫療設備器械，通過報告單、可視化的影像、X光片等精確數據，為疾病的判斷和診治提供科學的依據和證據。盡管病人會抱怨，住院后讓做各種檢查，該做不該做的都做，但也無可否認，在大量診查數據的支撐下，現代醫療技術確實提高了很多，治愈率越來越高，人的壽命不斷延長。

類似的，教育也將不再是單純靠理念經驗的積累和傳承，道德良心自律的學科，而將變成一門實實在在的實證科學[4]。把學生從入校后的所有相關教育信息行為表現，都記錄下來，根據這些數據，分析學生的學習過程和個性特質，將為學生的個性化學習和個人成功提供有力的科學依據。

大數據使得查探學生表現和學習途徑信息成為可能，學生通過在線學習平臺進行學習，其學習行為數據將被記錄，系統后臺根據不斷積累的行為數據對學生進行評估，分析學生的思考習慣和思維模式，創建心理測量圖，根據學生的學習進展調整之后的學習內容和重點。實時記錄學生的量化學習過程（上課、讀書、記筆記、作業、討論、考試、考評等）和實驗的過程結果等，這些數據將作為課程最后考評的重要參考依據。通過聚焦于數據分析，教師可以用更有效的方式研究學生學習狀況和學習效果[5]。

2.3 未來教育在技術上的演進

2.3.1 教育技術的演進

教育經歷了PC時代的數字化教育（傳統的板書變成了PPT投影）、互聯網時代的社會化教育（知識的獲取更加便利和普及，知識傳播更加迅捷）、移動互聯網時代的范在化教育（教育不再受時間和空間的限制），現在進入了大數據時代的個性化教育（視頻將作為知識傳播的主要載體）。傳統網絡教育、遠程教育、網上學堂只是把教育教學轉換為視頻，通過網絡傳播，使學生異地學習，只是學習內容的網絡化跨地域化。

大數據教育依托網絡技術和大數據分析，將有更多的教育手段、要求、方式和內涵等，更注重學生的因材施教、個性化培養、突出個體差異化發展和成功。哈佛、MIT、斯坦福、耶魯、普林斯頓、伯克利、賓夕法尼亞大學等紛紛把自己的課程免費上網。新一代的在線學習平臺和過去的重要區別，在于增加了行為評價和學習誘導的成分，向全世界開放，讓最多的學習者在上面學習、使用，同時可以收集最多的數據，使用、研究、分析學習者的行為模式。

未來大部分的老師，是課堂的組織者、學習的引導者、學生學習行為的分析者，而不是知識的講授者。網絡、視頻和智能軟件，為每一個學習者搭建起一個學習情境，對學習者的學習過程和行為提供持續性的誘導、評價和支持，幫助其培養科學有效的學習方法和習慣等。數據在網上自動整合和跳轉，向學生推送學校信息和建議。學生可以和其他學習者交流互動，尋求有效幫助。普適計算的浪潮，網絡終端將無處不在，學生可以在任何可以聯網的地方學習，而到學校去，則主要是做作業、答疑、討論、考評等。

2.3.2 大數據教育技術

1）大數據處理模式大數據的主要處理模式有兩種：直接處理的流數據處理（Stream Processing）模式和先存儲后處理的批處理（Batch Processing）模式。數據流的研究與技術應用已經有十幾年的歷史了，目前開發和得到廣泛應用的代表性開源系統有Twitter的Storm、Yahoo的S4、Linkedin的Kafka和Apache 的Nutch等[3] [6]。批處理模式的典型代表是Google的MapReduce模型。

2）教育大數據分析技術教育分析技術來源于大數據在商業領域的應用，如淘寶網根據用戶的瀏覽軌跡推斷用戶對產品類別的偏好。教育分析技術以學生群體為主體，借助于網絡在線平臺和移動終端軟件，跟蹤采集挖掘分析學生學習的整個過程，以提高學生學習質量和學習效率，并對學生未來需求趨勢進行分析和預測， 拓展發展空間，提高競爭力[7]。深度學習和知識計算是教育大數據分析的基礎，可視化是數據分析的關鍵技術和數據分析結果呈現的關鍵技術。

深度學習深度學習的起源可以追溯到神經網絡和后向傳播（BP）算法，2006年多倫多大學的Hinton等人提出無監督的逐層貪婪的預訓練（greedy layer-wise pre-train）方法，掀起了深度學習的浪潮。近幾年，深度學習在自然語言理解、語音識別、人臉識別、圖像搜索等應用領域取得了一系列重大進展[8]。而在教育領域，深度學習研究集中在學生線上視頻學習時間分析、學生參加網絡活動的行為分析等方面。

知識計算對大數據進行高端分析，需要從大數據中抽取有價值的知識，構建成支持查詢、分析和計算的知識庫。目前，世界各國建立的知識庫達50多種，知識應用系統達100多種。知識計算的基礎是構建知識庫，包括知識庫的構建、多源知識的融合、知識庫的更新等。教育領域，基于機器學習、信息檢索和數據挖掘的智慧軟件構建了一個高度個性化的智能網絡平臺，實時反饋學習過程信息，可以幫助對學生做出評價、對教育做出決策。

可視化技術可視化技術在大數據領域的應用主要表現在數據分析工具的可視化和數據分析結果的可視化[9]。對大規模、高維度、多來源、動態演化的大數據信息，開發可視化分析工具，使普通人員也可以輕松上手操作實現自動分析。對大數據分析結果應用有效的可視化技術（交互式展示、超大圖動態化展示），有助于用戶理解和輔助做出實時反饋和決策。教育領域，教師可以使用數據可視化工具來研究學生的學習模式，修正課程以引導學生進行有效學習和滿足學生個性化學習需求。

2.3.3 大數據處理平臺和工具

在原有的關系型數據庫RDBMS，很難處理大數據時代產生的大量非結構化數據的背景下，基于Google三大核心技術GFS、MapReduce、BigTable的Hadoop和NoSQL數據庫技術應運而生，為海量大數據的處理提供了強大的技術支撐。國內的教育大數據平臺，也已經起步并開始應用，如超星公司的超星爾雅和泛雅，已經和國內多所高校合作，用于這些高校的教學，其SPOCs和混合學習的模式，正在漸漸被接受和付諸實施。

2.3.4 未來教育將是一項以支持和服務為核心的系統工程

源于網絡和大數據提供的爆炸式的知識，未來教育不再是標準化、歸一化、規范化的教育，而是按需學習、終生學習，充分發掘學生自身原有的積極性和天分，實現自組織學習[10]。

大數據時代使人們接收知識更加方便了，但是就和印刷術的發明和普及，使人們接觸知識的機會增多了，但教師的數量并沒有下降，反而升高了一樣。大數據時代，對于爆炸的信息，需要很好的甄別、引導和指導，去除無用的垃圾信息，所以對于學校和教師的需求不降反升。此時的教育，主要是根據學生的興趣和個性特質，建立“以學生為中心”的智慧教學模式，規劃指導跟進學生的培養，與學生有更多的互動和交流，以支持和服務為核心貫穿學生培養的整個過程。

3 大數據在高校教學改革中的應用實施

3.1 我院現狀

大數據改變了高校教與學的模式，但這個過程是循序漸進的。我們學院首先在大四學生中進行試點。

大四學生第七學期的學習有這樣一些特點，學生基本分為三個陣營：（1）外出培訓工作；（2）考研考證照考公務員考選調生；（3）在校內繼續學習。基于以上情況，大四第七學期的課堂到課率普遍不高，對大四學生的課程考核也相對寬松，這就造成大四第七學期的課程形同虛設，根本沒有達到本專業的人才培養目的和預期，而大四第七學期的課程又基本都是比較重要的專業課、實踐課，是專業人才培養方案中比較重要的部分，并對學生未來就業影響頗深。

3.2 改革措施

基于以上情況，我們實施了以下改革措施。

1）個性化差異化教學：大四第七學期的課程全部作為選修課，設置的門數和種類更加多樣化，學生根據自己的興趣和職業發展規劃，自由選擇其中的4-5門課，選修夠最低學分要求，對最高學分不進行限制，鼓勵多選。

2）化解學生學習時間和地域限制的矛盾：學習方式改革，利用大數據技術，借助網絡，將課程教學視頻根據教學安排，上傳網絡，使學生可以在任何地點自由安排學習時間，這對于在外培訓工作的學生，十分方便。對于校內考研和學習的學生，也可以自由安排學習時間，提高學習效率。

3）重視學生學習的過程性評價：學生必須要完成規定的課程學習學時，每次課安排有課前測試，課后測試及作業。課前測試，課后測試，學生能夠實時查看到測試成績，課后作業要求學生在規定的時間內提交，課程教師要在規定的時間內批改完畢，并將成績到網上，供學生查看，對不合格的作業，要告知學生重做。學生的課程成績由學習的所有各階段的所有成績匯總而成，所以學生必須重視和認真對待每次的學習、測試和作業。

4）師生互動交流：教師和學生間的互動交流方式多樣，可以通過線上論壇討論答疑，也可以利用移動終端的便捷，建立課程QQ群或微信群，進行交流。教師將作業、要求、提醒等信息及時網絡和交流群中，引導督促幫助學生完成課程學習。

5）對學生學習的過程性大數據進行分析：學習的過程性數據分析技術，改變了傳統教學的經驗式模式，為學生提供高質量個性化的學習體驗，輔助教師根據數據分析結果，改進教學方式完善教學過程。將學生從選課、學習、考試結課等所有階段過程中，產生的數據進行匯總分析。根據學生的選課情況數據分析，綜合考慮調整專業課程設置，同時對學生選修課程行為進行適當宣傳引導。對學生學習的過程性數據進行分析，掌握學生學習情況，挖掘學生學習習慣和特點，以實時調整課程難易度，根據學生特點突出個性化差異化人才培養。

6）教師角色的轉變：在新的學習方式中，教師的角色也將發生改變，由原來單一的知識講授傳授者，變為學生學習的知識傳授者和學習引導者、督促者、幫助者、考評者。教師將課程內容錄制上傳后，將不再為每個班一遍遍的重復講授，大量的時間將花費在教學的組織實施、答疑解惑和對學生學習的引導督促激勵監管考核上。學生將有更多的時間得到一對一的輔導和幫助。

4 結論

大數據時代已經到來，未來十年，大數據在高校中有著廣闊的應用前景，將成為下一個創新、競爭和效率提高的前沿，我們應抓住機遇，適時改革，使信息時代下的高校教育與時俱進，培養出更多的適應信息社會發展的高素質人才。

參考文獻：

[1] 羅軍鋒，徐菲. 大數據時代的高校信息化框架[J]. 中國教育信息化，2014（3）：11-13，22.

[2] 朱建平，李秋雅. 大數據對大學教學的影響[J].中國大學教學，2014（9）：41-44.

[3] 程學旗，靳小龍，王元卓，等. 大數據系統和分析技術綜述[J]. 軟件學報，2014，25（9）：1889-1908.

[4] 張羽，李越. 基于MOOCs大數據的學習分析和教育測量介紹[J]. 清華大學教育研究，2013，34（4）：22-26.

[5] [英]Viktor Mayer-Sch?nberger， Kenneth Cukier. Big Data：A Revolution That Will Transform How We Live， Work， and Think[M]. 盛楊燕，周濤，譯. 杭州：浙江人民出版社，2013：148.

[6] 張引，陳敏，廖小飛. 大數據應用的現狀與展望[J]. 計算機研究與發展，2013，50（增刊）：216-232.

[7] 馮翔，余明華，馬曉玲，等. 基于大數據技術的學習分析系統架構[J]. 華東師范大學學報，2014（2）：20-29.

[8] 陳律. 大數據背景下學習分析技術對教學模式的變革[J]. 中國教育信息化，2013（24）：15-17.