QQ在线
企（qǐ）业微信
资讯
469公安实（shí）战应用需（xū）求分析
由于海量视频图像数据资源的积（jī）累和多（duō）种应用场景的适配，当前阶段国内以人脸识别（bié）和交通卡口机动车图（tú）像结（jié）构化描述为代表的智能视频监控的应（yīng）用已经（jīng）相对成熟，不（bú）过，从（cóng）公安实战的（de）需求角度来看，仍有一（yī）些（xiē）待（dài）改进的地（dì）方（fāng），简单可以概括为（wéi）这（zhè）几个方面：
1、视频（pín）监控系统（tǒng）顶层设计，在面（miàn）向智慧城市（shì）、平安城市建设过程中，如何更好地整（zhěng）合各部门（mén）的资源和需求来完善顶层设（shè）计，比如针对（duì）各警（jǐng）种不同业（yè）务应用需求，利用统一（yī）的数据资源池提（tí）供（gòng）灵（líng）活（huó）的算法资源服务，顶层设计（jì）是当务（wù）之（zhī）急；2、在（zài）计算资源的顶层设计方（fāng）面，针对混合计算的（de）问题，针对云、边、端的系统架构，如（rú）何实现计算资源的灵活部（bù）署（shǔ）也是需要考虑的方向（xiàng）；3、要能适应（yīng）灵活多（duō）变的（de）业（yè）务规则，不同（tóng）的目标布控（kòng）有不同的需求，因此需要进一步完善视频（pín）监控（kòng）前（qián）端或云端对于（yú）这种业务需求的（de）适（shì）配性；4、视（shì）频（pín）分（fèn）析作为大数据的应用，分析的（de）精准度很大程度（dù）上依赖（lài）于用于训练的数（shù）据集，在这个过程中，希望能够建立起一个行业知识库，来辅（fǔ）助建立更高精准度的视频监控识别系统。
从业务需求的角度来看，针对不同警种的业务需求以及公安实战过程中（zhōng）的不同环节，公安视（shì）频监控系统主要（yào）聚焦（jiāo）在在线（xiàn）视频智（zhì）能监控预警、海量视频离线（xiàn）综合（hé）研判以及（jí）共性的视频解（jiě）析服务平台这几大类的业务需求方面，这（zhè）些需求也将带（dài）来警务模式（shì）的创新，从原来传统的被动警务变为主（zhǔ）动警务。
综合而（ér）言，视（shì）频监控（kòng）分析应用不仅是建立更多高清联网的视频监控（kòng）探头（tóu），更重要（yào）的是通过一个（gè）视频解（jiě）析和服务体系的建设，从采集、分析、处理、挖掘各个环（huán）节出发实现对（duì）海量视频资源的（de）深（shēn）度应用，以此来促进视频监（jiān）控产业从监控到理解的转型。
人（rén）工智（zhì）能在安防领域的技术应用现状
那（nà）么，针对公安行（háng）业的应用需求，现阶段（duàn）人工智（zhì）能的技术应用现状如（rú）何?首先来（lái）看下视（shì）频（pín）结构（gòu）化描述的技术进展情况。视频结构化描（miáo）述有两个（gè）核心：图（tú）像对象要素的识别和（hé）构（gòu）建对象间的语义关系。
目前很（hěn）多视频结构化（huà）描述（shù）基本只做（zuò）到了第一层即可以实现对图（tú）像对象要素内容的（de）识（shí）别（bié）和标注（zhù），且进（jìn）展已经很成（chéng）熟（shú），甚至已能（néng）够实现在前端摄像机内即（jí）可实现结构（gòu）化描述，比如车辆卡口（kǒu），能够实现对车牌、车型（xíng）、车标、车身颜色的（de）信息的识别（bié）。不过对于一些更（gèng）个性化的（de）内容检索（suǒ），比如车辆年检标志、车（chē）内挂饰、纸巾（jīn）盒等细节的（de）特征识别还（hái）有一（yī）定（dìng）的（de）发展空间。另（lìng）外在（zài）非交（jiāo）通卡口（kǒu）像治安卡口（kǒu）这一类非标场景下的目标识（shí）别检测（cè），由于安（ān）装角度、光（guāng）照条件等因素的（de）影（yǐng）响，视频机构化描（miáo）述还（hái）有进一步发展空间。
第二（èr）层次构建起对象间的（de）语义关系至关重要，以闯红（hóng）灯（dēng）的场景（jǐng）为例（lì），闯红灯语义（yì）本（běn）身有几个要素，包括（kuò）信号灯（dēng）、车辆、交通标（biāo）志、标线等，识（shí）别这些要素是视频结构化（huà）描述的第一步。第二步是把识别（bié）对象（xiàng）之间形成一（yī）定的语（yǔ）义关（guān）系，比如车行状态、信（xìn）号灯（dēng）状（zhuàng）态、人和车之（zhī）间的位置关（guān）系（xì）等等，把这些关系建立起来之后（hòu）可以形成（chéng）一个关系规（guī）则，它的（de）优（yōu）势在于我们可以根据实际情（qíng）况灵（líng）活调整规则来（lái）拓展不（bú）同电子警（jǐng）察模式识别的能力。通（tōng）过构建语义关系来（lái）实现一些复杂的规则（zé），这也是视频结构化描（miáo）述的初心，也就（jiù）是（shì）构建不止是让（ràng）人理解（jiě）的描述，更（gèng）要构建让机器可理解的描述。
要实现对象的识别和构建起对象间（jiān）的语义关系，需要一（yī）些（xiē）专业的（de）技术支持（chí）：一个（gè）是目标检测和识别，其次是知识图谱，目标检测识（shí）别出来之后，需要构建语义关系构成一个知（zhī）识图谱，这两个方面的技术是（shì）实现视频结构（gòu）化描述的关键。
在人（rén）脸识别（bié）的技术应用现状方（fāng）面，1:1的（de）人脸识别在国内（nèi）的（de）应用已经非常广泛，但它（tā）也仍然存在一些（xiē）问题，比如非实体线下的（de）场景即（jí）网络场景下（xià）需（xū）要加强活体（tǐ）人脸（liǎn）检测（cè）做人脸防（fáng）伪（wěi），在金（jīn）融等高（gāo）安全（quán）级别的（de）人（rén）脸识（shí）别的场景下也需要进（jìn）一步巩固人脸识别的安全性和可靠性。1:N的（de）人脸识别技（jì）术进展也相当迅猛（měng），目前（qián）在国内已（yǐ）有一些项目落地。
行人检索（suǒ）的研（yán）究也取得了不（bú）错（cuò）的进展，但是这些成绩都是（shì）基于小规模的（de）数据，不同于车（chē）辆识别，车辆和车牌、车主身份证这些（xiē）数（shù）据（jù）信息（xī）绑定在一起（qǐ），其数据标注较为容易，但行人检索的数据标注成本（běn）相对会高出很多，所以导致现阶（jiē）段（duàn）行人检（jiǎn）索（suǒ）目前的实用性（xìng）和可用性方面仍没有（yǒu）车辆（liàng）检索的应用成熟。
安（ān）防人工智能应用（yòng）发展趋势
伴随着（zhe）AI的（de）深化应用及应用需求的（de）升级（jí），接下来，智能安防产业的发展（zhǎn）将呈现这几大发（fā）展（zhǎn）趋（qū）势：一是后（hòu）视频监控（kòng）时代（dài）将迎来物联网（wǎng）防控。除了视频数（shù）据之外，像Wi-Fi、RFID、电子车牌等不同维度的物联网信（xìn）息都可以关（guān）联到一（yī）起（qǐ），通过丰富的数据（jù）类型，来共（gòng）同碰撞出更（gèng）有价值的信息（xī）；二（èr）是数据融合（hé）的能力更强，分（fèn）析应用更智能；三是（shì）随着5G的到（dào）来，不同（tóng）的应用场（chǎng）景里面（miàn）融合通信的程（chéng）度将（jiāng）会加（jiā）强；第四个就是三维图像建模，通（tōng）过（guò）将视频监控画面和三维图像进行融合，实现城市大场景的虚实融合，这种应用（yòng）或将成（chéng）为未来指挥中（zhōng）心可视化指挥调度（dù）的一（yī）个新的方向。还有一个趋（qū）势是移（yí）动视频监控信（xìn）息采集，当前（qián）阶段的（de）视（shì）频监控更（gèng）多是采用固定点位进行视频数据的采集，随着车（chē）辆移动监控以（yǐ）及（jí）可（kě）穿（chuān）戴（dài）式（shì）监控设备的出现，未来移动监（jiān）控的应用也将成为（wéi）一大趋（qū）势方向。
安防人（rén）工智能需要攻克（kè）的（de）五（wǔ）大技（jì）术要点
同时，我们还梳理了一些（xiē）安防人工（gōng）智能的技术趋势（shì）及（jí）接下来将重点攻克的技术要点。首先是视频流媒（méi）体的分布式计（jì）算引擎（qíng）。视频云（yún）现在还是（shì）基于单个文件的处理，如何实现基于（yú）流媒体的分布式处理需（xū）要进一步研究；其次在视频图（tú）像增强方（fāng）面（miàn），尽管（guǎn）视频监控摄像头清晰度不断提高（gāo），但同时（shí）也存在由（yóu）于运动、光（guāng）线（xiàn）、压（yā）缩等因素造成的模糊，如何实现对模糊（hú）视频图像像素的（de）增强和还原，也是一大技术方向之一，未来有望通过基于（yú）深（shēn）度学习（xí）的人（rén）工智能（néng）技（jì）术来实现图像增强的突破；联邦学习（xí）也是这两（liǎng）年的一个热门方（fāng）向，主要（yào）是为了解决数据不共享情况（kuàng）下AI训练的问题，联邦（bāng）学习可以有（yǒu）效解决“数（shù）据（jù）孤岛”问（wèn）题（tí），让参与（yǔ）方在不共享数据的基础上联合（hé）建模,能从技术上打破数据孤岛，实现AI协作；半监督学习主要是解决数据标注（zhù）的问（wèn）题，因为（wéi）很多数据不可能（néng）在短的时间内得到全量的标注；还（hái）有类脑智能研究，通过摸索大脑对图像和动作的识别（bié）过程，去发现深（shēn）度学习在理解（jiě）大脑模式（shì）中所存在的问题，在（zài）这方面，可以联合神经科学、心理（lǐ）学（xué）等构成跨学科的研究团（tuán）队，目（mù）前我（wǒ）们和（hé）上海类脑中心也在积极探索这（zhè）方面的理（lǐ）论研究（jiū）；人工智能对抗，就（jiù）像病（bìng）毒（dú）跟反病毒一样，随着人工智能技术的逐渐成熟以及在大众生活场景中的密切应用，未来利用人工（gōng）智能违法也可（kě）能（néng）成为一种趋势，比如当下为了防止（zhǐ）人脸信息（xī）被盗（dào）用冒（mào）用推出的人脸（liǎn）识（shí）别活体（tǐ）检测（cè）手段，人工智能（néng）的（de）对（duì）抗研究将是一个（gè）持续的过程。
在身份（fèn）认证的技术应用方面，区块链（liàn）技术有（yǒu）望进一（yī）步（bù）增强身份认（rèn）证的可靠性和安全性。如何利用去中心化的身份构建一个隐私（sī）保护下的（de）生物特征识别系统，使得身份信息的隐私保护提高到（dào）一个新的高度，这也是（shì）值得研（yán）究的（de）课题，目前关注区块链技术应用的企业（yè）不（bú）少，未来人证合一领（lǐng）域（yù）的（de）技术应用可能会带来新的（de）体验。
最后，在整（zhěng）个产业都（dōu）在强调AI的落地应用方面，如何（hé）评判（pàn）厂商和（hé）机构的人工智能算法及产品（pǐn）的质量，在没（méi）有数据（jù）集的情（qíng）况下（xià），现阶段很多测试（shì）还（hái）依赖于甲方（fāng）的评（píng）价，行业内缺乏一（yī）个专业（yè）的测评服务平台（tái），需要构建一个（gè）公（gōng）共（gòng）的、专（zhuān）业的测评服（fú）务平台。
对于上述这些产业现状和待突破的技术（shù）方向，创新技术的（de）研究和（hé）落地应（yīng）用，光靠企业或技术（shù）单位的（de）力量还远不（bú）够，希望政产学研等多方（fāng）力量（liàng）来一（yī）起共同推进（jìn），助推智能（néng）安（ān）防产业加速发展（zhǎn）。
