人脸识别的核心技术范文

导语：如何才能写好一篇人脸识别的核心技术，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

读数识别是让被识别人口述屏幕上的文字，借此判断被识别者的真实情况。

反光识别和读数识别是人脸识别的两种方式。

人脸识别：

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

篇2

1、概述生物识别技术，又称为生物特征识别技术，是通过计算机与生物传感器、生物统计学等高科技手段紧密结合，利用人体固有的生理特征和行为特征识别身份的技术。该技术被称为数字时代的安全卫士。在实际应用中，生物特征识别通过特定的设备进行特征取样测量，转化成数字代码；对代码取样后形成特征模板；用特征模板与实际个体取样进行比对；根据比对结果是否匹配来决定接受或拒绝该用户。常用于识别的生物特征有指纹、人脸、掌纹、血管纹路、DNA等；行为特征有签名、语音、步态等。

2、生物识别技术的特点与应用优势生物特征是与生俱来的，与传统身份识别方式相比，生物识别技术具有以下优势：

（1）能够进行身份识别。传统身份认证识别采用用户名+口令验证的方式来验证用户身份。生物特征同样可以完成身份识别的功能。

（2）生物特征具有唯一性，防伪性好，难以被伪造或盗用。传统身份识别技术中的用户名和密码会因为信息泄露而带来身份认证漏洞。生物特征则是个人特有的，极难被仿造或盗用。

（3）携带方便，不会遗忘或丢失。传统身份识别技术采用口令验证或实物验证，两者都有遗忘和丢失的风险。而生物特征是人类的体貌和行为特征，携带方便，也不存在丢失和遗忘的风险。

（4）用户使用体验好，不容易被损坏。传统身份识别技术依赖数据库记录用户名和密码，常因为字符输入错误而被拒识；IC卡一类的实物验证技术则有因损坏而被拒识的风险。生物特征大大降低了此类风险。即使是容易受到手指表层皮肤破损而影响验证的指纹识别也可以通过存储多个手指的指纹来达到顺利验证身份的目的。此外因为生物识别技术使用友好度高，用户体验好。

3、常用生物识别技术的特性分析在众多的生物特征中,最常使用的用户接受度较高的是指纹识别、人脸识别和签名识别。指纹识别是应用最早、应用面最广的生物特征识别技术。早在几千年前人们就已经发现了指纹的特点，开始使用指纹进行身份的识别。指纹识别主要是利用指纹记录仪和计算机等电子设备，通过人类手指表层皮肤上交替出现的脊和谷进行指纹图像的读取、提取指纹特征、制成特征模板，再通过模式匹配，最终实现身份的自动识别。每一个人都有自己独特的而且终身不会变化的指纹。指纹识别技术可靠性高，识别简便，是一项成熟的生物特征识别技术。在应用面上也体现出无与伦比的优势，目前国内外指纹识别应用已经覆盖了公安刑侦领域、公共安全领域等。由于指纹识别技术是将输入的指纹和数据库中预存的指纹模板进行比对从而验证身份，因此要求指纹信息数据库的容量足够大，并且要不断更新。人脸识别技术是近年来迅速发展的生物识别技术一种生物识别技术。人脸识别技术涉及了计算机视觉、人工智能、感知学习和模式识别技术等科学领域。人脸识别是通过摄像机读取人类脸部特征信息，分析现实人脸的空间图像映射到机器空间的过程，分析人类脸部共有特征和个体人脸特征之间的关系，形成人脸图像模板，最终实现人脸自动识别。人脸识别技术具有方便、直接、友好等特点，在使用者接受度方面表现极好。但是人脸图像信息的数据量巨大，为了提高人脸识别的运算速度，必须对原始图像数据进行压缩，这就有可能降低识别率，造成一定的误识率和拒识率。签名识别是通过分析使用者签署自己名字的方式来进行身份鉴别。签名识别与指纹识别、人脸识别不同，它属于人类行为识别技术。签名识别分成在线验证和离线验证两种形式。离线验证是使用纸张上的字迹通过扫描仪等电子设备转化成数字图像再与数据库中模板信息比对；在线验证则通过手写板或压敏笔等传感器设备记录签名过程中的各项动态特征数值（写字速度、力度、角度、加速度等）。签名的动态特征是难以模仿的，因此签名的在线验证方式比离线验证方式要更加可靠。此外签名识别与人们平时的签字行为极为相似，因此具有很高的用户接受度。

二、生物识别技术在电子商务中的应用

伴随电子商务的发展，解决电子商务中的安全问题和寻找更加可靠方便的身份认证方式成为进一步发展电子商务的新需求。另一方面，随着全球信息化的发展，生物识别技术在技术发展和市场培育上都日趋完善，人们对生物识别技术的认知度和认可度也不断提高。全球生物识别技术产业化发展程度在不断扩大。2002年11月，中国科学院计算机技术研究所承担的“面像检测与识别核心技术”项目获得突破性成果，该系统能够在1/10~1/20秒之内自动检测到人脸，并且在1秒内完成身份识别。2003年阿拉伯联合酋长国宣布启用基于虹膜认证技术的针对被驱逐外国人的国界控制系统。2006年北京农村商业银行在国内试点使用指纹识别认证，用户可以通过指纹识别认证进入银行系统，自助完成各项操作。2007年中国建设银行和中国邮政储蓄银行分别在全国营业网点内推广应用柜员指纹身份认证系统。2008年北京奥运会，奥运村使用了基于人脸识别的酒店门禁管理系统。2010年波兰BPSSA银行宣布引入采用生物识别技术的自动取款机。国际民航组织确定从2010年起，其所有的成员国和地区必须使用基于人脸识别的机读护照，此项规定已经成为国际标准。此外日本三菱银行开发了基于手指静脉的认证系统用于金库管理。欧美国家将生物认证技术广泛用于医院病人资料库管理、政府信息中心出入境管理、小学生信息管理等多个领域。由此可以期待，在不远的将来，基于生物特征识别技术的更加平民化的电子商务应用走入我们的生活，带来更加安全更加便利的使用体验。

三、生物识别技术对电子商务的影响趋势

现代社会生活各方面都需要可靠方便的身份认证识别技术，尤其是在电子商务领域内，目前电子商务的运营过程中不乏因为过程监控不够周密而出现的货物丢失、冒领，并由此引发纠纷事件。未来，基于生物识别技术的身份认证识别能够覆盖电子商务的全领域，彻底解决电子商务运营过程中的身份认证问题。

1、在电子商务领域内的全领域覆盖电子商务在运行过程中涉及了买卖双方的身份认证、订单信息认证、支付安全认证、物流运输安全认证等多项认证。其流程之繁琐，认证技术运用频率之高是其他行业所无法比拟的。可靠便利的生物特征识别认证技术能够确保电子商务系统的正常运转。未来，电子商务的买卖双方可以通过生物特征认证技术证明自己的身份；通过生物特征认证和数字签名的双因子认证确定订单的真实有效，并完成相应的支付；物流公司的物流派送人员通过指纹验证确认接收到需要派发的货物；最终收货人通过提供带有生物特征信息的签收信息表明身份，确保货物安全送达。由此，生物特征技术确保了电子商务安全领域内的安全性、可用性、可控性、保密性和不可否认性，保障电子商务系统正常有序运行。

2、多项生物特征融合应用从目前的应用看来生物识别技术虽然前景良好，但仍存在有漏洞。例如，利用塑胶可塑性的特点采集指纹应对指纹验证系统；利用3D打印技术欺骗静态人脸识别验证系统。多项生物特征的融合使用就是生物特征识别技术的多因子验证。这种对多项生物特征的采集、融合、联合验证的新型理论和技术就是生物特征识别的未来发展趋势。该项技术能够对所采集的生物特征信息进行多方面、多级别的处理，得到更加完备的数据特征信息，从而完成精准度更高的身份认证，为安全可靠的身份认证技术的实施奠定了基础。

四、结论

篇3

013年，毛明杰与团队骨干从虹软离职时，对拍照软件市场做出了这样的判断：不是红海，而是火海，美图秀秀等产品早已经具备化腐朽为神奇的力量。

即使如此，这个团队仍然要杀入火海。他们开发的移动端应用“美咖相机”，核心技术为人像处理，最大的特点是能够在不破坏照片整体真实性的前提下呈现更自然的自拍美化效果并具有“一键化妆”等功能。

怎样想到做这款产品？

毛明杰的老东家虹软（ArcSoft）并不被人熟知。其实它是一家来自美国的影像处理公司，在中国有三个研发中心。三星、卡西欧等手机、照相机厂商越来越卓越的拍照功能背后，是虹软这个隐形冠军在提供技术支撑。

毛明杰与团队带着在虹软的技术积累创业时，支持他们纵身跳下“火海”的是这样一个论点：西方人比较喜爱相机的滤镜功能，而中国女生自拍的首要目标是让脸蛋显得更漂亮，而不是让图片整体看起来高大上。这种需求的驱动力极其惊人，背后是中国女生的小心机，希望自己的图片像没有PS过的样子，让别人称赞自己天生丽质、好气色，其实这与裸妆的道理是一样的。

产品特点是什么？

美咖追求的效果是通过更好的人像识别和处理能力让图片中的人美得更加自然，操作更加智能。

毛明杰从数据后台观察过，用户使用美咖处理图片之后直接分享到社交平台的比例并不高，只有不到20%。后来他发现其中的原因是：很多女生先用美咖修图然后保存，再通过微信或微博客户端发到朋友圈或微博上，是为了避免图片下方出现“来自美咖相机”这样的字眼。

然后是自拍后的一键化妆功能。这个功能对人像识别的技术要求更加苛刻，因为妆容需要与眼睛、嘴巴等部位的边缘进行贴合，而这些部位的边缘为不规则的弧度，用手工的方式去调整，不仅费时，而且很难调整准确。

美咖相机最终实现了用技术手段进行五官轮廓的自动检测与调整。由人脸识别技术带动的智能化是美咖的主要目标，智能性达到一定程度之后，瘦脸、大眼就没必要由用户自己去进行一些弧度的调整，只需要拖动一个进度条，选择需要“瘦”到什么程度。

毛明杰认为人脸识别技术的价值还会继续发酵。美咖这款产品具有工具性，而工具性产品的特点是，虽然竞品众多，但是用户尝鲜使用新品的热情总是很高。

未来有哪些打算？

拍照软件市场毕竟是“火海”，除了App的主要功能之外，毛明杰为这款相机软件想到了更多的可能性，例如化妆。

以往其他移动端产品也曾有化妆类功能。而美咖追求的是妆容的多样化，这些妆容会像滤镜那样被无限开发，之前有一款“蜘蛛装”就被刘若英分享了出来。女生们都会好奇自己化不同妆容的样子，在美咖这里她们可以以零成本进行尝试。

篇4

早几年，若是有人提及这样的话题，定会被认为是天方夜谭。然而现在，计算机“看图识字”已经不是什么稀奇事儿，它们不仅能够识别出汉字和英文，还能够认出在我们看来似“天书”般难懂的藏文，维吾尔文、阿拉伯文……那么，文字识别究竟难在何处?这一技术的出现是仅仅为了民族的荣誉感，还是有其更加深刻的社会价值?……随着清华大学刘长松副教授的讲述，掀起文字识别的盖头，我们看到

THOCR97，汉字识别的新阶段

文字识别是世界公认的难题之一，在我国，进行汉字识别研究的单位大约只有十几家，而一直坚持下来并且做出成绩的就更是寥寥无几了。因此，谈到文字识别，就不能不提到一个重要的团队――清华大学智能图文信息处理研究室。

该研究室隶属于清华大学电子工程系图像图形研究所，同时也是清华信息科学与技术国家实验室(筹)的一部分。自上世纪80年代起，该研究室就开始从事智能图文信息处理，特别是文字和图像的识别理解研究，致力于赋予计算机视觉感知功能。在汉字及多文种文字识别、多模式生物特征身份认证方面取得了多项具有国际领先水平的研究成果，承担了多项国家自然科学基金项目及“863”项目，形成TH-OCR系列文字识别软件和TH-ID生物特征(人脸、笔迹等)认证软件产品，并成功地进行了产业化推广，广泛应用于国内外市场，与微软、诺基亚、西门子、三星、IBM、惠普等多家国际知名公司开展了技术授权和研究合作。

刘长松副教授就来自这个优秀的团队。

从事文字识别理论和技术研究以来，刘长松勤勤恳恳，历经十余年的努力，在文字识别的理论研究、技术应用和产业化方面都取得了突出的成绩。他多次参加“863”计划和国家自然科学基金等重要课题的攻关工作，并参与国家标准GB/T18790-2002“联机手写汉字识别技术要求与测试规程”的制定，在“863”专家组组织的评测中多次独占鳌头，而他作为主要完成人之一的“THOCR97综合集成汉字识别系统”更是汉字识别技术发展史上的一个里程碑。

THOCR97综合集成汉字识别系统是在国家“863”计划的支持下和国家自然科学基金项目的资助下，由清华大学电子工程系丁晓青教授领导，经过十余年的不懈努力，在印刷、联机和脱机手写汉字、手写数字识别等综合研究方面所取得的创新和成果的总合。清华THOCR系列软件是以THOCR97综合集成汉字识别系统为技术基础形成的，包括清华OCR/6.0/7.0/7.5/8.0/9.0版本、文通笔、清华文通表格数据录入系统等。

“它主要包括四个方面的内容：首先，是高鲁棒性印刷文本识别子系统，一般印刷质量的文本识别率可高达99％，其次，能同时兼容连笔和较少笔顺限制的联机手写汉字识别子系统，书写自如，准确快捷，且具有自学习功能，可适应特定的书写风格，识别率高达98％；第三，较高识别率脱机手写汉字文本识别子系统，对最困难的自然风格脱机手写汉字识别问题有了突破性进展，并初步达到实用程度；第四，高识别率手写数字识别和手写数字统计报表自动识别子系统，从技术层面解决了各式各样表报的识别问题，为统计报表自动识别应用打下基础。”

正如刘长松所言，THOCR97综合集成汉字识别系统是国内外首次推出的能同时识别多文种(汉、日，英)印刷文本、联机手写汉字，脱机手写汉字文本和手写数字的集成文字识别系统，为汉字自然和快速地输入计算机给出了一个统一解决的方案，是一个有意义的创举。上述多文种OCR以及联机和脱机手写汉字、数字识别的集成系统，作为一个整体居于国际领先水平。

其实，有了这一系统，对于国人来说，最方便的就是能够像正常书写汉字一样，自然简捷地输入各种汉字和字符，不必再为了适应键盘输入去学习各种输入编码的方法而苦恼。“因为键盘本来就是为西方文字输入而设计的”，刘长松解释道，“这种键盘既起源于西方文化，自然比较适合西方人的习惯。而对成长在东方文化背景下的东方人来说，西式键盘不能直接实现东方式的书写，无形之中就竖起了一道障碍，尤其我国的汉字，更是深受其苦。综合集成汉字识别系统的出现适逢其时，成功赶走了横在中国人面前的一大拦路虎，使其利用计算机去进行信息处理时不再有障碍。”不仅如此，THOCR97也是许多后续研究的重要基础，在此基础上，他们又实现了多文种(中、日、韩、藏、维吾尔、哈萨克、科尔克孜，阿拉伯，蒙)识别系统、原式原样的版式自动复原的电子出版物制作系统，用于手机的联机手写和手机拍照图片的OCR系统等一大批成果。

曾有评价说，“THOCR97综合集成汉字识别系统开拓了汉字识别研究发展的新阶段。”的确，在经过一番推广应用后，该系统成果取得了良好的社会效益和经济效益，刘长松也作为主要完成人之一被授予1998年度教育部科技进步一等奖和1999年度国家科技进步二等奖的荣誉。然而，他眼中的成功却不止步于此，“希望能进一步提高系统的综合性能和应用性能，加速商品化，更好地满足实际应用需要，更广泛地将THOCR97综合集成汉字识别系统在信息化事业中推广应用。”刘长松如是说。

应用是科研的“真命题”

正如刘长松一向所推崇的，他认为，科研成果只有在信息化事业中推广应用，为人们的生活带来便捷才是真正的归宿。因此，让成果主动走向产业化，就成为他科研生涯中的重要一步。

2001年，作为项目负责人，刘长松攻克了国家金税工程的核心难题之――“增值税发票扫描识别系统”。其主要特点体现为，可以通过自动识别发票上的字符，为防伪税控系统判别增值税发票的真伪提供依据，使整个增值税发票防伪税控系统具有可行性。自研制成功后，该系统已经通过了国家税务总局亲自主持、严格把关的评测，鉴定结果显示其在技术上处于领先地位。结果一出，整个团队人心振奋。在他们的努力推广下，目前，数万套“增值税发票扫描识别系统”已经广泛应用在全国各地的各级国税局内部，为防止虚开、伪造增值税发票，保证国家税收增长做出了重大的贡献。

但是，他们并没有止步于此，通过对生活的细致观察，他们了解到企业一直在为去国税局排队等待而深感苦恼。于是，在此基础上，他们逐渐把增值税发票扫描识别系统发展到直接应用在企业端，如此一来，企业就可以把该系统的识别结果通过网络上传到国税局，直接完成发票认证的工作，

免去了耗费大量时间去国税局排队的麻烦，大大提高了工作效率。目前，该系统的企业端用户已经超过10万，仅增值税发票扫描识别系统带动的扫描仪销售产生的直接经济效益就远远超过3亿元，其社会效益更是极其巨大。

“文通笔”也是刘长松的一个精彩手笔。其全称为“文通笔手写输入系统”，是一种精确度极高的联机手写汉字识别系统，能够把手写板或触摸屏输入的手写笔迹识别成文字。这一项技术由清华大学智能图文信息处理研究室的合作伙伴――北京文通信息技术有限公司进行经销，其识别正确率可高达98％。“文通笔所提供的是一种方便舒服的输入方式，书写者不需要学习其他任何的输入法，就按照自己平时的书写习惯，便可以直接将汉字‘写’入电脑，和平时写字没有任何的区别。尤其对于经常要书写文稿的人来说，作为一种自然、快捷、准确的录入方式，文通笔无疑是上好的选择。”介绍过文通笔的性能后，刘长松转而又说，“不过，现在新一代的文通‘慧视’产品已经问世，这一代产品比原来的文通笔更加具有优势，已经大量在PDA和手机等设备上推广，拥有巨大的市场潜力。”

可以说，为了文字识别领域的科研成果转化为高技术产品，刘长松一直不遗余力地贡献着自己的力量。功夫不负有心人，在他以及团队共同的大力推广下，大量的科研成果很快得到了转化，他所负责开发的产品也取得了“文通笔手写输入系统”、“TH-OCR MF7.50综合集成汉字识别系统”，“TH-OCR 2000自动电子出版物制作系统”、“TH-PlateID车牌自动识别系统”等多项软件著作权。他最新主持研制成功的运行于手机上的名片与联机手写文字识别引擎，有可能成为继手写识别后另一个重要的应用。这种可用于手机、PDA的嵌入式联机手写中文识别系统，现已广泛应用于三星、波导、联想、NEC等手机中，为越来越多的人所熟悉。他积极参与了同Intel、IBM、诺基亚、西门子、Xerox、Scansoft、Microsoft等公司的国际合作项目，所负责的中日韩文识别引擎被用于亚洲语言版本的Microsoft Word软件中，产生了重大的影响。其研发成功的车牌照识别系统也达到了目前所见到的国内最高的识别率，已经在移动交通稽查，高速公路收费等领域推广使用。“集装箱号码识别系统”更是被成功应用在美国纽约等地的港口。除此之外，他还大力开发了文通e-Card名片识别系统、身份证识别系统的核心技术模块以及广泛用于银行票据识别、手写考卷评阅等领域的通用表格识别核心技术。这些产品在市场上都产生了广泛的影响，取得了很大的经济与社会效益。

“研”无止境

汉字，是中华民族悠久历史的重要结晶，其数量之多，令人咋舌，仅一部《康熙字典》就包含了4.9万多个汉字!数量宏大、构思精巧，均为世界文明史所仅存。长期以来，字形编码和拼音编码一直流行于世，其运作原理是利用人工将汉字拆分以适应为西方文字设计的键盘输入，但由于其效率较低，并不适用于需要处理大量文字资料的办公自动化、文档管理、图书情报管理等场合。这种方法对于解决高速汉字信息化问题来说，决不是一个最佳的途径。汉字识别技术呼之欲出。

尽管在人们进行信息处理的过程中，文字是相当重要的一部分，但和识别算法的困难程度相比，汉字识别对设备要求的特殊性限制却比较小。而且由于汉字作为非拼音文字具有唯一性，利用文字识别等高新技术来为我国的传统汉字文化服务，代替人工键入，实现汉语信息自然、高速和自动的“比特化”计算机输入，对抓住历史赋予我们的千载难逢的发展机遇，壮大我们的国家，具有深远意义。

对于自己所从事的研究，刘长松更多的是热爱。然而，自幼时起便对电子收音机、计算机程序等电子类东西十分感兴趣的他，最初学习的，却是和电子似乎风马牛不相及的工程力学专业。或许是纠结于心的那份对电子的情结，决定攻读硕士学位时，他依然选择了电子工程。

因为热爱，所以执著。1995年，他以优异的成绩毕业于清华大学，拿到了电子工程系的硕士学位。从此，年轻的刘长松全身心地投入到文字识别的研究之中，十余年如一日，取得了丰硕的成果。

对于TH-OCR系统的研发，清华大学从来没有放弃过，自1985年起，在国家“863”计划的支持下，这一项目持续至今，已升级到9.0版本。其突出特点为：汉英双语同时混排，识别率最高，居世界领先水平；可以识别黑白、灰度、彩色图像，读取多种图像格式；首创对识别结果进行电子文档版面复原功能；首创日文、韩文，日英混排识别功能，识别率98％以上，连续三年被中国软件行业协会评为优秀软件产品。现已应用到包括电子政务、电子出版物、报社、银行、邮政、图书馆等多个领域，成为国内OCR市场的先锋。

TH-OCR2007文通数据录入工厂则是又一典范，融入了诸如PDF直接导入、导入文件夹、导出公文PDF，系统托盘、导入图像格式的选择、多语言界面、自动检视栏等多项新功能。实现了计算机自动识别处理：保证每人每天能够录入20万字；可识别中英日韩4国文字，其中包括中文简繁体，而且支持中英、日英、韩英混排识别，减少校对工作量80％左右，错误率在万分之一以下；可以恢复图像的任何一点细节，使信息得到最完整的保留；可以生成任何常规格式文件。它将电子文档应用到各类数据库、电子出版物、数字图书馆、网络资源等新型资源建设成再版图书生产，是行业数字信息化不可或缺的重要组成部分。

如果说上述的几个例子可以把刘长松的成果形象地展示在众人面前，那么下列的光环无疑是对他这份答卷的评分。

1996年，他荣获联合国技术信息促进系统(TIPS)评选的“发明创新科技之星奖”；1998年，凭借“THOCR97综合集成汉字识别系统”获得教育部科学技术进步奖一等奖；1999年，该系统获得国际经济评价(香港)中心授予的世界华人重大科学技术成果证书；2000年，“THOCR97综合集成汉字识别系统”又一次被荣誉的桂冠打中，喜获国家科技进步奖二等奖；2003年，“高性能东方文字文档智能全信息数字化系统”先后捧得北京市科技进步奖二等奖和国家科技进步奖二等奖；2005年，“多字体印刷藏文(混排汉英)文档识别系统”被授予北京市科技进步奖三等奖；与此同时，“统一平台上少数民族文字(藏，维、哈，克，朝)文档识别系统”也没有空手而归，顺利取得中国电子学会电子信息科学技术奖二等奖的好成绩；2006年8月，他被评为信息产业科技创新先进工作者的光荣称导2008年，入选教育部“新世纪优秀人才支持计划”。

篇5

盗车地点距婴儿被埋地点不到40公里，也就一个多小时的路程，却历经近40个小时、动用上万警力的“全民搜索”。最终的结果却是嫌犯主动到公安机关自首，婴儿被不幸掐死抛尸雪中。有网友质疑，长春市斥资上亿元建设的“火眼金睛”——天网工程，在此次破案过程中成了“睁眼瞎”，莫非又是一宗“豆腐渣”工程？

据新华社2010年8月报道，“吉林省长春市‘天网工程’二期建设8月11日启动，由长春联通独家承建。二期建设3年完成，届时长春市将实现所有单位、所有路口监控探头全覆盖。目前，长春市监控探头数量已达到5.8万个，今年年底，监控探头要达到6万个。”

对这样一个“智慧”城市，一位长春市民表示怀疑，她说：“7点多在长春偷的车，8点多跑到公主岭了，被盗车是市民报警找到的，嫌犯是自首抓到的，而平时如果有车辆闯红灯都能监拍到，我想问下，1.4亿的天网工程是专门用来抓违章罚款的吗？ 好好反思吧，别让悲剧再次上演。”

全城数以万计的监控摄像头，车辆信息明确，理应很容易从视频中追踪到车辆动向，甚至是拍到驾驶者相对清晰的图像信息，但是为什么现实情况不是这样？为什么直到发现被遗弃的车辆的24小时，都没有发现明确的车辆行驶动向线索。这次深刻的教训给每一个从事城市监控系统建设的人敲响了警钟，值得我们好好反思，并从中汲取经验教训，弥补系统不足，使监控系统真正成为人民的保护神。

一、长春事件暴露出城市监控系统存在的问题

城市监控系统建设的初衷就是通过高清且无间断的视频技术，对序列图像自动分析，对监控场景中的变化进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，能在异常情况发生时及时发出警报或提供有用信息，有效协助安全人员处理危机，并最大限度地降低误报和漏报现象[1]。但从此次事件中，我们看到了长春市天网系统，甚至其他城市天网系统中的一些共性问题：

（一）监控探头部署不够合理，易存在监控盲点

在监控中，如果卡口设置的不合理，导致视频监控范围无法合理覆盖，我们认为这是存在监控盲点；另外一种情况，如果该范围已经被覆盖，但是由于设备配置缺乏分析和检索能力，也可以认为是一种监控盲点，因为这些视频数据对业务处理没有任何帮助[2-4]。例如长春事件中，如果重要卡口设置合理，而且具有一定处理和分析能力，那么在各个监控中心进行临时布控后就能及时发现跟踪车辆动态信息，这些信息时效性很强，如果当时没有发现，在以后的回放中，对突发事件的处理意义不大。

（二）对于海量视频信息的智能分析和检索能力较弱

对于动辄上千甚至上万个监控点的视频监控系统，若不借助智能化的监控平台，单凭人工根本无力管理和应用监控系统获取的海量视频信息资源，这样的系统也就丧失了应该拥有的事中报警能力[5]。但在传统的建设中，我们非常重视探头数量这个硬指标，而对视频数据的处理能力不够重视。在应用系统进行业务处理的时候，面对海量数据信息，依靠手工处理，会耗费大量的人力物力，而且效果甚微。以50路存储的720P（100万像素）视频格式录像信息为例，它每天产生大约1TB的数据，更无法想象一个城市每天产生的数据量，海量数据对于我们关注的热点事件来说存在大量冗余。只有与智能化技术相结合，通过将系统监控到的情况与系统管理方案作对比，才能自动地分析检测出存在的隐患并及时报警[6-7]。在长春事件中，如果系统具有海量视频的智能处理能力，就会在很短的时间内，识别和发现目标，并进行定位，或大大缩短刑事案件的侦破时间。

（三）各种因素制约导致严重的信息孤岛

监控系统功能的实现很大程度上依赖对大量视频数据进行时间和空间上的分析，局限于一点或者是很小区域的视频数据不能产生关联的、有价值的信息。但在监控系统中往往存在由于管理机制、系统兼容性、缺乏统一调度等因素产生的信息孤岛，这导致大量的视频信息是孤立的或者是离散存在的，无法全面记录和跟踪我们关心的事件，这个系统短板严重弱化了视频监控系统的建设目标。例如长春事件中，在犯罪嫌疑人盗车和掐死婴儿一个小时内，警方已经接到报案，而且他在从长春市区逃往至公主岭一个小时的途中最少也要经过两个卡口系统，但一小时之后，公主岭市公安卡口系统还没收到相关信息，使被盗汽车的踪迹未能被及时发现。在信息明确的情况下，导致这种情况的主要原因可能有两条，一是卡口系统未能通过网络及时接收到被搜索车辆信息和指令，导致嫌犯逃逸。二是在以视频监控、车牌识别等技术为依托的卡口系统因相对“孤立”，即使发现可疑车辆却无有效信息匹配，这样也会给嫌犯造成逃窜机会。

（四）缺乏契合业务的监控整合平台及应急联动机制

监控视频最初的出现，仅作为一种基础数据，提供两种基本功能，即实时监视和远程回放，并在此平台上拓展出一些特定的应用，例如道路监控、破案、打击罪犯等。随着安防监控的不断深入以及安防应用的不断普及，以前各个安防子系统独立的问题也逐步显现出来：一是各安防监控子系统相互独立，缺乏联动，发生紧急事件时，不能高效发挥预警联防的作用；二是各个安防监控系统独立管理，管理与维护效率低下，人力物力浪费明显。在长春事件中，如果有安防监控整合平台，警方在接到报案后，可以启动应急预案，给各个监控单位提供被盗车辆的特征数据（车辆信息、车牌号码等），各单位利用人工或者是智能监控技术及时布控，第一时间发现车辆的位置信息，这样能大大提高处理效率，避免悲剧的发生。

二、思考与建议

从上面问题分析中发现，只有在技术应用和业务机制两个方面对天网系统进行改进与提升，改变目前过于追求探头的数量和覆盖面的工作误区，积极应用先进的信息处理技术（如GIS、人脸识别、车牌识别、海量数据挖掘等），建立技术与业务的紧密联动，才可以在关键时刻提供强有力的技术与业务支持，发挥安防系统的最大作用。

（一）技术应用方面

1.完善GIS与视频监控系统的进一步融合

GIS技术作为空间信息处理与分析的有力工具，可从三个方面提升视频监控系统的性能。首先，在“监控探头部署，消除监控盲点”方面，可依托GIS系统进行全局分析，合理部署视频布控点，对于关键的卡口进行设备优化和升级，提高卡口的智能化处理程度。同时，依托GIS平台定期对视频覆盖情况进行评估分析，减少监控盲点。其次，在“空间可视化分析和展现方面”，可利用GIS本身强大的空间信息检索、空间数据分析以及空间数据表现功能，将监控系统位置信息与城市道路、卡口、危险源、人流集中地等数据叠加，通过二维，乃至三维的可视化手段将所有数据匹配起来，在详尽准确的视频数据基础上，为城市管理和应急指挥提供空间分析结果和可视化决策支持。最后，在“应对突发事件中的紧急预案与调度方面”，可通过GIS分析手段，从空间角度分析犯罪活动的分布、规律、特点，并把这些经验转换成具体的措施；在应对突发事件中，与视频运用相结合，在及时掌握现场情况的同时，提高接出警的响应速度，合理、高效地配置警力资源，迅速、有力地制止犯罪活动。

2. 提升视频监控系统智能化水平

智能化将是未来城市监控系统至关重要的核心业务，前端强调实时智能化分析，后端加强数据分析和检索能力，真正从海量视频中得到有价值的数据。目前可以应用的视频智能化技术主要包括：

智能存储：即只存储有价值的相关视频图像，实现重要图像信息的长期保存，并在中心建立数据库，存储每个录像的索引信息，如目标进入、离开、出现于警戒区域，目标奔跑、快速移动，人员聚集等，为智能检索、回放提供基础数据支撑。

智能检索：力求通过检索目标照片，方便地检索到该目标在监控区域内的所有活动的录像，或基于目标的特征（如着红色衣服的女子、黑色的小轿车）检索指定时间、活动范围内的录像资料，从而大大节省办案人员挖掘线索、办案取证的时间、人力、物力和财力，提高案件的侦破率和监控系统的应用效能[9]。图像信息与公安其他信息的交互、联动是城市监控报警联网系统建设的发展趋势。

智能分析：是视频智能化的核心技术，在城市监控系统有着非常重要的作用，主要包括人脸识别、车牌识别、行为分析等。通过智能分析技术可以将视频监控由被动向主动转变，让监控人员从繁琐的操作、海量的信息筛选中解脱出来，并帮助他们更高效、更精确地管理监控目标[10]。例如：应用视频智能分析技术可从视频图像中将影像中的人、车或特征物体的状态从背景中分离出来，加以辨认、分析和跟踪。也可预先设置目标穿越警戒线、进入、离开、出现、消失于预定区域，或者在预定区域内滞留、徘徊，以及目标被遗弃、取走、密度、运动、大幅画面变化等安全规则，而后比对所跟踪对象的行为模式与预设的安全规则，若发现违规之处，立刻通过网络发出报警信息显示在应用平台上，同时把信息记录在管理服务器上以供未来调阅、复核。这样可依据不同应用需求的安全策略，在潜在危险的征兆之初，即可侦测出危机并加以反应，可大大提高城市监控系统的预警能力。

在整体平台中，加强以上三项技术的整合应用，注重功能的分布式实现。对于监控的前端，要加强实时智能分析能力，比如，能够实现火灾预警、人群聚集、人脸识别、车牌识别的功能，存在触发异常条件的情况发生时，第一时间启动应急预案或者相应的处理程序，保证应急事件处理的实时性。对于后端平台，我们既要根据需要，保存完整的数据信息，同时还需要具有一定的数据分析和检索能力，比如视频浓缩、视频自动检索等，实现从数据中挖掘信息和线索的目标。

（二）业务机制方面

1.整合现有视频监控资源，实现资源共享互通和集约化管理

要解决视频监控中目前存在的问题，首先要解决视频资源的整合问题。目前在平安城市的建设中，由于建设周期和建设部门的不同，各种视频资源没有统一的规范和标准，致使出现视频监控中的信息孤岛问题，难以发挥城市视频集群的合力，造成重复建设资源的浪费。我们应该从现有系统的控制中心入手，实现两个统一，即底层视频数据格式的统一和网络通信协议的统一，真正实现数据的共享互联，以便于下一步的集约化管理和统一调度。

2.建立全局化业务管理平台，实现应急条件下统一调度和管理

在实现数据资源的集约化管理后，就需要进行业务逻辑的整合，打破原有系统地域、部门甚至应用功能上的壁垒，根据不同部门的业务逻辑，设定合理的管理权限和资源配置，让各管理部门专注于自身业务，同时在应急情况下，可以进行临时权限分配或者全局管理，实现授权节点对各级节点的数据和业务逻辑的访问和调度，真正达到全局化管理的目标。

3.在整体视频监控平台上构建一套基于工作流程的应急业务处理平台

监控系统一项重要的功能就是满足应急事件处置的工作需要，在应急处理中，需要进行各种人力、设备和资源的统一调度管理，如果这些工作依赖于人工，容易出现遗漏或者效率低下的情况，我们可以建立应急业务处理平台，完善应急预案机制，以标准化的工作流程来指导突发事件处理，同时对这个工作流程进行逐步完善，保证应急处置工作的标准化、规范化和高效化。

三、总结与展望

城市监控系统是城市安全的生命线，自2005年全国首批报警监控试点的城市监控系统建设以来，我国城市监控系统建设步伐已经进入到平稳阶段，目前城市监控系统已经进入到联网监控和业务融合的时代[11]。

但从长春案例来看，目前的城市监控系统建设仍然处于“过于追求探头的数量和覆盖面，与业务结合不紧密，未能形成成熟的业务模式，在关键时刻不能提供最强有力的技术支持”的阶段，急需从先进的技术应用与有效的业务机制两个方面予以提升和整合。

所以，未来的城市监控系统首先应该在时空布局上能够做到全天候、全覆盖；其次在管理上做到“三个到位”：职责分工到位、制度建立到位、责任落实到位；且在业务上实现资源共享，统一调度与管理，做到“事前预判、事中报警、事后取证”；还要加强GIS以及智能化技术的应用，特别是车牌识别、人像识别、数据及流量统计、图像分析、智能化检索与查询等技术的应用，提高监控系统的性能和效率，为城市安全和应急工作提供技术支持和保障。

参考文献：

[1]汤志伟，吴晶.城市报警监控系统的发展现状及趋势[J].技术应用， 2011， 30-32.

[2]黄樟兴，黄科鸣.城市管理远程监控研究文献综述[J].大众科技， 2012，14（154）： 264-267.

[3]蒲豫园.城市轨道交通数字视频监控系统的发展前景[J].铁道通信信号，2006，42（4）： 57-58.

[4]郑岚，马绪鹏，马韵洁.城市交通视频监控模型研究[J].科技信息，488-489.

[5]孔云峰.地理视频数据模型设计及网络视频GIS实现[J].武汉大学学报（信息科学版）， 2010，35（2）：133-137.

[6]郑泳冰.基层公安机关城市监控系统建设存在的问题及解决途径[J].公安研究，2008， （3）：31-34.

[7]宗文杰，余青松，张敏，等.基于GIS的视频监控系统研究[J].计算机工程与设计，2011， 32（2）：745-748.

[8]许田犬.视频定位技术在城市公共安全视频监控系统中的应用[J].遥感学报，2007， 17（6）：53-57.

[9]林夏，陈义华.基于GIS与Android的移动视频技术研究[J].多媒体技术及其应用，2012， 8（1）：159-162.

篇6

关键词：视频监控；传感器；DsP；FPGA

对于每个人而言，平安是幸福生活最基本的要素之一，而如何保障平安生活，无疑需要时刻有一双慧眼的保护。无论是生活安全的监控、突发事件的预警、交通违章情况和流量监控还是重点场所的安全保障，甚至山林火险监控、边界和领海各种情况的监控等，都需要先进的智能数字视频监控系统做保障。

具体到中国，人口众多地域辽阔的特点仅仅依靠人力很难满足保障国土安全、人民安居乐业的需求。因此，无论近年来全球经济如何动荡，中国的公共安防市场却总是保持旺盛增长的势头。

“平安中国”计划的推广，特别是随着2008年北京成功举办奥运会过程中，国产的监控产品广泛被采用，表现不凡，进一步引发了国内数字化视频监控产业的发展。

数字视频监控系统是以数字视频处理技术为核心，综合利用光电传感器、计算机网络、自动控制和人工智能等技术的一种新型监控系统。数字视频监控系统除了具有传统闭路电视监视系统的所有功能外，还具有远程视频传输与回放、自动异常检测与报警、结构化的视频数据存储等功能。与数字视频监控系统相关的主要技术有视频数据压缩，视频的分析与理解，视频流的传输与回放和视频数据的存储。

技术发展趋势

TI DSP业务发展经理郑晓龙认为，数字视频监控的核心技术主要有四种，即视频压缩、影像处理、视频显示和视频分析，如图1所示。回顾数字视频监控的发展历程，数字音视压缩技术的发展导致了压缩标准的制定，数字音视压缩技术包含视频编码和解码。在视频监控应用中已由MPEG4过渡到H.264而成为主流，而SVC作为一个效率更多的标准也将接受市场的考验。在各种宽带和无线数字监控系统中，既有多通道处理的需求，也有多格式、多码率及多视频流的支持。

富士通半导体(上海)有限公司市场部产品经理沈弘人则将监控产品的技术及市场需求概况为五大发展趋势。

网络化

市场需求：消费型客户的需求量较大，对高清需求不多，售价低，以公众互联网布线为主；而项目客户则需求量较少，对高清需求较多，但售价高，且多半以内网／专网布线为主。

技术发展：向高清视频(HD／Full HD)方向发展，可进行实时压缩(H.264)，并经由IP网络实时传送(Real-Time Streaming，一般网络的传送递延时间最好不超过一秒。

智能化

市场需求：除传统云台控制摄像头转向／缩放功能外，智能影音分析(前端及后端)的应用需求将越来越多。

技术发展：智能影音分析软件，如移动动物／人脸追踪、危险物(静态物体)监测、火灾监测、门禁人员／车辆计数等。大部分智能影音分析都在后端实施，如中控系统(cMS)，或是软件离线分析，但也有一些智能影音分析功能逐渐开始内置在头端(摄像头)进行重要事件监测及数据分析。

高清化

市场需求：目前市场需求的起始规格为720P 30，进阶规格则为720P 60或1080P 30。而有些应用，如车牌辨识(LPR)，甚至需要1080P 60或是更高的规格。

技术发展：为了满足高清化需求，传感器技术也逐渐走向高阶CMOS(1.3M，2M,5M等)，而CMOS在高动态(HDR)和低照度(10w lux)方面也已经赶上CCD的水平。另外，高阶影像处理器(IsP)、高阶编码技术(H.264)及高分辨率镜头(HD Lens)也是重要的技术发展方向。

安全化

市场需求：数字视频录像(DVR)、网络数字视频录像(NVR)、高容量硬盘(HDD)、磁盘阵列(DiskArray)的市场需求大增，也因而让数据存储更容易、更安全。

技术发展：扩充DVK／NVK到集中式网络储存技术(NAS)或是主从式储存设备网络技术(sAN)以及加强网络防火墙(Fire Wall)，让数据储存更安全，且具备容错能力，灾难备援，以及快速回复数据之能力。

分工化

市场需求：高端监控市场的特性包括应用多元化、规格定制化和少量多样化，且要求存储时间长，因此对质量的要求比一般消费性产品高很多，所以每个组件都应具有最高规格和性能，这也使高端监控的产业链必须达到专业分工。

技术发展：传感器(ccD或CMOS)、高阶影像处理器(Isp)、影像压缩编解码器(cODEC)、网络传输(IP Video Streaming)和高清闭路电视(HD CCTV)等各自发展或部分整合。换句话说，没有一颗单芯片(soc)能完全满足高端监控的需求，当然对于入门级的家用监控系统则可能用一颗单芯片就可以完成。

莱迪斯半导体市场营销副总裁Douglas Hunter则直言未来视频监控两个最重要的趋势是：百万像素摄像机和高动态范围(HDR)照相机。对于半导体制造商，这意味着需要向市场提供器件，提供更高的处理能力，以便处理由兆像素图像传感器和HDR处理需求结合所引起的大量数据的增加。Maxim业务总监，Jim Fox则认为，视频监控市场的整体增长率将保持在5％，10％左右。而IP摄像机这样的具体产品增长率可以达到30％以上。最重要的技术发展趋势除了高清和百万像素摄像外，智能视频分析和成像也非常蚕孽。

当然，趋势总是由市场的需求所推动的。视频监控市场正要求更高的分辨率和更精准的图像内容，包括场景内容和活动的“智能”识别(如车牌号码识别，清点人数的能力，检测侵入者)。可以用被称为视频分析(VA)的自动化软件来处理越来越多的复杂视频监控。为了能够有效、避免产生“误报”，vA软件需要较高的分辨率和HDR处理。这就是对摄像机制造商的要求，以高帧率来处理大量的数据。

摄像头高滴，3D一个都不能少

高清技术将使数字视频监控系统彻底淘汰传统模拟系统，于是在CIF／D1分辨率的基础之上，720p和1080p的呼声很高，视频压缩技术在新的潮流下得到了进一步的提升。Aptina Imaging公司资深业务发展／市场经理Cliff Cheng认为，监控摄像头领域最普遍的发展趋势是转向分辨率为720P和1080P两种格式的高清(HD)摄像头，而所提供的接口选项的数量 增加了，包括千兆位以太网、闭路高清(HDCCTV)以及IP over Coaxial(电缆)，这些都正逐渐成为HD视频的首选接口。多媒体2D／3D图像加速技术已开始引入，HDMI高清接口将成为必需，显示加密技术也许不可或缺。

随着CMOS视频传感器技术的成熟和推广，数字一体化摄像机将融合更多的影像处理技术，其中包括自动曝光(AE)、自动白平衡(AWB)和自动聚焦fAF)技术将有可能被掌握。随着继承有视频前端的单片系统(SoC)的推出，不仅支持上述的3A功能，还有可以支持3D噪声滤波、人脸检测、LDc镜头校正和WDR宽动态等功能。与CCD图像传感器相比，由于CMOS图像传感器具备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，因此在网络摄像头领域的应用也日益增多。高速HD视频摄像头转向CMOS图像传感器的原因之一是CMOS器件固有低功耗的特性。功耗较低的CMOS图像传感器还结合了数项节能功能，如门控时钟(gated clock)设计、可变帧率，以及低待机电流，这些功能均可通过CMOSZ艺技术来实现。

莱迪斯半导体的Douglas Hunter认为，视频监控需要图像传感器有更多的像素以得到更好的场景定义，更好的微光性能，并能够为HDR功能提供足够的数据。关于市场趋势，图像传感器将继续从CCD转变到CMOS技术。更高的兆像素传感器将变得司空见惯。为了增强微光性能，更大格式的传感器可能更为常见。像那些莱迪思伙伴的传感器制造商将对传感器从提供并行接口转向串行接口，以便每秒从图像传感器送出更多的像素数据。

一个新兴的发展趋势是加入宽动态范围(Wide Dynamic Range，WDR)功能，借助wDR功能，视频监控摄像头的放置就不再受到限制，几乎可以放置在任何环境中，包括严苛的高对比度光照环境。Aptina用于监控市场的最新HD和全HD图像传感器解决方案都加入了统计引擎、3D立体摄像头支持、感兴趣区域(region of interest)和WDRXJJ能，将更多的计算工作量从视频分析引擎中卸载，让摄像头的算法可以提供更高的准确度和智能化水平更高的功能性。

媒体处理器百花齐放

回顾数字视频监控的发展历程，数字音视压缩技术的发展导致了压缩标准的制定，于是在高速数字信号处理器(DsP)上得以实现和应用。DsP得天独厚的高性能和低功耗的软件可编程的特性使之成为嵌入式数字音视频压缩的理想处理平台，而在高速通用DSP芯片上集成多个视频接口以及丰富的接口，就成为数字媒体处理器。数字视频监控产品的推陈出新得益于核心处理平台的升级换代，其中数字媒体处理器发挥了重要的作用。单片的通用DsP可以很好地宴现视频数字压缩或智能视频数字分析处理工作，但还需要在接视频接口和前端或后端处理设备，因此系统比较复杂。

TI推出的第一颗数字媒体SoC对于数字视频监控行业的影响极其深远，从而开创了以创新大师达芬奇冠名一个系列媒体处理平台。如图2为数字视频soc集成结构，其中包含有ARM和DsP核心系统，还有视频协处理器(VICP)，以及视频处理子系统(VPSs)。

随着监控行业对高清需求的增加、DsP一统天下的格局在变化。赛灵思公司亚太区市场及应用总监张字清介绍，传统的视频监控由于对运算的要求不高，只需要DsP芯片即可。随着智能分析和高清视频监控成为主流，FPGA的优势逐渐显现。

智能分析的关键在于算法，需要大量的矩阵运算以及乘法器。通常有两种方式来实现智能分析。一是、DSP+FPGA，FPGA作为协处理器，来弥补DSP在运算方面的不足。然而，虽然DSP在信号处理、监控方面具有优势，但其通过执行串行指令进行处理运算、智能分析，一个时钟只能执行一个指令。而FPGA是并行指令架构，可以在一个时钟内执行几百个指令。以运算速度来看，即使DSP的运算达到1G以上，FPGA的速度700M，但显然，FPGA的并行处理仍然要远高于DSP的串行处理。同时，FPGA带有硬件乘法器和DSP核，具有高度灵活的扩展性，目前很多高端视频监控设备已采用这一架构。二是，在DSP中嵌入硬核，用硬核做硬件加速器，但其弹性小，没有扩展性，导致产品差异化低。

FPGA可以在复杂的像素处理方面替代DSP，如高性能视频分析，各种图像传感器宽动态范围压缩，以及高精度图像处理。对于高清视频监控来说，FPGA的作用更是不可小觑。高清监控，数据流量非常大，需要更高的处理能力，并且还要提供自动曝光、高效的自动白平衡和高动态范围等功能，传统DSP已经难以应付，需要FPGA共同完成。

对FPGA在视频监控领域应用非常看好的还有莱迪斯半导体。DouglasHunter认为一个显而易见的方法是从顺序处理转变为并行处理。例如，FPGA是并行处理器件，可以在每个时钟周期比传统DsP处理更多的数据。由于在每个时钟周期能够处理更多的数据，比如LatticeECp3系列FPCA可以使用较低的时钟速度，因此消耗的功耗更少，而顺序处理的器件需要更快的时钟速度，因此消耗大量的功率。

视频分析

视频分析技术业已在数字视频监控领域逐步显露锋芒，从而使得监控真正向智能化的视觉方向发展。视频分析所包含的内容相当广泛，其中有物体检测统计、目标物体识别和监控目标跟踪，还可以设立警戒区进行检测或行为分析。对于摄像机自身的智能化处理，已有视频稳定和镜头受袭告警实用技术。人脸识别技术目前已经开始实现市场化，并已有不少成功的应用，例如北京奥运会和上海世博会。

在谈到数字视频监控新的增长点时，智能视频分析一定是一个热门话题。视频分析从计算机后端分析到前端嵌入式分析，使得其应用范围大大增加，目前已开始启动市场化的进程。TI郑小龙认为，在这过程中通用可编程的DSP扮演了极其重要的角色，从DM642到DM6437或DM6435，许多智能视频分析厂商推出了出色的算法并进入实用。基于现在的达芬奇的C64+核心，已可实现单片的智能视频应用。未来DM8168的C674x将可提供更加强大的高级智能视频分析性能。

在视频监控中的软件算法可以用于两个方面。首先是图像处理引擎中执行一套算法。第二个是帮助人们完成任务的VA软件，如内容和事件的识别。在图像信号处理(ISP)领域，莱迪思从 合作伙伴HelionGmbH那里得到了算法，它提供了业界最快的自动曝光，支持传感器高达16兆像素的分辨率、ISP流水线的HDR(高动态范围)可达192分贝。

MAXIM业务总监Jim Fox介绍，该公司的Mobilygen专利技术大大降低了系统计算的复杂度，在保持低功耗的同时提供最高画质。预先定义的配置和固件API允许开发人员设置比特率、帧速率等参数以及GOP结构、H.264工具等。MAXIM器件支持完整的高画质H.264工具套件，包括8 x 8转换、矩阵比例缩放、CABAC和任意分割尺寸的宏模块自适应帧／场(MBAFF)。先进的固件算法提供图像自适应帧／场(PAFF)编码、加权预测、定制矩阵比例缩放和影视图像反转处理，以达到最佳图像质量。视频输出处理器能够组合实时图像和／或存储图像，其图像覆盖功能可以创建单路输出。该输出可以放大或缩小，通过双向端口发送到另外一个器件或输出，以8位YUV 4：2：0格式或18位RGB格式驱动本地显示器。

行业应用的特殊需求

虽然在所有的应用之中，数字视频监控的基本图像处理相似，不过某些应用确有具体的特殊需求。例如，在工业应用中，高速度和高帧率是捕捉图像细节的必备条件，需要传感器具有全局快门，而不是滚动快门：在医疗市场中，出色的低光照性能和极低的功耗是必不可少的，要求非常低的延时和无损图像压缩：对于交通运输摄像头，需要增强的HDR性能和快速的自动曝光，需要使用带有全局快门的捕捉速度极高的摄像头，以便在夜间光线较暗时读取车牌号码，当有迎面而来的车辆前车灯时，他们也许突然变得明亮。因此需要对不同产业类别的应用根据FW做特殊的应用，以配合特殊产业与厂商的需求。例如工业应用要求高速视频(120-240fps)，但是对分辨率的需求并不是很高(QyGA-VGA)，医疗应用则需要可抛式摄像头，这些特殊功能都需要图像感应器厂商与镜头厂商配合。

这些需求构成了对半导体制造商相同的基本挑战：即提高了数据处理负载。莱迪思Douglas Hunter坦言，半导体制造商必须提供低成本、低功耗并行处理器件，如各种配置的FPGA，针对大的和小的应用提供处理逻辑。他们还必须提供IP，支持不同种类的图像传感器，以及提供低延迟和HDR处理的ISP流水线。

对于交通行业而言，需求又有所不同。如何利用车载摄像机降低交通事故数，减少人员伤亡，控制直接财产损失，是中国汽车电子行业不容无视的重大研究课题和商机，本文通过概要介绍若干系统，为中国汽车电子行业抛砖引玉。值得一提的是，开发针对汽车安全的车载摄像机系统需要汽车电子与汽车生产厂家开展密切合作，从摄像头、视频数据采集、视频传输、实时监视和播放平台等多个方面进行研究，才有利于车厂最终使其产品化。

特别的，车载摄像头需要的高速总线，MOST(面向媒体的系统传输总线)技术目前已经被sO多种车型采用它由MOsT组织来主持标准化与规格化工作。截至目前，已经有ls家国际性汽车厂商和70余家主要零配件生产厂商加盟该组织。

目前已经实现产品化的MOST技术有MOST25、MOSTS0，第3代MOST 1SOMbps技术～150MOST正在开发中。150Mbps可以达到与MOST25塑料光纤同等的传输速度，不用增加物理层成本就可以提高通信速度。采用MOSTls0后，视频传输变得更容易，不仅可以用在休闲娱乐方面，还可以用在车载摄像头等行车系统上。

篇7

一方面，百度宣布停止社会招聘，BAT被曝都在减缓招人。数据显示，2015年1-10月，BAT用工需求同比下降30%。这被认为是非同小可的“过冬”信号。

丨数据来源：公开数据

另一方面，几家新兴公司却重金“抢人”，代表性事件有：

乐视汽车项目，直接瞄准不可一世的特斯拉大规模挖人。

神州专车高调大规模招聘技术人员，百万年薪寻找“下一个英雄”。

今日头条也是百万年薪招聘顶级机器学习人才，单元是美金。

互联网江湖里，“人”对企业的作用，相当于“地”对房地产公司。互联网企业依靠技术驱动，除了数据和服务器，核心资产就是人。因此，人员流动指标被视为判断互联网景气的重要窗口。

一边在收缩，一边在扩张，这样的分裂景象在互联网史上不多见。分析一下各公司的招聘数据，互联网趋势正在发生的调整。

先看两个结论：

1、“狼性”新兴公司正对老牌巨头展开抢人攻势。

2、互联网世界的两大派系“美国派”和“中国派”现合流端倪。

展开分析在后面。

二

先看人才大战中新老互联网巨头的关系。

抢人主要靠两个：薪资与愿景。

哪家公司招人开出的薪资高？智谷趋势统计了互联网招聘网站拉勾网上，10多家代表性企业10月份开出的薪资水平。

先看核心岗位——3-5年经验技术类岗位，以算法和数据挖掘立身的今日头条最大方，开出了3万元的平均月薪，位列第一。滴滴、美团列二、三位，之后是BAT，百度、阿里、腾讯分列4、5、7位。

各公司薪资差异较大，居于头名的今日头条比末尾的携程高出近70%。

1-3年经验技术类岗位，情况类似，头三名没变，滴滴和今日头条并列第一，平均月薪为2.42万元，美团第三。BAT同样处于中游位置。

值得注意的是，招聘技术人才出价最高的三家公司，恰恰就是不久前被一些媒体称为未来BAT的今日头条(T)、美团(M)、滴滴(D)，三家公司被形象简称为“TMD”。

不管对新手还是熟手，新兴公司都开出了更高的价钱与BAT抢人。1-3年经验的技术人员，滴滴、今日头条、美团等三家公司的平均薪资比BAT高21%；3-5年经验技术人员，比BAT高18%。

除了眼前薪资，从愿景角度，滴滴、美团/大众点评、今日头条，这样的正处高速成长期，同时发展具确定性，而且不太可能倒下的新兴公司，比BAT更有想像空间。尤其对技术高手来说，BAT的好位子几乎没有了，能在新兴公司成功卡位，进而获得“财务自由级别”的上市红利，更具诱惑。

新兴公司正在以更快速度更猛力度与老牌巨头展开人才竞争。技术员摇篮百度常常是被挖目标，其内部有一个自我调侃的段子：百度员工平均年龄永远不超过30岁，稍微资深一点就被人挖走了。

三

这种情形在硅谷同理。

纽约时报8月份刊发文章《硅谷“独角兽”挖脚科技巨头谷歌被挖最惨》：随着硅谷创业公司的估值高涨，已将招聘目标瞄准了谷歌和亚马逊等科技巨头。

挖人最狠的是Uber、Airbnb，这两家也正是硅谷风头最劲的“独角兽”(估值达10亿美元以上的新创公司)。被挖得最狠的是谷歌、亚马逊。谷歌招进员工和流失员工的比例一度达到了2:3。Airbnb直接从谷歌端掉了100多名员工。

甚至，创业公司的目标并不仅仅是工程师。谷歌两名厨师阿尔文桑恩(Alvin San)和拉斐尔蒙佛特(Rafael Monfort)，在过去18个月内分别被Uber和Airbnb挖走。

科技界抢人一直遵循旧不如新的原则。几年前有研究者绘出了这样一幅人员流动图，可以看到雅虎全是流出，Facebook全是流入，新旧之间争夺残酷。

四

与过去比，现在中国这批新兴公司更具狼性，可用更快、更高、更强形容。

1、更快。根据硅谷第三方研究机构pitchbook数据，近来成长速度最快的几家公司，它们估值达到10亿美元的时间是：企业软件公司Slack，1.25年；内容分发网络公司Akamai Technologies，1.58年；智能手机公司小米，1.71年；中国版Uber滴滴快的，2.43年。新兴公司的发展基本以月计。这种快速度，容不得企业培养人才，宝洁“管培生”慢招聘模式基本被抛弃。与呈现出爆炸性态势的需求相比，留给市场培养人才的时间极短了。

2、更高。为了速度，新兴公司愿意砸更高的薪水挖人。这背后是风险投资的支撑。风投在当今互联网介入的量级，超过了以往。它的充沛资金，让初创企业短时间内具有了和巨头争夺优质资源的能量。

3、更强。中国新兴公司展现出了比前辈更大的野心和进取心，挖人目标除了国内顶尖公司，还直指硅谷。乐视从特斯拉、苹果，今日头条从微软，挖来了核心技术人员，小米从谷歌、高通挖人，也是如此。

五

如果只是新兴公司猛挖老牌巨头，还只是新陈代谢的传统故事。

现有的数据和动向表明，一些新趋势迹象正在形成。它们与两个大背景有关。

第一个背景是中美互联网两种模式的差异。

1、中国互联网相信“用户为王”，资深互联网分析人士阑夕认为，这是基于13亿人口规模的逻辑推理，“双十一”是最好例证，美国互联网则认为用户不可预测，毫无忠诚(典型例子：从myspace到facbook，从微博到微信)，只有技术的不可替代性最强，也最不容易受到互联网泡沫的侵蚀。

2、从中美科技巨头的投资、并购来看，BAT大多还是以圈用户、圈领域为指向。视频做大了，就把优酷土豆收了；移动出行做起来了，就把滴滴快的纳入版图……而美国科技巨头投资方向一般是两个：高技术壁垒的项目，或者和自己主业有关系的企业。谷歌、微软、Facebook广为人知的扩张举动，是探索无人驾驶、人工智能、生命科学、虚拟现实等项目。这些前沿领域，BAT热情似乎都不高，连热衷人工智能的百度，今年也把外卖、线下商家等服务作为重点考虑。

中美两种模式的分野十分明显，但中国新兴企业里，技术驱动派在明显增多。除了做数据挖掘和信息分发的今日头条，做无人机的大疆，做人脸识别的Face++……形成一道与硅谷文化相辉映的“技术范儿”风景。也因此，新兴公司形成了技术派和用户派两种类型。

从挖人上，可区别。大疆、今日头条等技术派更看重硅谷人才，瞄准谷歌、微软、苹果、特斯拉；而像滴滴这样重用户重运营的公司，关键性动作是从高盛挖来擅长战略与管理的柳青。

看看前面提到的10多家代表性互联网公司在拉勾网的招聘情况，3-5年经验的技术类、产品类、运营类岗位，薪资最高的前三名如下图。

图表透露两点信息：

1、如前所述，技术类岗位前三位都是新兴公司，表明新兴公司在关键岗位上的进攻性。技术类是互联网公司所有岗位中的核心，薪资水平高于其他各类。

2、产品、运营岗位前三位，被BAT或BAT体系中的用户派公司所占据，中国模式依然强大。

六

第二个背景是互联网三国演义。BAT基本垄断了各个领域，自己能做的自己做，自己做不了的，砸钱收至麾下。

新兴公司中的用户派，大都是以互联网来改造传统生意，技术是通用型工具，不是门槛，资金和流量成了最后的决定因素，而这恰恰是BAT的优势所在。因此，用户派初创企业更容易被BAT收入版图。而技术派企业因其有一定的技术护城河，独立性更强一些。

近两年来，由于BAT的扩张，互联网的岗位需求更多地转向运营，决定企业命运的关键，落在运营力量身上。

互联网+的机遇，使BAT的似乎可以囊括一切，无所不包，从商贸，到文化，到金融。有观察者认为BAT有向综合性财团发展的趋向，类似20世纪初美国崛起的摩根和洛克菲勒两大财团，IBM、通用电气、通用汽车、美国钢铁、ATNT，以及花旗银行、大通银行等领军企业都是在这两个财团的体系之中。可以说，在整个20世纪的前五十年，美国的经济社会都是由这两大巨头所控制。

这很自然地引出了两个问题：一，技术派的新兴公司能抵挡得住BAT收购攻势吗？二，BAT三国演义会否扼杀创新？

值得注意的是，摩根、洛克菲勒财团体系的瓦解，缘于六七十年代IT业的兴起。技术是对资本最有力的狙击。犹如IBM雄风不再，微软难言独秀，都是被技术颠覆挑下了马。从经验看，对BAT格局的改变，一定也是技术。

互联网本质是靠技术驱动，如果是建立在运营能力基础上，与传统行业没有多大不同。用户红利是会衰减的。不管是中国模式还是美国模式，最终都要回到行业的本质。

篇8

关键词：大数据；大数据技术；教学改革；教学模式

中图分类号：G424 文献标识码：A 文章编号：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

大数据诞生于人们对数据搜集能力、传输能力、存储能力和处理分析能力的发展和跨越基础上，已在各行业掀起了变革的巨浪，发展潜力巨大[1]。著名管理咨询公司麦肯锡认为大数据是大小超出了常规数据库软件工具获取、存储、管理和分析能力的海量复杂数据集。亚马孙认为大数据是任何超过了一台计算机处理能力的数据量。从宏观角度来讲，大数据是融合物理世界、信息空间和人类社会三元世界的纽带。谷歌借助云计算搜索引擎推动了大数据的应用和发展。在教育领域，在教与学的过程中，也蕴藏着有价值的海量大数据，怎么有效挖掘、分析和利用这些海量数据来促进教学，是当今教育界研究的热点内容。

未来十年将是一个“大数据”引领的智慧科技时代。随着QQ、微信等社交网络的逐渐成熟普及，移动带宽迅速提升，云计算、物联网应用更加丰富，更多的传感设备、移动终端接入网络，由此产生的数据急剧增长，速度比历史上的任何时期都要多都要快。IDC在《数字宇宙膨胀：到2020年全球信息增长预测》指出，数字信息每年按几何级数递增，到2020年，数据量将超出人们想象，达到40ZB。据麦肯锡数据显示，2009年美国教育部某信息系统数据库存储的数据达到近270PB，入选2009全美十大数据生产贡献排名，教育已成为大数据重要源泉之一[2]。

教育意味着未来，抓好了教育，就预示着掌握了未来，所以教育始终是民生之本，是国家和政府高度重视的领域，教育改革始终是一个不断探索的课题。在大数据时代快速推进之际，探索新形势下的教育体制、模式和方法，对促进我国教育发展具有长远意义。

1 国内外对大数据在高校教学中的初步探索

大数据技术必将改变我们的生活，也必将推动教育模式产生巨大的变革。2011年秋天，斯坦福大学一门人工智能网上课程受到热烈欢迎，190多个国家约16万学生参加学习，2万多人通过了考试，获得认证。课程讲授者Thrun教授，创办了在线教育平台Udacity。斯坦福大学的Ng教授，把自己的课程放到了互联网上，全球有十几万人注册，在网上听他的实时讲授，同时还和斯坦福大学在校生做同样的作业、接受同样的考核。Ng教授2012年4月成立了Coursera，和普林斯顿、斯坦福、密歇根大学和宾夕法尼亚大学等大学结盟，提供社会科学、物理、工程学等课程。2012年11月福布斯发表文章《一个人，一台电脑，1千万学生，可汗学院如何重塑了教育》。因为“大数据”的技术背景，哈佛和麻省理工也把课程免费上网，收集最多的学生学习行为数据，研究开发更好的在线教育平台，强化学校品牌效应。

硬件的高速革新和软件的高度智能，国内也掀起了新一轮教育信息化的浪潮。清华大学、北京大学、上海交通大学和复旦大学等，也都开始提供免费网络课程。国内多个省市先后实施了建设教育信息化公共服务平台，推进数字校园实验工作，建立 “数字化学习”试点学校，开发“微课程”，试点“微学位”，开展“翻转课堂”活动、推进1对1“E课堂”教学实践等一系列教育改革新举措。

1.3 研究趋势

现代信息世界已经发酵出第三次工业革命，具体到教育和高等教育领域，云、物联网和基于云和物联发展所带来的大数据趋势，是变革的技术因素，向大数据时代、知识时代跨越。目前仅就知识而言，教育资源所经历的平台开放时代、内容开放时代、校园开放时代是前所未有的。教育发展的未来模式将是：视频成为主要载体，教育资源极其丰富；翻转课堂；按需学习；终生学习；不以年龄划线；距离不再是问题，在学校之外在异地发生等等。

千百年来，知识载体的变化，决定了知识本身的价值。简牍时代，知识被教师垄断，师生的等级观念由此诞生；印刷时代，知识变得廉价，教师的作用变成讲授服务；信息时代，知识更容易获取，教师成为学生的朋友和教学过程信息服务的组织者、主持人和教练。数据挖掘和数据分析软件可以阶段测验学生表现，帮助教育者研究能够预测其效果的学习模式。面向服务、面向创新和面向过程成为教育的重点，云和大数据为基础的教育资源共享、教育模式语言与教育空间设计、学生个性和天性培养成为教育发展趋势。信息时代大量的知识创造和服务业的兴起，行业技能专能和社区教育，将不断壮大发展。高等院校的教学模式、教学定位等都将有很大的变化，推动高校不断创新，成为新知识的生产中心，而不是旧知识的传播中心，催生良好的管理和其他增值服务。

2 大数据对高校教学模式和教学实施的影响

2.1 大数据的4V特性在教育变革中的体现

大数据的4V特性是，Volume（海量的数据规模）、Velocity（快速的数据流转和动态的数据体系）、Variety（多样的数据类型）、Value（巨大的数据价值）。现代教育过程将产生大量的教育数据，海量的知识数据，随着信息技术和通信技术的飞速发展，各种计算机和终端设备实现了前所未有的互联互通，教育内容实现了跨越时空的自由流通。大数据的实时分析与处理，Hadoop（MapReduce技术的基于Java的开源实现）等非关系型数据管理和分析技术和HadoopDB（MapReduce技术和RDBMS的集成），能加速数据查询和分析，具有较好的扩展性和容错性，智慧软件实时诱导跟进评价学生的在线学习。关系型数据库处理结构化数据，而现在非结构化数据（用户评论、应用、位置信息、图片、音乐、视频等）占很大比重（约为85%），产生智慧的大数据往往是这些非结构化数据[3]。视频教学和师生间的网络互动交流将成为未来教育的重要方式，对学生学习过程的记录数据，将对学生的教育规划进行智能化的指导和评价。通过对数据的分析和利用，预测未来发展趋势，开发有吸引力的应用，将产生巨大的价值，为未来教育带来创新模式。

2.2 大数据支撑的未来教育将成为一门实证科学（教育的数据化）

与医疗技术比较，原来的医疗靠望闻问切和经验为病人诊治，现代医学更多的依靠各种检验化验和先进的医疗设备器械，通过报告单、可视化的影像、X光片等精确数据，为疾病的判断和诊治提供科学的依据和证据。尽管病人会抱怨，住院后让做各种检查，该做不该做的都做，但也无可否认，在大量诊查数据的支撑下，现代医疗技术确实提高了很多，治愈率越来越高，人的寿命不断延长。

类似的，教育也将不再是单纯靠理念经验的积累和传承，道德良心自律的学科，而将变成一门实实在在的实证科学[4]。把学生从入校后的所有相关教育信息行为表现，都记录下来，根据这些数据，分析学生的学习过程和个性特质，将为学生的个性化学习和个人成功提供有力的科学依据。

大数据使得查探学生表现和学习途径信息成为可能，学生通过在线学习平台进行学习，其学习行为数据将被记录，系统后台根据不断积累的行为数据对学生进行评估，分析学生的思考习惯和思维模式，创建心理测量图，根据学生的学习进展调整之后的学习内容和重点。实时记录学生的量化学习过程（上课、读书、记笔记、作业、讨论、考试、考评等）和实验的过程结果等，这些数据将作为课程最后考评的重要参考依据。通过聚焦于数据分析，教师可以用更有效的方式研究学生学习状况和学习效果[5]。

2.3 未来教育在技术上的演进

2.3.1 教育技术的演进

教育经历了PC时代的数字化教育（传统的板书变成了PPT投影）、互联网时代的社会化教育（知识的获取更加便利和普及，知识传播更加迅捷）、移动互联网时代的范在化教育（教育不再受时间和空间的限制），现在进入了大数据时代的个性化教育（视频将作为知识传播的主要载体）。传统网络教育、远程教育、网上学堂只是把教育教学转换为视频，通过网络传播，使学生异地学习，只是学习内容的网络化跨地域化。

大数据教育依托网络技术和大数据分析，将有更多的教育手段、要求、方式和内涵等，更注重学生的因材施教、个性化培养、突出个体差异化发展和成功。哈佛、MIT、斯坦福、耶鲁、普林斯顿、伯克利、宾夕法尼亚大学等纷纷把自己的课程免费上网。新一代的在线学习平台和过去的重要区别，在于增加了行为评价和学习诱导的成分，向全世界开放，让最多的学习者在上面学习、使用，同时可以收集最多的数据，使用、研究、分析学习者的行为模式。

未来大部分的老师，是课堂的组织者、学习的引导者、学生学习行为的分析者，而不是知识的讲授者。网络、视频和智能软件，为每一个学习者搭建起一个学习情境，对学习者的学习过程和行为提供持续性的诱导、评价和支持，帮助其培养科学有效的学习方法和习惯等。数据在网上自动整合和跳转，向学生推送学校信息和建议。学生可以和其他学习者交流互动，寻求有效帮助。普适计算的浪潮，网络终端将无处不在，学生可以在任何可以联网的地方学习，而到学校去，则主要是做作业、答疑、讨论、考评等。

2.3.2 大数据教育技术

1）大数据处理模式大数据的主要处理模式有两种：直接处理的流数据处理（Stream Processing）模式和先存储后处理的批处理（Batch Processing）模式。数据流的研究与技术应用已经有十几年的历史了，目前开发和得到广泛应用的代表性开源系统有Twitter的Storm、Yahoo的S4、Linkedin的Kafka和Apache 的Nutch等[3] [6]。批处理模式的典型代表是Google的MapReduce模型。

2）教育大数据分析技术教育分析技术来源于大数据在商业领域的应用，如淘宝网根据用户的浏览轨迹推断用户对产品类别的偏好。教育分析技术以学生群体为主体，借助于网络在线平台和移动终端软件，跟踪采集挖掘分析学生学习的整个过程，以提高学生学习质量和学习效率，并对学生未来需求趋势进行分析和预测， 拓展发展空间，提高竞争力[7]。深度学习和知识计算是教育大数据分析的基础，可视化是数据分析的关键技术和数据分析结果呈现的关键技术。

深度学习深度学习的起源可以追溯到神经网络和后向传播（BP）算法，2006年多伦多大学的Hinton等人提出无监督的逐层贪婪的预训练（greedy layer-wise pre-train）方法，掀起了深度学习的浪潮。近几年，深度学习在自然语言理解、语音识别、人脸识别、图像搜索等应用领域取得了一系列重大进展[8]。而在教育领域，深度学习研究集中在学生线上视频学习时间分析、学生参加网络活动的行为分析等方面。

知识计算对大数据进行高端分析，需要从大数据中抽取有价值的知识，构建成支持查询、分析和计算的知识库。目前，世界各国建立的知识库达50多种，知识应用系统达100多种。知识计算的基础是构建知识库，包括知识库的构建、多源知识的融合、知识库的更新等。教育领域，基于机器学习、信息检索和数据挖掘的智慧软件构建了一个高度个性化的智能网络平台，实时反馈学习过程信息，可以帮助对学生做出评价、对教育做出决策。

可视化技术可视化技术在大数据领域的应用主要表现在数据分析工具的可视化和数据分析结果的可视化[9]。对大规模、高维度、多来源、动态演化的大数据信息，开发可视化分析工具，使普通人员也可以轻松上手操作实现自动分析。对大数据分析结果应用有效的可视化技术（交互式展示、超大图动态化展示），有助于用户理解和辅助做出实时反馈和决策。教育领域，教师可以使用数据可视化工具来研究学生的学习模式，修正课程以引导学生进行有效学习和满足学生个性化学习需求。

2.3.3 大数据处理平台和工具

在原有的关系型数据库RDBMS，很难处理大数据时代产生的大量非结构化数据的背景下，基于Google三大核心技术GFS、MapReduce、BigTable的Hadoop和NoSQL数据库技术应运而生，为海量大数据的处理提供了强大的技术支撑。国内的教育大数据平台，也已经起步并开始应用，如超星公司的超星尔雅和泛雅，已经和国内多所高校合作，用于这些高校的教学，其SPOCs和混合学习的模式，正在渐渐被接受和付诸实施。

2.3.4 未来教育将是一项以支持和服务为核心的系统工程

源于网络和大数据提供的爆炸式的知识，未来教育不再是标准化、归一化、规范化的教育，而是按需学习、终生学习，充分发掘学生自身原有的积极性和天分，实现自组织学习[10]。

大数据时代使人们接收知识更加方便了，但是就和印刷术的发明和普及，使人们接触知识的机会增多了，但教师的数量并没有下降，反而升高了一样。大数据时代，对于爆炸的信息，需要很好的甄别、引导和指导，去除无用的垃圾信息，所以对于学校和教师的需求不降反升。此时的教育，主要是根据学生的兴趣和个性特质，建立“以学生为中心”的智慧教学模式，规划指导跟进学生的培养，与学生有更多的互动和交流，以支持和服务为核心贯穿学生培养的整个过程。

3 大数据在高校教学改革中的应用实施

3.1 我院现状

大数据改变了高校教与学的模式，但这个过程是循序渐进的。我们学院首先在大四学生中进行试点。

大四学生第七学期的学习有这样一些特点，学生基本分为三个阵营：（1）外出培训工作；（2）考研考证照考公务员考选调生；（3）在校内继续学习。基于以上情况，大四第七学期的课堂到课率普遍不高，对大四学生的课程考核也相对宽松，这就造成大四第七学期的课程形同虚设，根本没有达到本专业的人才培养目的和预期，而大四第七学期的课程又基本都是比较重要的专业课、实践课，是专业人才培养方案中比较重要的部分，并对学生未来就业影响颇深。

3.2 改革措施

基于以上情况，我们实施了以下改革措施。

1）个性化差异化教学：大四第七学期的课程全部作为选修课，设置的门数和种类更加多样化，学生根据自己的兴趣和职业发展规划，自由选择其中的4-5门课，选修够最低学分要求，对最高学分不进行限制，鼓励多选。

2）化解学生学习时间和地域限制的矛盾：学习方式改革，利用大数据技术，借助网络，将课程教学视频根据教学安排，上传网络，使学生可以在任何地点自由安排学习时间，这对于在外培训工作的学生，十分方便。对于校内考研和学习的学生，也可以自由安排学习时间，提高学习效率。

3）重视学生学习的过程性评价：学生必须要完成规定的课程学习学时，每次课安排有课前测试，课后测试及作业。课前测试，课后测试，学生能够实时查看到测试成绩，课后作业要求学生在规定的时间内提交，课程教师要在规定的时间内批改完毕，并将成绩到网上，供学生查看，对不合格的作业，要告知学生重做。学生的课程成绩由学习的所有各阶段的所有成绩汇总而成，所以学生必须重视和认真对待每次的学习、测试和作业。

4）师生互动交流：教师和学生间的互动交流方式多样，可以通过线上论坛讨论答疑，也可以利用移动终端的便捷，建立课程QQ群或微信群，进行交流。教师将作业、要求、提醒等信息及时网络和交流群中，引导督促帮助学生完成课程学习。

5）对学生学习的过程性大数据进行分析：学习的过程性数据分析技术，改变了传统教学的经验式模式，为学生提供高质量个性化的学习体验，辅助教师根据数据分析结果，改进教学方式完善教学过程。将学生从选课、学习、考试结课等所有阶段过程中，产生的数据进行汇总分析。根据学生的选课情况数据分析，综合考虑调整专业课程设置，同时对学生选修课程行为进行适当宣传引导。对学生学习的过程性数据进行分析，掌握学生学习情况，挖掘学生学习习惯和特点，以实时调整课程难易度，根据学生特点突出个性化差异化人才培养。

6）教师角色的转变：在新的学习方式中，教师的角色也将发生改变，由原来单一的知识讲授传授者，变为学生学习的知识传授者和学习引导者、督促者、帮助者、考评者。教师将课程内容录制上传后，将不再为每个班一遍遍的重复讲授，大量的时间将花费在教学的组织实施、答疑解惑和对学生学习的引导督促激励监管考核上。学生将有更多的时间得到一对一的辅导和帮助。

4 结论

大数据时代已经到来，未来十年，大数据在高校中有着广阔的应用前景，将成为下一个创新、竞争和效率提高的前沿，我们应抓住机遇，适时改革，使信息时代下的高校教育与时俱进，培养出更多的适应信息社会发展的高素质人才。

参考文献：

[1] 罗军锋，徐菲. 大数据时代的高校信息化框架[J]. 中国教育信息化，2014（3）：11-13，22.

[2] 朱建平，李秋雅. 大数据对大学教学的影响[J].中国大学教学，2014（9）：41-44.

[3] 程学旗，靳小龙，王元卓，等. 大数据系统和分析技术综述[J]. 软件学报，2014，25（9）：1889-1908.

[4] 张羽，李越. 基于MOOCs大数据的学习分析和教育测量介绍[J]. 清华大学教育研究，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]. 盛杨燕，周涛，译. 杭州：浙江人民出版社，2013：148.

[6] 张引，陈敏，廖小飞. 大数据应用的现状与展望[J]. 计算机研究与发展，2013，50（增刊）：216-232.

[7] 冯翔，余明华，马晓玲，等. 基于大数据技术的学习分析系统架构[J]. 华东师范大学学报，2014（2）：20-29.

[8] 陈律. 大数据背景下学习分析技术对教学模式的变革[J]. 中国教育信息化，2013（24）：15-17.