集五种BI类型于一体 工业级商务智能解决方案
集五种BI类型于一体工业级商务智能解决方案
Chinese Simplified (CS) MicroStrategy7i TM White Book
By FirstBI (China) Limited
西城区南礼士路66号建威大厦911室 ? 北京 ? 100045 电话8610 6805 9525 ? 传真8610 6805 9527
https://www.360docs.net/doc/5e13025532.html, ? info@https://www.360docs.net/doc/5e13025532.html,
目录
第1章概述 (1)
第2章商务智能的五种类型 (2)
2.1企业应用情境中的五类BI (3)
2.2工业级BI技术可以满足企业不断增长的需求 (5)
第3章企业级报表 (10)
3.1支持所有形式的企业报表 (10)
3.2用户自定义W EB报表 (16)
3.3高吞吐量的报表生成和报表分发 (20)
3.4无需编程而达到像素精度和印刷品质的设计 (21)
3.5企业级报表小结 (24)
第4章立方体分析 (25)
4.1加速报表分析和操作 (26)
4.2个性化和安全地共享立方体 (29)
4.3自动同步智能立方体数据 (30)
4.4从汇总数据到详细交易数据的任意钻取 (31)
4.5立方体分析小结 (31)
第5章任意查询与分析 (33)
5.1参数驱动的报表查询与分析 (33)
5.2任意钻取——动态创建任意查询报表 (35)
5.3OLAP分析功能 (36)
5.4基于数据集合的进行数据筛选 (38)
5.5用户自定义分组 (39)
5.6任意查询与分析小结 (40)
第6章统计分析和数据挖掘 (41)
6.1分析函数库提供对整个数据库的统计和数据挖掘 (41)
6.2为用户分析函数提供即插即用架构 (43)
6.3与数据挖掘工具的无缝集成 (45)
6.4高级分析与关系型数据库的集成 (46)
6.5多路SQL (46)
6.6统计分析与数据挖掘小结 (47)
第7章报表分发和告警 (48)
7.1通过任意方式的报表分发 (48)
7.2自订阅和基于管理员的分发 (49)
7.3根据客户需求、调度或事件来分发 (49)
7.4自动内容个性化 (51)
7.5报表分发和告警小结 (52)
第8章统一的用户界面和统一的后台架构 (53)
8.1 统一的用户界面 (54)
8.2 单一的后端平台 (56)
概述
第1章概述
本技术白皮书的目的是提供一个用于理解过去15年来市场上主流商务智能(BI)功能范围的框架。另外本文也试图指出市场上现存的大部分BI工具的根本缺陷——这些工具不能在一个单一的架构中支持所有的BI功能。这个缺陷导致了过多的开发成本、过多的开发延迟以及过多的用户不满。最后，本文指出MicroStrategy架构是唯一的能够在单一架构中提供所有所需功能的架构。
在回顾了BI应用和BI技术的历史发展后，本文总结了在过去的十年中五类最基本的BI类型——每种类型都代表了最终用户的一类用法和功能。BI的五种类型如下：
z企业级报表——为信息消费者和高级经理人员使用的格式化控制到像
素级精度的运营报表和记分卡/仪表盘类报表。
z立方体分析——在有限的一组数据集合上进行切片和切块分析。目标用
户是管理者或者那些需要对有限范围内的数据进行安全地和简单地分
析的人。
z任意查询及分析——提供对所有数据完全地探索式查询，以及对整个数
据库进行切片、切块式的OLAP分析。如果需要，分析可以深入到交易
级的详单数据。目标用户是数据分析员和超级用户。
z统计分析和数据挖掘——利用各种数学、财务和统计方法进行全面的相
关性分析、趋势分析、财务分析和预测。目标用户是专业的信息分析师。
z报表分发和预警——根据调度计划或者数据库中的事件触发主动地、大
规模地分发报表和告警信息。目标用户是企业内外的数量众多的信息消
费者。
目前大部分的BI工具只能够提供单一类型的BI应用，这和企业内部BI需求的多样性相矛盾。这种单一性的限制导致了企业BI投资的增加，降低了用户的认可度，限制了每个BI应用的内容的丰富性。大多数的公司对这种限制的存在越来越不满意。
本文指出了现在的企业需要一种BI技术，它能够在BI应用中任意的组合五类BI中的部分或者全部类型。此外，它指出最好的架构应该提供所有五类BI，并且在这个架构中每种类型的BI 都能够：
z无缝地结合，每一种新的BI都在向用户已有的报表中增加新的功能
z通过一个统一的用户界面最大化用户的使用灵活性和用户的接受度
z在一个统一的定义了元数据、安全和用户档案(profiles)的集成的平台之
上提供BI功能，确保在整个企业内部运行单一版本的系统，以此大大
地降低IT部门管理和维护的工作
本文最后指出MicroStrategy 不仅完善地提供了单一类型的BI，而且只有MicroStrategy架构才能在一个统一的平台上通过统一的界面提供五类BI。其他的BI技术都被BI不同的类型所割裂，这就导致了要为每种类型的BI提供不同的元数据、不同的安全和用户界面。
第2章商务智能的五种类型
在90年代的早期，BI应用在几个方向上取得了令人瞩目的发展，例如企业对信息的需求和使用的指数级增长，从主机生成的运营型报表到市场活动的统计模型，从分析师使用的多维OLAP 环境到经理主管人员使用的仪表盘和计分卡——公司开始需要多种方式来展示和分析报表。随着与ERP和CRM等企业级应用系统相关联的数据仓库技术的爆炸性发展，以及计算机文化的全面提高，激发了对BI报表和分析应用需求的指数级的增长。
在这个BI形成期中，公司积极地创造了很多新的方法来利用他们的数据资产提供决策支持、运营型报表和过程优化。在这个发明创造的时代，BI技术的提供商们通过如下实现方法推进市场的发展——通过编写专用的软件实现对每个应用模式提供特别的支持。这些应用模式致使这些软件产品仅专注于下列的某一种类型的BI：
z企业级报表——报表生成器用来生成很好的格式化的静态报表，这些报
表广泛的向多数人发布。
z立方体分析——基于立方体的BI工具向业务经理们提供简单的切片和
钻取分析能力。
z任意查询和分析——关系型OLAP(ROLAP)工具供超级用户对数据库进
行任意的访问，对整个数据库进行切片、钻取，从而分析到最细粒度的
交易信息。
z统计分析和数据挖掘——通过统计分析和数据挖掘工具，可以使用各类
模型进行预测或者寻找两个变量之间的因果相关性。
z报表分发和预警——基于报表分发机制，可以根据订阅、调度或者数据
库中的触发事件向大量的用户群发送整个报表或者告警信息。
在这个时期，大多数企业都从不同的厂商手中购买了不同的BI工具集——其中的每个工具是一个独立的应用程序，只提供了特定的某一种类型的BI应用功能。
如下图所示，我们将五种BI应用类型摆放在一张二维图表中，其中横坐标轴表示用户群类型和规模，纵轴表示分析方法的灵活性和用户交互性。
图1五种类型的BI用以支持从高级专业分析到简单信息分析的全部需求
最复杂和交互式的BI类型仅仅被少量的人来使用，这些人中包括信息分析师和超级用户，对于他们来说数据和分析是他们的主要工作。交互性最少的的BI应用向从高级管理者到员工个人的最大范围的用户群提供的基本的数据和结果。
业界领先的组织或者企业已经认识到了向所有的员工——无论其工作职位和职能如何——分发信息所带来的益处。目前，只有MicroStrategy架构才能够向整个企业中的每个人提供全部的五类BI，并根据用户水平根据五类BI划分出不同的应用功能。
2.1 企业应用情境中的五类BI
在每个领先的企业中，从CEO到底层的员工都可以使用某种方式在某个范围内分析业务数据的工作模式已经被广泛接受。这些分析既可能是交互探测式的，也可能被某个阈值限定条件激活，甚或可以嵌入在一个日常交易系统，以至于它们甚至不被人为是某种BI应用。但是可以肯定的是：成功的企业无一不在使用BI技术充分的使用他们的数据资产。
在下列的情境中，我们用一组典型的分析案例来说明这五类BI在实际中的使用。
BI类型1: 企业级报表
当一个企业希望分发标准的运营报表或者财务报表给组织内的相关人员，就要使用企业级报表。从1950年开始，众多的公司发现他们在运营和财务报表上的投资有了明显的回报。因此，企业级报表是已经成为应用最为广泛的BI类型——范围从最早的手工报表到今天的Web报表。
考虑下面的情境：一个商场经理每周经由报表分发引擎收到商场业绩报表，在查看了商场销售
周报表以后，商场经理注意到计算机外设的销售比上一周来有很大的滑坡。她点击这份报表，
然后钻取到另外的一张企业报表，这张报表显示本应该销售最好3种硬盘却人出人意料的表现不佳。
BI类型2：立方体分析
立方体分析是为了支持范围可预见的基本分析而产生的一种BI类型。例如按照地域分析一段时期内销售情况，或者按照产品和销售人员分析销售情况，这些分析对于商场经理们试图寻找表面业绩下隐藏的细节非常有帮助。
在我们的情境中，通过运行某些预先建好的分析立方体，商场经理可以更深入地了解问题所在。
分析立方体为用户提供了一个简单和安全的环境，即使是新手也很容易通过这种分析揭示问题的根本原因。使用这些分析立方体，商场经理将销售结果与销售计划进行比较，与同类商场进行比较，以及和前些年份的季度销售情况进行比较。
在反复浏览立方体中各种数据视图后，一些事实就会变得明显。首先是大多数的商场出现了类似的销售突然下滑的情况。其次，这个下降趋势迫使她不能再利用这类商品达到销售利润目标。
第三是发现这种低迷的情况和过去两年中同种商品的销售情况是绝然不同。她可以得出结论：这里存在着严重的问题，而且这个问题是整个企业范围的。
她将分析立方体的链接转给总部的采购员，以便他们可以了解她发现的情况，并进一步地分析症结所在。
BI类型3：任意查询和分析
通过任意查询和分析这种类型的BI技术，能够真正对企业数据进行深入分析，并可以在交易数据级别上分析细节。
总部的采购员虽然可以访问分析立方体，但是仅仅根据预定义立方体中的对比关系还不能确定那些偶然发生的事件。因此采购员必须使用任意查询和分析去探查数据库中更大范围内的数据来寻找造成问题的原因。
在我们的情境中，采购员运行参数化的或者提示型的报表，通过回答一些初始问题，来创建任意查询报表。在此例中，采购员回答提示问题中的商品的SKU号，获得此商品在北美地区前两个月的库存报表。
采购员发现从仓库到商场的运输流程很正常，但是在仓库补给过程中的一个阻塞导致了仓库库存总量的降低。他得出结论：问题在于供应链的某个环节出现了严重的延误。接下来，他从库存报告钻取到运输报告，该运输报告显示从台湾的海运被耽误了，影响到了上述问题中的SKU 商品，以及其他的一些SKU商品。他确信其他的同一批SKU商品的销售也将马上出现相同的情况。
他把自己分析的结果通知销售副总裁和所有的商场经理，并把报告发送到市场部门，让他们判断运输延误给公司销售收入和季度利润造成的影响程度。
BI类型4：统计和数据挖掘
统计和数据挖掘这一类BI，用于揭示数据间的微妙关系(例如价格弹性)和进行前向预测(例如销售趋势)，在其中大量使用集合理论、统计处理和其他高级的数学函数。
在我们的场景中，市场部门的分析专家建立了一个季度的产品线销售额和季度总利润模型，模型的参数为运输时间、价格和需求。在评估了运输延误造成的财务影响之后，分析专家建议提高现库存中产品的销售价格以弥补利润损失。同时还建议利用捆绑销售和广告的方式开展一些其他硬盘的促销活动。
BI类型5：报表分发和预警
通过报表分发和预警，企业可以主动地、集中地分发大量的报表或者消息，也允许通过用户自己的定制进行报表分发。
报表分发可以基于调度触发，也可以是事件驱动，比如度量值落在一个目标阈值范围内就构成一个触发事件。
在我们的情境中，有一个分发服务在持续地监控相关的SKU的销售状况，利润状况和促销活动的成本，用户订阅这个分发服务，就可以不间断地监控相关的销售活动。同时，这个服务也在不间断的监控仓库的库存情况，并在运输延误的问题解决以后提醒所有的相关人员，及时调整价格，结束促销活动，回到正常的销售状态。这样，整个团队就能够对事件的变化做出迅速的反馈，做出正确的决定，维持公司在异常情况下的效益。
图 2MicroStrategy架构使得用户能够通过单一的界面访问所有的BI应用类型
2.2 工业级BI技术可以满足企业不断增长的需求
企业内部的BI工具泛滥
今天，许多大公司拥有为数众多的不同BI工具。使用如此多的BI工具有两个原因。一是大多数BI工具一次只能支持某一种BI类型。如果企业既需要任意查询又需要企业报表分析能力，
那么就必须至少购买两个工具。第二个原因是大多数BI工具只能支持小规模的部门级应用。
所以，不同的部门单独选择他们需要的产品，并且单独地部署在各自不同的部门中。
部门级BI技术将会被工业级BI技术所取代
大多数BI提供商通过开发部门级BI产品来满足企业的需求——也就是说，BI厂商会关注那些用户规模有限、数据规模有限、更适合小规模的部门运营使用的某一类BI应用，而不是真正的企业级的7*24关键系统。
图 3MicroStrategy的平台架构是专门设计用来支撑企业级BI应用需求
部门级BI工具的大量使用造成了我们今天看到的大量的BI孤岛。我们在以前也曾看到过相似的情况，比如部门级邮件系统、部门级PC采购、部门级C/S应用程序、部门级OA系统以及部门级网站，都造成了众多孤立的IT孤岛。这些问题最终的解决方案都是：部门级应用逐渐让位于企业级应用，部门级技术也让位于企业级技术。BI现在的情况也是如此。在技术比较领先的企业中，部门级BI也让位于统一的企业平台——而MicroStrategy是唯一的集五种BI类型为一体的BI平台。
针对不同BI类型使用不同BI工具带来的5个问题
问题1.
企业BI应用需要访问更多的数据和支持更多的用户——部门级BI缺乏用户和数据的伸缩性。
大多数采用了部门级BI应用系统的企业在满足原有的需求后，都希望从更多的数据中处理更丰富的报表和分析，并将它们分发给更多的用户。
图4目前企业的BI应用需求已经由部门级逐渐扩展至企业级
不幸的是，部门级BI工具缺乏扩展到这一层次的能力（如图4）。它们体系结构的本质特征限制了它们不能分析TB级数据和扩展用户规模。
因此，企业需要支持灵活扩展的企业级BI平台来取代部门级BI工具。MicroStrategy是唯一的基于中央服务器的BI架构，能够轻易地分析TB级数据和支持百万级用户。
问题2.
多个BI孤岛导致不一致的元数据库，从而对同一问题得出不一致的答案。多个独立的部门级BI应用的孤岛在应用程序数量不大的情况下运行正常。因为数量少，分析或报表主题重叠的部分也少，数据定义不一致问题对度量使用和业务模型的影响不明显。但是当企业中的BI应用达到一定的数量时，不可避免的就会出现分析与报表主题重叠。从多个独立的BI应用中产生的多个报表就不可避免会出现信息不一致的问题，这些不一致破坏了BI应用的完整性，而这种不一致会随BI应用的增加而增加。
因此，企业需要建立在统一元数据库之上的BI技术来保证众多的BI应用、指标、实体以及过滤条件等的一致性和完整性。只有MicroStrategy架构将五种类型BI建立在统一的元数据库之上。
问题3.
用户不愿意使用多种BI工具——多种不同的用户界面是个大问题。当BI应用系统的数量不大时，用户只需要使用某一种应用程序来完成某一种BI功能。随着BI应用程序的数量增长，越来越多的人将要访问到多个BI应用，因此也必须使用多个不同的BI用户界面来浏览和处理报表。这就意味着BI用户需要适应对同一件事情使用不同的方式，包括那些非常常见的动作，例如查找报表、运行报表、调度报表、编辑报表、保存报表、共享报表、回答提示、排序数据和导航数据等等。
使用两种不同的工具，对于用户来说已经是一种挑战；使用三种不同的工具，用户会觉得无法承受；使用四或五种不同的工具，必定会令用户完全放弃。但是，这种情况在很多企业中都遇
到过。在MicroStrategy的体系结构中，全部类型的BI都使用相同的用户界面。一致的用户操作界面，使用户不需要额外的培训就可以使用更多类型的BI。
问题4.
企业级BI应用需要更多的包含多种商务智能类型——单一目标的BI工具不能承载多种BI类型。大多数部门级BI应用都仅仅部署某一种类型的BI。企业级报表应用主要关注于静态数据报表的分发。基于立方体的BI应用关注于使用立方体的小数据量的OLAP分析。ROLAP的应用提供在整个数据库之上的即席查询和分析。然而，本章中描述的情境刻画了一个真正的用户流：开始于信息展现，到问题隔离，再到全面的研究，然后到高级分析，最后再到主动的跟踪和预警。
技术上将BI划分为各个独立的类型实际是基于单一目的开发BI软件的过时产物，与实际的用户需求或业务应用毫无关系。只有MicroStrategy的BI体系架构允许企业根据自己的需求部署任意个数的或全部的BI类型。
问题5.
IT企业无法承受管理多种BI技术所带来的巨大成本——维护多个不同BI类型的工具是难以承受的。使用多个BI工具，企业需要为每一个BI工具进行开发和使用培训。企业必须为每一个工具建立技术支持队伍。企业必须和每一个BI厂商签订合同。企业必须参加每一个厂商的会议、用户支持论坛。企业必须调整每一个新版本与数据库软件、服务器操作系统、浏览器、Web服务器和防火墙之间的匹配。企业还必须人工的将多个BI工具中交迭的元数据同步——比如安全性、业务定义、指标定义以及用户信息。
企业只有使用统一的BI体系结构才能够避免这样的情况。只有MicroStrategy产品能够在企业级规模的数据和用户量之上整合全部五种BI类型，这就为企业节约了时间和资金，提高了效率。
提供五种类型BI的理想体系结构
提供五种类型BI的理想体系结构应该满足：
z任意部分的或全部的BI类型能够无缝集成在一起，用户可以向已有报
表中添加新的BI类型；
z通过统一的用户界面增加易用性和用户的接受程度；
z通过统一的集成的平台保证元数据、安全性和用户信息的一致性，以及
企业内部数据的一致性，降低管理和维护成本。
MicroStrategy产品从1996年至2002年经过完全重新设计与开发，在灵活性和扩展性方面完全满足了工业级BI应用的需求。
图 5MicroStrategy的架构能够在单一的后端平台上通过单一的用户界面提供所有的BI应用类型
其它的BI厂商表面上也提供了集成的产品，因为它们捆绑在共同的名称上。这些产品包在市场上以统一的软件包交易，这样误导企业用户认为它们也是建立在统一的体系架构之上。企业只有在购买以后才发现它们都是由一些相互脱节的工具组成，所谓“集成”只不过是通过桥、网关以及门户拼凑起来。
MicroStrategy产品在BI市场上是唯一的具有统一体系结构的平台，在它之上可以按照企业BI
应用的扩展性和管理性要求提供全部五种BI类型。
第3章企业级报表
企业级报表是为信息消费者而设计：包括企业内部各个层次的个体，覆盖企业的各个职位，还有产品供应商，甚至是客户。企业级报表本质的意义在于为这些群体提供商务智能。因此，它是最普遍的BI类型，包括大量的直接来源于ERP和CRM的运营报表，以及评价综合业务绩效指标的平衡计分卡。
企业级报表系统最显著的特征是它产生高度灵活报表格式的能力，数据能够以各种形式展现给信息消费者。这些个体通过Web浏览器按照自己的需求访问报表，或者通过电子邮件等接收分发的报表。
除了以上列出的企业级报表特性之外，企业级报表真正要解决的问题主要是以下四个方面：
z支持所有形式的企业报表——从平衡计分卡各种运营报表，以及介于两
者之间的任何报表形式；
z用户自定义Web报表制作——使企业报表更加个性化、具有特色；
z高吞吐量的报表制作与分发——根据用户自己的选择更方便的分发报
表，以及使报表的制作更加方便、广泛；
z无需编程达到像素精度和印刷品质——无需编程使发布的报表质量更
高。
本章的余下部分将着重讨论以上几个方面。
3.1 支持所有形式的企业报表
通常来说，对于一般报表产品，或者能较好的提供运营报表，或者能较好的提供计分卡和仪表盘，但往往不能同时提供两者。MicroStrategy先进的架构设计可以用一个平台很容易地同时提供运营报表和计分卡及仪表盘报表。事实上，MicroStrategy可以让用户很简便的开发五类常用形式的企业报表，这些报表包括从提供给高层执行官的高度图形化的计分卡和仪表盘，到提供给所有基层人员的运营报表表格，这两者之间还有提供给业务经理的经典商务报表、提供给业务部门领导的管理指标报表以及提供给客户和合作伙伴的发货清单和结算表。
提供五种常用形式的企业报表――从计分卡和仪表盘到运营报表
报表形式1——提供给高层执行官的计分卡和仪表盘
计分卡和仪表盘(图6)最大程度的可视化设计效果，方便了用户以这种图形化的格式迅速了解数据内容。MicroStrategy计分卡组合使用表格、图形、标尺及其它图形化的指示器、条件型格式化、自由格式的标签、边界和背景色等来实现这种效果。
由于企业需要基于所有财务和运营数据的完整视图来生成关键绩效指标（KPIs），计分卡必须包含比简单汇总信息更多的信息。基于MicroStrategy平台创建的计分卡能够充分利用企业数据以及平台自身的扩展性、交易级数据的访问能力和任意查询能力。
图6报表形式 1: 计分卡 & 仪表盘
报表形式2——提供给所有基层人员的运营报表
大多数企业信息是以传统运营报表形式分发的（图7）。这些经过时间考验的报表将各级详细数据组织成一个层状结构的表数据值来展示。
MicroStrategy适合于快速将大量运营数据组合成结构优化的含有多个页的重复节，其中每一页都包含页标签、标题和脚注，以及典型运营报表系统特有的分页逻辑。
报表形式3——提供给业务经理的典型业务报表
MicroStrategy自由的格式展示可以用来创建流行的商务报表，比如P&L报表、绩效报表和法定格式报表。这些报表通常被优化成一屏来显示，然后允许用户钻取到详细内容或相关报表。典型的业务报表（图8）简便地组合了表格、图形和自由版式来创建对汇总和详细数据特有的展现方式。
图8报表形式3: 经典商务报表
图9报表形式4: 管理型度量报表
报表形式4——提供给业务部门领导的管理指标报表:
量化业务管理以及获得可预知结果的趋势的要求使得人们对企业绩效管理(CPM)又产生了浓厚的兴趣。CPM的基石是管理指标报表（图9），它使得管理者可以跟踪业务绩效的连续状态，包括实际值和预算值的比较、时间序列预测以及业务流分析。MicroStrategy使用阈值技术和图形化的指标来显示绩效目标的完成情况、基于时间的趋势以及指标或目标的状态检查。通过把预测分析法集成到MicroStrategy平台中，这些报表还可以显示相关性和预测，以此来预计将来
的业务绩效。
图 10报表形式 5: 发票&清单
报表形式5——为客户和合作伙伴提供的发货清单和结算表:
发货清单和结算表（图10）包括了详细的交易数据以及为任意数量的客户和合作伙伴提供的汇总信息。这些企业报表设计采用了严格的页面布局定义以及报表元素的准确的格式化和定位，以保证正确地打印多个表单，以及在印刷好的企业信纸上能够正确打印。为了生成发货清单和结算表，MicroStrategy使用了与桌面出版系统同样严格的页面布局技术。
当其它供应商需要客户购买不同技术（每一种技术都对应一种不同形式的企业报表）时，MicroStrategy可以以一种统一的简便方式提供五种常用形式的企业报表。
独一无二的块状布局与传统的条带状报表布局组合方式
只有MicroStrategy能通过组合块状布局(Zone-based Layout)与传统的条带状布局(Banded Layout)方式来提供五种形式的企业报表。
条带状布局是当前最流行的报表展示方式，它是运营报表的主要的表现方式。曾经在很长一段时间内都是所有主要报表制作者的基本手段。运营报表之所以在很长一段时间里受欢迎是因为条带状布局能够非常快速地将大量数据组合成一个简单的信息结构，并且用户可以很容易的操作它。
“条带”指的是报表显示屏幕上有层次的水平条，它指明数据汇总的位置和级别（比如，页的
标题或脚注、报表的标题或脚注，或是反映务组织结构的用户自定义分组或层次等等）。例如，
一个条带状报表是描述产品销售的典型方式，此时销售信息需要按产品展示，并按产品种类分组，以及在某个时间段内的每个月、每一个地区和每一个商店进行描述。分组和汇总技术很自然地与条带状布局结合起来。
条带状报表布局真正是为传统运营报表进行了优化：层次信息展示、覆盖了整个企业操作范围的分页章节、以及很好的打印设置优化。MicroStrategy提供了纯条带状布局，使用方式符合当前流行的企业报表创建的可视化流程。
块状布局从另一方面为计分卡和仪表盘优化设计。“块”指的是图形化积木技术，它使得用户可以在一页或一屏上显示整个表格和图表，其中每一个表格或图表都有其自身的显示方式。块状布局用来优化显示图形化内容（与表格信息相对），块状布局还用来优化屏幕显示，在这里用户可以用滚动条来在报表上移动，而此时对桌面出版质量并不要求。
MicroStrategy用户可以通过随意地简单拖拽技术来插入多个报表、图表、文本、链接和图片到报表显示屏上来创建计分卡和仪表盘。这些对象还可任意安排显示位置，并自动按其内容来产生适合的大小和形状，然后动态的移动其它对象来适应它。
传统条带状报表中的块状布局
图 11MicroStrategy组合条带状和块状布局来提供更灵活的报表生成环境
MicroStrategy企业级报表能力的最重要和独特的方面之一是它能自由在条带状报表组织结构中组合功能强大的图形化的块状对象（图11）。当块状对象（比如完全的交叉表或图表）在分组带之间拖放时，这些表格和图表的内容自动接受聚合的级别，这些级别由带来指示，就像在一个严格地条带状报表中的单独区域块一样。这使得MicroStrategy用户可以开发真正特有的动态
表格和图表报表展示，这样只需很少的代价和技术就能够按经典的条带状重复节来交叉组织内容。
3.2 用户自定义Web报表
每个企业的报表项目目标都是鼓励用户在他们每天工作活动中使用信息。然而，大多数项目都没能达到这一目标，这是由于报表并没有直接与每一个需要它的用户相关联，也就是说，一个用户必须筛选大量的报表来找到那么一点点直接与他的（或她的）职责领域相关的内容。另一个失败的原因是企业报表环境不能很容易地按照众多用户的不同熟悉程度来调整，也就是说，用户界面要么太简单，只为初级用户设计，要么太“功能强大”，超过了普通用户的使用能力。
这是一个非常困难的技术难题，大多数BI产品遗憾地失败了，因为他们不能给用户足够的对报表内容和他们的报表环境的控制能力，他们的产品也不能自动地按照用户的喜好和熟练程度量身定做报表内容。MicroStrategy通过特定的设计来解决这一问题，主要通过四种个性化方法：
z参数化报表
z自动客户化内容
z基于用户参数文件个性化用户界面
z多语言支持
参数化报表――让用户定义报表内容
参数化报表使得用户在运行报表之前回答一些问题，这些问题控制了报表中显示的内容。它使得用户可以只看当前感兴趣的数据。例如，用户可能回答这样的提示问题如：“你想要分析的产品是什么？”，“分析的时间段是什么？”，“在哪个地区？”，“关心哪些客户？”。这是参数化报表的基本思路，多数报表产品都提供这种基本的用户控制方式。MicroStrategy也使用了这一参数化报表和用户提示的基本方式，并且还将其提升到一个新的用户控制水平上。
MicroStrategy改进了参数化报表，方法是首次实现了基于提示引擎的高级提示技术。MicroStrategy 提示引擎让用户完全独立于报表设计来选择报表内容。这种独一无二的提示技术使得MicroStrategy用户可以创建和使用丰富的提示对象，这比其它任何BI软件都要方便的多。
使用MicroStrategy提示引擎（图12），用户可以定制：
z报表内容——通过选择使用的筛选，确定度量的限定和阈值，以及选择
用于报表中数据值比较的基准值。
z报表布局——通过控制列的排列，选择交叉表的组成成员，以及选择报
表的分页分组。
z工作流——通过选择层级提示，为告警定义触发器，以及直接从其它报
表导入结果。
图 12MicroStrategy提示引擎是MicroStrategy架构中的一种完整组件，用它可以生成用户自定义个性化报表内容、报表布局以及工作流MicroStrategy高级提示功能使得其所有控制和定制功能对用户变得简单，这是因为它使用了大
量用户熟悉的可视化组件，如Radio按钮、检查框、日历日期选择、下拉列表以及购物篮等。
MicroStrategy用户通过使用简单的按步骤动态提示向导（图13）来回答复杂的提示。
图 13 Web上的MicroStrategy参数驱动报表使得用户无需管理员帮助就可以创建从简单到复杂的报表
一旦回答了提示问题，用户可以进一步个性化报表。例如，用户可以在度量上加限定，抽取出按产品收入排名前（或后）10%的数据。用户可以按需要任意次地重新提示，以此来通过改变答案值的方式实现what-if和情景分析。
动态提示向导在报表中通过下面几种方式满足各种用户的需求：
z按步骤指导工作流，让用户可以快速查看给出的答案。
z指导用户如何回答提示问题，哪一个是答案是必须的，哪一个是可选的。
z由系统自动生成供选择的多选列表，这样开发者和用户就不需要记住所
有可能的选择项。
z搜索工具使得用户可以快速跳到想要选择的答案上，这在选择列表特别
长时非常有效。
MicroStrategy动态提示向导自动化了提示设计和提示生成过程，这给企业提供了强大的参数化报表功能。
自动客户化内容――使一个报表可以自动通过基于规则的个性化内容同时满足数千个用户的需求
企业报表的一个常见问题是如何合理经济地分发相似的信息给一个数目巨大的用户群，其中每一个用户都需要看数据的不同切片。传统解决方式是给每个用户一个客户化定义的报表，但这种方式对于报表设计者来说是一个噩梦，因为一个小小的需求改变就会造成对该报表大量复制版本的重复修改。
使用MicroStrategy，IT管理者只需要创建一个报表，系统会自动针对每个用户进行不同视图的切片。另外，MicroStrategy内容切片自动基于每个用户角色和用户组的从属关系，在任意多个业务实体上完成。
MicroStrategy架构基于组从属关系和每个报表用户的角色（图14）自动创建任意报表定义的个性化内容。使用MicroStrategy，任何报表都可按多个维度自动切片，使得报表内容可以马上符合用户的需求。
图 14一个MicroStrategy报表可以服务于多个用户，因为MicroStrategy基于用户角色和组从属关系自动对报表进行切片。
智能分析之深度学习和整体解决方案
智能分析之深度学习 深度学习对于智能分析来说就相当于人类的学习一样，人类不学习就是一张白纸，什么都不会，从我们的咿呀学说和学走路开始，到上学年龄的老师教学，再到进入社会的自我学习，无论何时何地，碰到新的事物就需要学习，智能分析既然是模拟人类，那深度学习就跟人类学习新事物一个原理，碰到一个新的事物，它无法辩认这是什么东西，最多只能判断它是否运动，运动速度是多少，是哪种颜色，是什么形状，但具体是什么物体它并不知道，那要辨认出具体物体，就需要做事前的深度学习 深度学习是学习物体的多个特征，不同的物体记忆不同的特征，比如认识不同的人、做人脸识别、人脸与身份证的对比等，一般都是通过识别人的五官特征，两个眼角，鼻子与两个嘴角五
个点位的位置、距离等信息，通常叫做人脸识别的五点识别，因为这些信息是不会随着年龄的增长而改变比例的，识别这些信息之后保存到数据库或文件中，一般是保存在XML文件中，当然有些情况还会记载物体的大小、颜色、形状等等多个参数，根据实际情况学习不同的特征值，这是学习的过程。 学习完之后就可以进行分析对比了，首先是找出视频中出现变化的对象，这个变化的对象有些是通过移动的对象来判断，有些是通过对比两帧数据来对比，反正是找出变化的对象即可，对象找出来之后先做初步的判断是否是我们需要检测的对象，如果是的话再提取物体的特征值，来对比保存的物体的各个特征
值，是否与保存的对象有相符的，再根据平台设置的相似度来确认是否是同一个人或对象。 在实际使用的过程中，算法首先是要进行一轮预处理阶段，即处理掉一些干扰因素，包括去除光亮条件和噪声、阈值、模糊等；对象的特征是一组描述符，为了使用这些描述符来训练模型或预测其中的一个模型，需要通过成千上万次图像预处理、提取特征来建立一个关于特征的大数据集合，并且通过选取的训练模型来提取特征。这就是为什么深度学习算法速度慢，当建模越多和视频中出现的对象越多，处理速度就会越慢，如果需要进一步排除误判，还需要对输出数据进行后期处理，比如合并多个分类，比如判断人脸后再判断身高，体形等，要判断这些因素，又要结合安装的摄像机的高度、角度等因素来设置人在视频中实际占的像素，在不同位置占的像素等，越想得到精准的结果，要处理的数据量就越大，对环境的要求就会越高，当平台处理的条
商务智能论文
主流商务智能解决方案的对比和分析 作者：彭潇勇软工一班2010302580155 摘要：针对市场上五种比较流行的商务智能解决方案供应商的产品进行了不同角度的分析与对比，指出了各种解决方案之间的共性和特性，并分析对比了各个产品之间的优劣势。以此作为国内企业寻找切合本企业实际利益的商务智能解决方案的一个依据。 1、引言： 商务智能，指用现代数据仓库技术、在线分析技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。 商务智能（Business Intelligence，简称BI）最早由Gartner Group于1996年提出。Gartner将BI定义为“各种不同的应用程序和技术，可用于收集、存储、分析、共享数据并提供数据访问，从而帮助企业用户做出更好的业务决策。”商务智能的基本理念便是提升业务洞察力，将数据信息转化为商务价值。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。借助这一手段，企业可以在市场更加多变、竞争更加激烈、组织越来越复杂、规模越来越庞大的商业环境下高效运营、正确决策、快速响应，从而实现从数据到信息、从信息到知识、从知识到利润的转化。因此商务智能应该被看成是一种更好的为企业制定决策提供数据支持和信息知识的解决方案。 既然是解决方案型的技术，便不是一个高下立判的问题。因此我们便有必要对一些主流BI解决方案进行有针对性的分析，提取出其中值得企业关注和投资的信息，以便为企业选择BI解决方案提供一个有针对性的依据。一下便是有关IBM、Microsoft、Oracle、SAS、SAP 这五大BI解决方案提供商的对比分析。 2、五大主流BI解决方案提供商的对比： 2.1、IBM商务智能解决方案特性： IBM 公司在数据仓库/商业智能行业处于领先地位, 根据Survey. com 的2001 报告“数据仓库解决方案”, IBM 的市场占有率将近61% 。全世界跨各行各业的公司都选择了IBM的BI解决方案来帮助他们更具有方向性、更有利润的运营。 IBM具有如此庞大的市场占有率，这与其分布于世界各地的数千名BI咨询专家，以及由在BI方面具备提供解决方案资格的IBM业务合作伙伴组成的巨大网络分不开的。借用集成了各种不同类型的BI工具的DB2，IBM公司具备了相当丰富的经验和专长来开发经济高效、全面的解决方案，可以满足不同行业的具体需求和单个客户的需求。 IBM使用DB2 Warehouse Manager 构建数据仓库。有助于简化和加速构建数据仓库原型，以及后续BI系统的开发与配置。同时，用于构建和管理数据仓库架构的IBM 工具使企业能够构建和提供与Web 数据源相集成的数据仓库, 并且能够构建稳固、可扩展的数据中心和业务应用。 2.2、Microsoft商务智能解决方案： 进入2010年以后，微软的Office 2010、SharePoint2010、SQL Server 2008 R2等重头产品相继发布，从此，微软推出了一个新的组合型商业智能解决方案。 在这个解决方案中，微软强调商务智能的平民化，即企业的每一个员工都可以很容易的上手进行数据分析挖据并得到自己想要的数据。在底层有了SQL Server做保障，用户只要精
视频智能分析解决方案
目录 第1章概述 (1) 1.1 项目背景 (1) 1.2 项目概况 (3) 1.3 需求分析 (4) 第2章智能视频分析预警解决方案 (5) 2.1 贴纸条检测 (5) 2.2 安装读卡器检测 (5) 2.3 人员滞留检测 (6) 2.4 人员靠近检测 (7) 2.5 越界监控 (8) 2.6 前端设备 (9)
第1章概述 1.1项目背景 视频监控系统是银行金融业安全防范网络监控系统一个重要分支，是技防的重要组成部分，是伴随着多媒体技术、编解码技术、网络技术等IT技术发展而成熟起来的。作为银行金融机构重要的安防手段，经历了从模拟到数字，从网点单独部署到联网监控，并朝着智能化、多元化综合应用的方向发展。 早期的金融视频监控系统以本地监控为主、远程管理为辅的方式，以各网点为单位组建一个区域自治的安防体系，分别配有数字监控、门禁控制、报警联动、对讲系统等设备。随着银行金融企业规模急剧扩大和金融服务水平的不断提升，银行金融机构网点分散、风险等级和管理难度加大、内部隐患加剧等诸多问题不断暴露出来，并已成为制约银行金融服务业快速发展的瓶颈。 伴随着多媒体技术、编解码技术、网络技术等IT技术的高速发展，在安防系统数字化、网络化、智能化发展的大趋势下，银行金融行业对于安全防范系统的智能化、网络化和集成化管理的需求越来越旺盛，呼声也越来越高涨，联网监控系统的重要性也日益受到银行金融行业的重视，其本身也得到了极大的发展。全国性银行和各地商业银行根据中国人民银行总行和公安部的行业标准要求，已分别建成了视频监控系统、入侵报警联网系统（与110报警联网）、金库出入管理系统、门禁控制系统、对讲系统等安全防范系统，并逐步完成了大量的营业网点、自助银行、ATM机和金库联网等分散场所的远程联网建设工作。 自助行的安全防范一直是银行安防的重点，随着智能监控技术的不断提高，银行迫切在自助行应用智能监控也在情理之中。 目前本平台可以结合海康智能ATM监控技术（前端智能或后端智能），可以很好的进行ATM正面异常人脸检测、ATM贴条检测、ATM安装读卡器检测、自助厅人员徘徊、人员聚集检测，当发现异常情况可立即产生报警信号，
商业智能(BI)定义和解决方案
商业智能定义和解决方案 什么是商业智能？ 商业智能，或 ，是一种统称，泛指用于对一个企业的原始数据进行分析的各种各样的软件系统。商业智能（ ）是由若干相关的活动组成的领域，包括 数据挖掘，在线分析处理，查询和报表。 企业用商业智能（ ）来提高决策制定，降低成本和识别新的商机。商业智能（ ）不仅仅只是公司的报表或从企业系统中引导出信息的一套工具。信息主管通过商业智能（ ）来发现企业内低效的，需要改进的商业流程。 利用现在的商业智能（ ）工具，商业人士可以随时自己开始对数据进行分析，而不要等待 来运行一个复杂的报表。这样民主化的信息访问让用户在做商业决策时有了硬性数据的支持，否则就只能基于直觉来做出决策。 虽然商业智能（ ）有光明的前景，但它的安装启用却受到技术和企业文化挑战的困扰。高管们必须确认在商业智能（ ）系统中所用的数据是干净与一致的，所以用户才会信任它。 什么样的企业会使用 系统？ 象 ， ， 和 这样的连锁餐馆业大量地使用着商业智能（ ）软件。他们用商业智能（ ）做出战略决策，诸如在菜单上添加什么新品，哪一种菜式要被删 除和哪一个业绩欠佳的店要被关闭。他们还用商业智能（ ）来决定战术的事项，象与食品供应商重新谈判合同和找到改进低效率流程的
机会。因为连锁餐馆深受 日常商务运作的驱动，而商业智能（ ）对他们经营上的帮助是如此的重要，所以他们成为所有行业中使用 的中坚力量，而真正地从这些 系统中得到实际 价值。 的关键组件之一 业务分析 是在各种行业中成为一个成功企业所必不可少的，在专业的体育团队像波士顿的 ，奥克兰的 和新英格兰的 中，业务分析就更加的必不可少。 利用一种分析的方法， 在四年中赢得了三次美国橄榄球超级杯大赛。这个球队在很多方面都用到了 数据和分析模型，无论是在场内还是场外。深入的分析帮助这个球队在全美橄榄球联盟（ ）的薪资上限之下选择球员。 的教练与球员对比赛 录相和统计资料的研究是出了名的，教练 阅读由经济学者写的关于足球赛结果的统计概率的学术文章。在场外，这只球队利用详细的分析评价和改进 全体球迷体验 。在每一场主场比 赛，举例来说，会特别安排 至 人进行定量测定体育场的食物、停车、人员、浴室整洁和其他因素。 在零售业，沃尔玛（ ）利用大量的数据和分类分析来帮助它占领市场。 在赌博业 的竞争中改变了它的基调，从建立大型赌场转向分析周边客户的忠诚度和服务上。亚马逊（ ）和雅虎（ ）不仅仅是电子商务网站，他们忙于 分析和遵循一种 测试和学习 的方法转变商业。 一年要做 多次的实验来鉴定理想的客户和为信用卡定价。 谁应该起到领导的作用？
监狱智能视频分析项目解决方案
监狱智能视频分析解决方案 一、方案背景 监狱是关押和改造犯罪人员的重要场所，因此安全是首先要保障的因素。安全保障既要保障社会的安全，也要保障狱警人员和在押人员的安全。特别是在“构建和谐社会”的大环境下，构建好监狱的安全防体系就显得格外重要。在公安、司法部门，在监狱管理工作上，“向科技要警力”已经成为一种趋势。 在监狱、看守所这种特殊的场所，保安系统处于一个最为重要的位置，而视频监控则是其中最为重要的环节。国监狱现多采用模拟闭路电视监控系统，或普通数字监控系统。视频监控系统能够使得安保人员实时了解到监狱各个重点区域的人员活动情况及其他事件，并且能够将这些视频信息进行长时间的录像存储保存，方便日后查询。但是普通的视频监控系统也存在不尽如人意的地方，其最大弊端是完全依赖于人工监控。由于视频太多而监控人员有限，且长时间盯着监视画面容易疲劳而导致疏忽，监控人员根本无力监看成百上千路摄像头的视频信息。据有关数据分析，20分钟后监控人员可能错过最多高达95%的画面。试想一下，人的监控力度是有限的，而突发事件的发生是不可预见的，仅靠人为7*24小时的监控难以保证事件是否存在疏漏。通常监狱的视频监控系统能录制并保存数月的监控资料，但一旦事件发生时，没有智能分析的监控系统却无法做出即时判断，只能成为一个事后取证的工具。 本方案的提出旨在利用先进的智能视频分析系统，利用科技手段使得监狱的视频监控系统智能化，充分发挥监狱视频监控系统在整个安防体系的作用，从而为监狱这个高度戒备的场所提供充分可靠的保障。使传统的监控系统从被动变为主动，防患于未然。智能化主要体现在： 1）对事件的发生提前做出预警，最大限制地防止突发事件的发生，例如重点场所的遗留物检测、可疑人员人脸识别、游荡检测等； 2）即时警报，对发生的突发事件第一事件发出报警，从而有利于安保人员做出快速反应，例如奔跑检测、人员跌倒检测、重点区域入侵检测等； 本方案致力于从整体提升监狱的安防系统级别，所采用的视频分析系统基于澳大利亚iOmniScient Hi-iQ 公司的IQ-Infinity产品，iOmniScient公司具有多项业界领先的国际专利技术，iOmniScient以拥有业口碑和功能广泛独特的智能视频分析系统受到尊敬。IQ系列智能视频分析产品，曾在各的主流安防展上多次获最佳产品奖项。目前IQ系列产品用户超过30,000个。 二、方案特征 2.1 智能视频分析系统概述 视频监控系统的发展经历了第一代的全模拟系统，第二代的部分数字化的系统，第三代的完全数字化的系统（网络摄像机和视频服务器）三个阶段的发展演变，现在整个行业正在酝酿视频监控新的革命——智能视频监控。
IBM公司数据仓库商业智能解决方案(DOC 45页)
IBM公司数据仓库商业智能解决方案(DOC 45页)
1. 技术瓶颈：海量数据收集、海量数据存储、海量数据多维分析等一系列的问题，即使最热门最被业内人士看好的Hadoop技术能否撑得住？ 2. 资源投入：海量数据处理伴随着相应的硬件、软件需求的增长，技术人员的投入上对企业势必成为新的负担。 3. 价值金矿：海量数据中的非结构化数据蕴含着的“价值金矿”，能够帮助企业从未所触及的角度和维度为企业提供商业决策和辅助。 从海量数据价值挖掘层面上看，传统的思维是数据量加大是一定要考虑OLAP的，一般的报表可能5、6个小时出来结果，而基于Cube的查询可能只需要几分钟，因此从一般意义上认为处理海量数据的利器是OLAP多维分析，即建立数据仓库，建立多维数据集，基于多维数据集进行报表展现和数据挖掘等。 然而目前OLAP存在的最大问题是: 业务灵活多变,必然导致业务模型随之经常发生变化,而业务维度和度量一旦发生变化,技术人员需要把整个Cube重新定义并重新生存,业务人员只能在此Cube上进行多维分析,这样就限制了业务人员快速改变问题分析的角度,从而使所谓的BI系统称为死板的日常报表系统. 在思达商业智能平台 Style Intelligence上进行海量数据的多维数据分析，从业务需求的角度出发，维度和度量才是直接针对业务人员的分析语言。在自主知识产权数据块儿技术支持下，直接把维度和度量的生成交给业务人员，由业务人员自己定义好维度和度量之后，将业务的维度和度量直接运行，并最终生成报表。 此种以终为始的设计思路，首先能解决传统OLAP分析中维度难以改变的问题，利用思达商业智能平台 Style Intelligence中数据非结构化的特征，业务人员可以灵活地改变问题分析的角度，对业务人员非常友善。其次思达商业智能平台Style Intelligence 在海量数据处理中利用分布式数据处理架构强大的分布式数据处理能力，无论OLAP分析中的维度增加多少，系统开销并不显著增长。
监狱智能视频分析解决方案
监狱智能视频分析 解决方案
监狱智能视频分析解决方案 一、方案背景 监狱是关押和改造犯罪人员的重要场所，因此安全是首先要保障的因素。安全保障既要保障社会的安全，也要保障狱警人员和在押人员的安全。特别是在“构建和谐社会”的大环境下，构建好监狱的安全防范体系就显得格外重要。在公安、司法部门，在监狱管理工作上，“向科技要警力”已经成为一种趋势。 在监狱、看守所这种特殊的场所，保安系统处于一个最为重要的位置，而视频监控则是其中最为重要的环节。国内监狱现多采用模拟闭路电视监控系统，或普通数字监控系统。视频监控系统能够使得安保人员实时了解到监狱内各个重点区域的人员活动情况及其它事件，而且能够将这些视频信息进行长时间的录像存储保存，方便日后查询。可是普通的视频监控系统也存在不尽如人意的地方，其最大弊端是完全依赖于人工监控。由于视频太多而监控人员有限，且长时间盯着监视画面容易疲劳而导致疏忽，监控人员根本无力监看成百上千路摄像头的视频信息。据有关数据分析，20分钟后监控人员可能错过最多高达95%的画面。试想一下，人的监控力度是有限的，而突发事件的发生是不可预见的，仅靠人为7*24小时的监控难以保证事件是否存在疏漏。一般监狱的视频监控系统能录制并保存数月的监控资料，但一旦事件发生时，没有智能分析的监控系统却无法做出即时判断，只能成为一个事后取证的工具。 本方案的提出旨在利用先进的智能视频分析系统，利用科技手段使得监狱的视频监控系统智能化，充分发挥监狱视频监控系统在整个安防体系的作
用，从而为监狱这个高度戒备的场所提供充分可靠的保障。使传统的监控系统从被动变为主动，防患于未然。智能化主要体现在： 1）对事件的发生提前做出预警，最大限制地防止突发事件的发生，例如重点场所的遗留物检测、可疑人员人脸识别、游荡检测等； 2）即时警报，对发生的突发事件第一事件发出报警，从而有利于安保人员做出快速反应，例如奔跑检测、人员跌倒检测、重点区域入侵检测等； 本方案致力于从整体提升监狱的安防系统级别，所采用的视频分析系统基于澳大利亚 iOmniScient Hi-iQ公司的IQ-Infinity产品，iOmniScient公司具有多项业界领先的国际专利技术，iOmniScient以拥有业内口碑和功能广泛独特的智能视频分析系统受到尊敬。IQ系列智能视频分析产品，曾在各大洲的主流安防展上多次获最佳产品奖项。当前IQ系列产品用户超过30,000个。 二、方案特征 2.1 智能视频分析系统概述 视频监控系统的发展经历了第一代的全模拟系统，第二代的部分数字化的系统，第三代的完全数字化的系统（网络摄像机和视频服务器）三个阶段的发展演变，现在整个行业正在酝酿视频监控新的革命——智能视频监控。 智能视频监控是以数字化、网络化视频监控为基础，但又有别于一般的网络化视频监控，它是一种更高端的视频监控应用。智能视频监控系统能够自动识别不同的物体，发现监控画面中的异常情况，并能够以最快和最佳的方式发出警报和提供有用信息，从而能够更加有效的协助安全人员处理危机，并最大限度的降低误报和漏报现象。
智能视频分析系统解决方案
智能视频分析系统解决方案 1.1 系统概述 智能视频（Intelligent Video）技术源自计算机视觉（Computer Vision）与人工智能（Artificial Intelligent）的研究，其发展目标是在图像与事件描述之间建立一种映射关系，使计算机从纷繁的视频图像中分辩、识别出关键目标物体。这一研究应用于安防视频监控系统，将能借助计算机强大的数据处理能力过滤掉图像中无用的或干扰信息，自动分析、抽取视频源中的关键有用信息，从而使传统监控系统中的摄像机成为人的眼睛，使“智能视频分析”计算机成为人的大脑，并具有更为“聪明”的学习思考方式。这一根本性的改变，可极大地发挥与拓展视频监控系统的作用与能力，使监控系统具有更高的智能化，大幅度节省资源与人员配置，同时必将全面提升安全防范工作的效率。因此，智能视频监控不仅仅是一种图像数字化监控分析技术，而是代表着一种更为高端的数字视频网络监控应用。 智能视频分析包含视频诊断、视频分析和视频增强等，它们各自又包含了大量的功能算法，比如清晰度检测、视频干扰检测、亮度色度检测、PTZ（云台）控制功能检测，以及视频丢失、镜头遮挡、镜头喷涂、非正常抖动等检测都属于视频诊断内容，而视频分析算法则包含区域入侵、绊线检测、遗留遗失检测、方向检测、人群计数、徘徊检测、流量统计、区域稠密度统计、人脸识别、车牌识别、烟火烟雾检测、自动 PTZ 跟踪等功能，视频图像增强则包括稳像、去雾、去噪、全景拼接等算法。由此组合衍生出的算法种类又有很多，应用方式也千变万化，所以智能视频分析的应用范围很广。 在以往的视频监控系统中，操作人员盯着屏幕电视墙超过 10 分钟后将漏掉90％的视频信息，而使视频监控工作失去意义。随着社会发展，视频监控被越来越广泛地应用到各行各业中，摄像机数量越来越庞大，这给传统的视频监控带来严峻的挑战。针对行业发展推出智能视频分析系统，主要解决以下问题：一个是将安防操作人员从繁杂而枯燥的“盯屏幕”任务解脱出来，由机器来完成分析识别工作；另外一个是为在海量的视频数据中快速搜索到想要找的的图象。 1.2 系统组成 智能视频分析系统以数字化、网络化视频监控为基础，用户可以设置某些特定的规则，系统识别不同的物体，同时识别目标行为是否符合这些规则，一旦发现监控画面中的异常情况，系统能够以最快和最佳的方式发出警报并提供有用信息，从而能够更加有效的协助安全人员处理危机，最大限度的降低误报和漏报现象。智能视频分析是在传统的监控系统中，加入智能视频技术，在整个系统中，系统分布图如下：
智能交通整体解决方案
智能交通整体解决方案 1.智能交通建设目标 交通的本质是将“人、车、路”的内部要素进行相互关联，其结果的好坏不仅取决于内部要素之间的整合协同，还受地理环境、产业结构及社会环境等诸多外部环境的制约。经济的快速发展，使系统中不确定的因素越来越多，如何有效的协调三者之间的关系，成为交通系统高效运行的关键。基于此，智能交通的整体框架主要划分为物理感知层、软件应用平台及分析预测及优化管理的应用。其中，物理感知层主要是对交通状况和交通数据的感知采集；软件应用平台是将各感知终端的信息进行整合、转换处理，以支撑分析预警与优化管理的应用系统建设；分析预测及优化管理应用主要包括交通规划、交通监控、智能诱导、智能停车等应用系统。 智能交通系统利用先进的视频监控、智能识别和信息技术手段，增加可管理空间、时间和范围，不断提升管理广度、深度和精细度，以达到以下4各目标： ?提高通行能力； ?减少交通事故； ?打击违章事件； ?出行信息服务； 智能交通整体应用框架图如下图1所示： 球机 ... 高清摄像机 ... 交通信号、诱导屏
2. 智能交通组成部分 智能交通整体系统主要组成部分包括：信息综合应用平台、信号控制、视频监控、智能卡口、电子警察、信息采集和处理、信息发布和信息服务等板块。 2.1 信息综合应用平台 信息综合应用平台并非将各个子系统在数据和空间信息在物理上的简单堆砌，而是在数据层面实现真正的融合和统一，并基于这些统一的数据实现城市交通的综合管理职能，真正成为“无缝集成管理、综合信息分析”的应用平台。 通过整合集成各个子系统，集视频监控、事件检测、数据分析、诱导发布、违章记录为一体的先进交通综合控制平台。达到可视化智能管理与控制和管理决策辅助支持，实现常态下的日常综合交通管理和违章执法，以及面向事件的联动控制和应急处置具有系统监控功能、事件检测功能、交通诱导功能、电子警察功能、事故处理功能等。大幅提高交通网络的运行效率，有效地解决交通拥挤的问题。 当一个事故或报警产生上报或者发生时，由监视模块负责向管理员工作站发出警报提示，之后根据事故的级别地点等在地里信息系统上标注出相应的信息，并根据相应规则标注出有效的监控摄像机、信号机、GPS警车、卡口等电子设备为综合指挥提供支持。同时根据相应的预案提出需要通知的相关人员名单，由管理员确认后对相关人员发出通知。之后，指挥决策者可以根据电子地图上反映的情况快速合理的部署解决方案。直至事件处理完成。整个操作过程都会有相应的日志记录，以便为以后更好的处理同类事件提供依据。 2.2 信号控制系统 城市交通信号控制系统是智能交通系统的重要组成部分，也是交通管理系统的中枢，其管理和控制手段的优劣直接影响城市道路交通拥堵或疏通的效果。虽然城市道路交叉口信号控制有改善交通流秩序与保障安全的优点，但是若不能提供优化的控制，将会产生交通流停顿与拥堵的负面效果，会成为城市交通拥堵的一个重要原因。 信号控制通常具有控制系统和网络发布控制指令，业务应用软件根据业务要求和规则提供现场及周边状况，与专业控制系统如“动态信号灯控制系统”联动发布控制指令，或者直接与技术信号设备如“特殊通道信号灯”联动发布控制指令。随着技术信号设备管理使用应用模型得以建议、验证和修正后，才会依据预案或是说方案，根据现场情况是说智能控制。 2.3视频监控系统 交通监控系统对摄像头实时采集交通路口信息，系统将传回的交通视频信息进行智能化提取和行为分析。根据城市监控区域的不同，根据不同的场景部署相应的采集设备。通常选择高清枪型网络摄像机对固定区域进行监视，选择高清至高云台摄像机作为至高点远距离大范围监控，或者高清高速球型网络摄像机
RichData医疗行业大数据智能分析解决方案
RichData医疗行业大数据智能分析解决方案 方案概述 在过去的30年间，我国的医疗行业经历了医改、新医改，医疗信息化也经历了从数字化、四梁八柱、35212等不同的发展阶段，信息技术的发展使数字化医疗日趋成熟。云计算、大数据等新兴技术的推动又给医疗信息化及新医改带来了新的契机。 如何把医疗大数据转换为经济价值，“关键是怎么能够提取出与诊疗有关的数据。”医疗行业的大数据集量大且繁杂，其中蕴含的信息价值也多样且丰富，如果能够对其进行有效的存储、处理、查询和分析，那么就可对于小到辅助某个临床医生做出更为科学和准确的诊断和用药决策，或帮助某个医院根据患者潜在需求开发全新个性化服务及自动服务，大到帮助相关研究机构突破医疗方法和药物革新，或支持地区甚至全国医疗行业主管部门优化医疗资源及服务配置，提供前所未有的强力支持。 医疗行业大数据量主要来自于制药行业科研数据，活动( 报销) 和成本数据，临床数据，病人行为和情绪数据。 医疗行业大数据应用场景非常多，下面仅以临床操作和研发为例，展示医疗行业大数据应用场景。
方案架构 医疗行业大数据总体系统框架分为五层, 分别是数据层，存储层，计算层，模型层, 应用层。模型层是整个大数据的核心部分，为上层应用提供数据支撑。 针对医疗行业大数据分析的特点, 引入大数据平台架构,实现对海量的制药行业科研数据，活动( 报销) 和成本数据，临床数据，病人行为和情绪数据的存储和管理，保证了医疗系统数据的准确性和高效性。 方案优势 彩讯医疗大数据解决方案在数据分析、数据管理、数据处理、数据可视化等重要技术上具有优势：
1.数据分析技术：包括数据挖掘、机器学习等人工智能技术，主要应用在 医疗分析和研究分析两大方面，如病理分析，病毒分析，人体健康度分析， 个性化差异分析等。为实现可信赖的医疗、个体化的医疗、转化医学研究、 病人参与的医疗，彩讯医疗大数据解决方案内置自主开发的函数模型库，除 包含常用的统计分析算法外，还内置了多种常用数据挖掘算法及分析模型。 插件式的函数模型库，可动态增加新算法模型。同时，还提供行业分析模型 及类似BI的分析和展示工具。 2.数据管理技术：包括关系型和非关系型数据管理技术、数据融合和集成 技术、数据抽取技术、数据清洗和过滤技术。医疗数据本身非常的分散，准 确性、及时性均有所欠缺，也对大数据管理技术提出了更高的要求。彩讯医 疗大数据解决方案内置ETL服务子系统与ETL配置工具，支持从文件， DB、数据流中导入数据。灵活的进行数据转换配置和任务配置。 3.数据处理技术：包括分布式计算技术、内存计算技术、流处理技术。现 行医疗行业医学信息不对称，个体化差异大，医疗疾病种类繁多，复合疾病 常见、关系复杂，这要求通过新型数据处理技术来更有效的利用软硬件资 源，在降低IT 投入、维护成本和物理能耗的同时，为医疗大数据的发展提 供更为稳定、强大的数据处理能力。彩讯医疗大数据解决方案包含Rich Hadoop分布式计算框架和Rich Streaming流计算框架，同时集成了hive、 hbase等成熟组件。 4.数据展现技术：包括可视化技术、历史流展示技术、空间信息流展示技 术等。主要应用与患者分类查询展现，复合疾病分析展现，基因组学数据展 现等方面。医疗数据种类繁杂，统计指标复杂，要求实时信比较高，因此需 要大力发展数据展现技术，提高医疗数据的直观性和可视性，从而提升医疗 质量降低医疗成本。彩讯医疗大数据解决方案自助分析工具包含报表工具和 分析工具。自定义报表工具，实现了基于XML 的定义文件来可编程性地生 成报表的能力。围绕着报表引擎，开发用户图形界面，用户可以使用向 导，无需编程，通过工具配置一步接一步完成创建一个报表。数据展示格 式灵活，能更大程度上满足用户的数据需求。多维分析工具，提供丰富的图 形化展现界面和接口。用java语言开发支持MDX（多维表达式）的查询 语言、分析型XML 和olap4j 的接口技术规范。实现了从SQL 和其它数 据源读取数据，在内存缓冲区中生成集合数据。 方案价值
智能视频分析解决方案V1
智能视频分析解决方案 2011年9月
目录 1. 概述 (3) 2. 智能分析功能描述 (4) 2.1 车辆停驶检测 (4) 2.2 行人检测 (5) 2.3 车辆拥堵 (5) 2.4 车辆逆行 (6) 2.5 烟雾、火灾 (6) 2.6 遗留物检测 (6) 2.7 特殊事件——非小客车占用小客车道 (7) 2.8 特殊事件——车辆跨越实线 (8) 2.9交通流量统计 (9) 3. 系统结构 (10) 5. 系统组成 (12) 5.1视频前端(摄像机) (12) 5.2视频前端(镜头) (13) 5.3传输系统 (14) 5.4模拟控制系统 (15) 5.5数字控制系统 (15) 5.6数字硬盘录像系统 (16) 6. 系统技术指标 (17) 6.1运动目标检测 (17) 6.2响应时间 (17) 6.3背景自学习时间 (17)
1. 概述 随着国内高速公路的大规模建设以及高速公路网的完善，对高速公路路段的监控、管理已经成为高速公路管理的一项重要内容。视频监控在高速公路监控系统中的应用非常广泛，主要应用在收费系统、道路监控系统、隧道监控系统以及管理用房的监控当中。 在道路监控系统中，通常在匝道的出入口立交、桥梁、长下坡等重要地点设置动态监控点，现在一些重要主干高速路段，全程每2公里设置一个监控点，配置高倍数变焦镜头和云台，实现整条道路的全程监控。 在高速公路中，由于隧道环境特殊，且在一定距离内空间封闭，一旦在其中发生交通事故，救援以及疏散等问题难度非常大，因此，对于保证隧道安全运营的隧道监控系统，越来越得到工程建设者和管理者的重视。而在隧道监控系统中，通常隧道内每150米设置一个固定监控点，在人行横洞、车行横洞、隧道口设置云台或快球，实现动态监控。通过视频监控系统，将隧道互通枢纽的交通状况、道路状况、能见度状况传到监控中心或隧道管理站，在监控中心或隧道管理站监控室闭路电视监视器或大屏幕投影系统上显示，结合视频事件检测系统，为选择正确的交通控制策略提供依据，并可对视频图像进行实时分析和录像，以便分析及取证。 以往受视频分析处理技术条件所限制，对视频信号的分析判断主要依靠人的决策，随着视频智能分析技术的进步，在高速公路监控系统的应用上，视频信息处理正从一种辅助决策工具逐渐向自动决策系统方式过渡。当前智能视频分析技术在高速公路监控系统中成熟的应用是车牌识别系统、事件检测分析系统以及视频交通状态检测系统。车牌识别系统已经基本取代了人工录入车牌这一原始方式；事件检测分析系统当前已经被高速公路管理者逐步接受，在高速公路监控系统中已经广泛应用；车辆检测系统与线圈车检系统、微波车检系统三种车辆检测系统，已经成为高速公路机电系统最主流的车辆检测方式，交通状态检测系统也逐步成熟，已显示出独特的优势，正获得道路管理者尤其是交警部门的青睐。 ●车牌识别 车牌识别系统是智能交通最基本的组成构件之一，目前应用已经非常成熟，是高速公路收费系统的一个重要组成部分，识别系统以自动车牌号码识别为基础，可以对通过的车辆进行自动登记、验证、监控、报警。通过车牌识别系统，高速公路入口收费系统可以在通行卡（票）上保存系统识别车牌号码及车牌图片二值化信息，在高速公路出口利用车牌识别系统对车牌号码或车牌图片二值化信息进行匹配，判断通行卡（票）代表的入口车辆是否为出口车辆，可以有效地发现和避免换卡行为。同时系统所定位出的车牌图片和识别出的车牌号码成为管理、查询通行车辆的重要途径，可以有效地加强收费管理，限制和发现舞弊行为。 ●事件检测分析 高速公路用视频监控路段运行，监控人员不可能长时间不间断盯着屏幕监视，如果依赖于回放检索，会导致时间处理滞后。因而，事件检测分析系统在高速公路监控系统中得到广泛的应用。事
智能视频行为分析平台建设方案
基于智能视频分析的监控平台建设方案 随着国家经济的提高，城市和城市化进程在不断的发展，各种社会矛盾和暴力事件逐渐增多，政府和相关部分对加强城市各地联网型监控系统越来越重视，当前城市和小区监控系统建设使用监控录像存储，事件发生后调取查阅的方式，这种方式在一定程度上满足了社会的需求，但是无法避免事态趋于恶化，在此背景下，具有智能视频行为分析的监控平台建设就显得尤为重要。 智能视频技术让安全警卫部门能通过摄像机实时自动“发现警情”并主动“分析”视野中的监视目标，同时判断出这些被监视目标的行为是否存在安全威胁，对已经出现或将要出现的安全威胁，及时向安全防卫人员通过文字信息、声音、快照等发出警报，极大地避免工作人员因倦怠、脱岗等因素造成情况误报和不报，切实提高监控区域的安全防范能力。 现有各大监控系统厂商和信息化科技公司都研发出大量的智能视频分析软件，可以分为两大类，基于嵌入式DSP 智能分析系统和基于计算机末端处理的智能分析系统。 一．基于嵌入式DSP的处理优点
1、DSP方式可以使得视觉分析技术采用分布式的架构方式。在此方式下，视觉分析单元一般位于视觉采集设备附近（摄像机或编码器），这样，可以有选择的设置系统，让系统只有当报警发生的时候才传输视觉到控制中心或存储中心，相对于计算机末端处理方式，大大节省的网络负担及存储空间。 2、DSP方式下视觉分析单元一般位于视觉采集设备附近（摄像机或编码器），此方式可以使得视觉分析单元直接对原始或最接近原始的图象进行分析，而后端计算机方式，计算机器得到的图象经过网络编码传输后已经丢失了部分信息，因此精确度难免下降。 3、视觉分析是复杂的过程，需要占用大量的系统计算资源，因此计算机方式可以同时进行分析的视觉路数非常有限，而DSP方式没有此限制。 二．在对比上述两种处理模式的优缺点基础上，提出基于DSP嵌入式处理和末端计算机处理两种系统结构.
智慧工厂解决方案模板【解析】word版本
智慧工厂解决方案模板【解析】
智慧工厂解决方案模板 一、概念：什么叫智慧工厂 美国ARC总结：以制造为中心的数字制造、以设计为中心的数字制造、以管理为中心的数字制造，并考虑了原材料、能源供应、产品销售的销售供应，提出用工程技术、生产制造、供应链这三个维度来描述工程师的全部活动。 通过建立描述这三个维度的信息模型，利用适当的软件，能够完整表达围绕产品设计、技术支持、生产制造已经原材料供应、销售和市场相关的所有环节的活动。 实时数据的支持，实时下达指令制导这些活动，全面的优化，在三个维度之间交互，我们叫数字化工厂或智慧工厂。
ARC提出：用工程、生产制造、供应链三个维度描述数字化工厂的模型。 CPS在生产过程的实现构成了智慧工厂 信息物理系统（CPS） 计算和物理过程的整合集成：计算机和网络对物理过程进行监测和控制。CPS是工程系统，由一个嵌入在物体中的计算和通讯的内核，以及物理环境中的结构所监测和控制。 二、智慧工厂的基本架构 物联网和服务网是智慧工厂的信息技术基础。 与生产计划、物流、能源和经营相关的ERP、SCR、CRM等，和产品设计、技术相关的PLM处在上层，与服务网紧紧相连。 与制造生产设备和生产线控制、调度、排产等相关的PCS、MES功能通过CPS物理信息系统实现。这一层和工业物联网紧紧相连。
从制成品形成和产品生命周期服务的维度，还需要具有智慧的原材料供应、智慧的售后服务，构成实时互联互通的信息交换。 智慧的原材料供应和售后服务，需要充分利用服务网和物联网的功能。 三、智慧工厂的构成 智慧工厂由许多智能制造装备、控制和信息系统构成。 智能制造装备有许多智能部件和其他相关基本部件构成 现实，工程技术、生产制造和供应链的数字化不是十分成熟，没有广发推广应用。数字化工厂可理解为： 1、在生产制造的维度发展基于制造智能化的自动化生产线和成套装置
BI整体解决方案
?Q likView BI整体解决方案 伴随着企业各种数据积累的日益繁多,ERP后时代,BI开始愈发引起更多大中小企业的关注.然而,关注群体虽多,但真正让BI应用发挥极致的却是零星散点.更多的CIO对于BI 应用还停留在观望的层面. 假使任由这种状况继续,BI应用的普及之路必将漫漫修远.那么是什么因素阻碍着BI在企业中的应用呢?大家对于BI的普及又抱有何种态度呢?BI普及的突破口又在那里呢? 商务智能分析 商业智能也称作BI是英文单词Business Intelligence的缩写.商业智能通常被理解为将企业中现有的数据转化为知识,帮助企业做出明智的业务经营决策的工具.这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据.而商业智能能够辅助的业务经营决策,既可以是操作层的,也可以是战术层和战略层的决策.为了将数据转化为知识,需要利用数据仓库、联机分析处理(OLAP)工具和数据挖掘等技术.因此,从技术层面上讲,商业智能不是什么新技术,它只是数据仓库、OLAP和数据挖掘等技术的综合运用. 商业智能的概念最早在1996年提出.当时将商业智能定义为一类由数据仓库(或数据集市)、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用.目前,商业智能通常被理解为将企业中现有的数据转化为知识,帮助企业做出明智的业务经营决策的工具.这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据,以及来自企业所处的其他外部环境中的各种数据.而商业智能能够辅助的业务经营决策既可以是操作层的,也可以是战术层和战略层的决策.为了将数据转化为知识,需要利用数据仓库、联机分析处理(OLAP)工具和数据挖掘等技术.因此,从技术层面上讲,商业智能不是什么新技术,它只是数据仓库、OLAP和数据挖掘等技术的综合运用. 因此,把商业智能看成是一种解决方案应该比较恰当.商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理,以保证数据的正确性,然后经过抽取(Extraction)、转换(Transformation)和装载(Load),即ETL过程,合并到一个企业级的数据仓库里,从而得到企业数据的一个全局视图,在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理(这时信息变为辅助决策的知识),最后将知识呈现给管理者,为管理者的决策过程提供支持. 目前,商业智能产品及解决方案大致可分为数据仓库产品、数据抽取产品、OLAP产品、展示产品、和集成以上几种产品的针对某个应用的整体解决方案等.
银行经营管理智能分析平台系统解决方案(1)
银行经营管理智能分析平台系统解决方案 微软公司总裁比尔.盖茨曾说：今天传统的商业银行将是要在21世纪灭绝的一群恐龙。这是非言、预言还是警言？不管怎幺说，银行业在面临激烈的竞争时，确实感受到生存的压力。尤其是我国经济正处于转型期，融入全球市场进程不断加快，使得传统银行业的经营管理不论是理念、方法、技术都不适应金融行业的快速发展变化的要求，经营决策者已经意识到，利用信息技术来提升银行的经营管理水平，是增强自身核心竞争力的重要手段。 一、银行经营管理面临的问题 金融行业的发展变化要求银行的经营管理必须与之相适应，从银行经营管理角度出发，需要解决的问题有： 1、金融创新与风险的复杂化：随着金融市场的开放、中国入世，由市场主导和政府主导的多种金融创新将不断涌现，同时也不可避免的是银行业面临诸多新的风险，这使得银行的经营管理既要进行管理上的创新、经营业务上的创新，又要及时的规避风险，使银行能够积极稳健的生存和发展。 2、金融自由化、证券化：融资证券化使大公司可直接在资本市场和货币市场筹措资金，商业银行的传统金融媒介作用降低，优质客户减少，使利息收入的比重下降。对此，商业银行必须转变经营观念，根据市场变化，开辟新的业务领域和赢利渠道，所以经营管理对业务进行了重新定义，使其适应业务多元化的要求。 3、客户选择多样化：激烈的金融竞争使客户面临的选择多样化，如何发现和留住高价值的客户，同时又控制客户风险，是银行急需解决的问题。所以在经营管理上应以客户为核心，从不同角度分析客户需求，以灵活的经营手段满足客户。 4、金融交易电子化、智能化：经过多年的金融电子化建设，银行积累了大量的反映银行经营管理活动的数据。新型的经营管理就是要结合数据仓库、智能分析等最新IT技术，对银行积累的这些运营数据进行深入系统的分析，从中寻找业务创新和管理创新的思路以应对这些挑战。 二、智能分析平台 基于以上分析，中软融鑫利用在金融统计分析领域的多年经验积累，将银行新的经营管理思想与先进的智能分析技术相结合，开发了银行经营管理智能分析平台软件BBAP(Bank Business Analyze Platform)(图1)，可以为银行经营管理提供智能分析。 1、系统结构
智能分析之深度学习和整体解决方案
智能分析之深度学习和 整体解决方案 Document number：BGCG-0857-BTDO-0089-2022
智能分析之深度学习 深度学习对于智能分析来说就相当于人类的学习一样，人类不学习就是一张白纸，什么都不会，从我们的咿呀学说和学走路开始，到上学年龄的老师教学，再到进入社会的自我学习，无论何时何地，碰到新的事物就需要学习，智能分析既然是模拟人类，那深度学习就跟人类学习新事物一个原理，碰到一个新的事物，它无法辩认这是什么东西，最多只能判断它是否运动，运动速度是多少，是哪种颜色，是什么形状，但具体是什么物体它并不知道，那要辨认出具体物体，就需要做事前的深度学习 深度学习是学习物体的多个特征，不同的物体记忆不同的特征，比如认识不同的人、做人脸识别、人脸与身份证的对比等，一般都是通过识别人的五官特征，两个眼角，鼻子与两个嘴角五个点位的位
置、距离等信息，通常叫做人脸识别的五点识别，因为这些信息是不会随着年龄的增长而改变比例的，识别这些信息之后保存到数据库或文件中，一般是保存在XML文件中，当然有些情况还会记载物体的大小、颜色、形状等等多个参数，根据实际情况学习不同的特征值，这是学习的过程。 学习完之后就可以进行分析对比了，首先是找出视频中出现变化的对象，这个变化的对象有些是通过移动的对象来判断，有些是通过对比两帧数据来对比，反正是找出变化的对象即可，对象找出来之后先做初步的判断是否是我们需要检测的对象，如果是的话再提取物体的
特征值，来对比保存的物体的各个特征值，是否与保存的对象有相符的，再根据平台设置的相似度来确认是否是同一个人或对象。 在实际使用的过程中，算法首先是要进行一轮预处理阶段，即处理掉一些干扰因素，包括去除光亮条件和噪声、阈值、模糊等；对象的特征是一组描述符，为了使用这些描述符来训练模型或预测其中的一个模型，需要通过成千上万次图像预处理、提取特征来建立一个关于特征的大数据集合，并且通过选取的训练模型来提取特征。这就是为什么深度学习算法速度慢，当建模越多和视频中出现的对象越多，处理速度就会越慢，如果需要进一步排除误判，还需要对输出数据进行后期处理，比如合并多个分类，比如判断人脸后再判断身高，体形等，要判断这些因素，又要结合安装的摄像机的高度、角度等因素来设置人在视频中实际占的像素，在不同位置占的像素等，越想得到精准的结果，要处理的数据量就越大，对环境的要求就会越高，当平台处理的条件越多时干扰的因素也就越多，处理不好反倒会出现更多的误判，所以要想得到