QQ在线
企业微信
资讯
474公安实战应用需求（qiú）分析
由于海量视频图像数据资源（yuán）的积（jī）累和多种应（yīng）用场景的（de）适配，当（dāng）前阶段国内（nèi）以（yǐ）人脸识别和交通卡口（kǒu）机动车（chē）图像结构（gòu）化描述为代（dài）表的智能视频监（jiān）控的应用已经相对（duì）成熟，不过，从公（gōng）安（ān）实战的需求角度来看，仍有一些待改（gǎi）进的（de）地方，简单（dān）可以概括（kuò）为这几个方（fāng）面：
1、视频监控（kòng）系统顶层设计，在面（miàn）向智慧城市（shì）、平安城市建（jiàn）设过程中（zhōng），如（rú）何更（gèng）好（hǎo）地整（zhěng）合各部门的资（zī）源（yuán）和需（xū）求（qiú）来完善顶（dǐng）层设（shè）计，比如针对各警种不同业务应用需求，利用统（tǒng）一的数据资源（yuán）池提供灵活的算（suàn）法资源服（fú）务，顶层设计是当务之急；2、在计算资源（yuán）的顶（dǐng）层设计方面，针（zhēn）对混合计算（suàn）的问题，针对云、边、端（duān）的系统架（jià）构，如何（hé）实现计算资源的灵活部署也是需要（yào）考虑的方向（xiàng）；3、要能（néng）适应灵活多（duō）变的业务规（guī）则，不同的（de）目标布控有不同的需求，因此需要（yào）进一步完善视（shì）频（pín）监控前端或云端（duān）对于这种（zhǒng）业务需求的适配性；4、视频分（fèn）析作（zuò）为（wéi）大数据（jù）的应用，分析的精（jīng）准度很大（dà）程度（dù）上依（yī）赖于用于训练的数据集，在这个过程中，希望（wàng）能够建立起（qǐ）一（yī）个（gè）行业（yè）知识（shí）库，来辅助建（jiàn）立更（gèng）高（gāo）精（jīng）准度的视频监控识别（bié）系统。
从（cóng）业务需求（qiú）的角度来看（kàn），针（zhēn）对不同警种的（de）业务需求以及公安实战过程（chéng）中的不同环节，公安视频监控（kòng）系统主要聚焦在在线视（shì）频智能监控预警、海量视频离线综合研判以（yǐ）及共性的视（shì）频解析服务平台（tái）这几大类的业务需求方面，这些需求也将带来警务模式的（de）创新（xīn），从原来（lái）传统的被动警（jǐng）务变为主动（dòng）警务。
综合而言（yán），视频监控分析应用不（bú）仅是（shì）建立更多高（gāo）清联网的视频监控探头（tóu），更重要的是通（tōng）过一个视频解析（xī）和服务体系的建设，从采集、分析、处理、挖掘（jué）各个环节出发实（shí）现对海量视频资源（yuán）的深度应用，以此来促进视频监控产业从（cóng）监（jiān）控到（dào）理解的转（zhuǎn）型。
人工智（zhì）能在安（ān）防领（lǐng）域（yù）的技术（shù）应（yīng）用现状
那么，针（zhēn）对（duì）公安行业的（de）应用需求，现阶（jiē）段人工智能的技术（shù）应（yīng）用现状如何（hé）?首先来（lái）看下（xià）视频结构化描述的技术进展情况。视频结构（gòu）化描述有两个（gè）核心：图像对象要素的识别和（hé）构建对象间的语义关系（xì）。
目前很（hěn）多视（shì）频结构化（huà）描述基本只做到了第（dì）一层即可（kě）以实现（xiàn）对图像对象要素内容的（de）识别和标注，且进展已经很成（chéng）熟，甚至已能够实现在前（qián）端摄像机（jī）内即（jí）可实（shí）现结构化描述，比如车辆卡（kǎ）口，能够实现对车牌、车型（xíng）、车标、车身颜色的信息的识别。不过对于（yú）一（yī）些更个（gè）性化的内（nèi）容（róng）检（jiǎn）索，比如车辆年（nián）检标志、车内挂饰、纸巾盒等（děng）细（xì）节的特征识别还有一定的发展（zhǎn）空间。另外在非交通卡口（kǒu）像治安卡口这一类非（fēi）标场景下的目标（biāo）识（shí）别检测，由于安装角度、光（guāng）照条件等因（yīn）素的（de）影（yǐng）响，视频机构化描（miáo）述还有进一步（bù）发展空间。
第二层次构建起对象间的语（yǔ）义关（guān）系至关重（chóng）要（yào），以闯红灯（dēng）的场景为例，闯（chuǎng）红灯（dēng）语义本身有几个（gè）要素，包括信号（hào）灯（dēng）、车（chē）辆、交通标志、标线等，识（shí）别这些要素（sù）是视频结构化描述的第（dì）一（yī）步。第二步是把识别对象之间形成一定的（de）语义关系，比如车行状（zhuàng）态、信号灯状态、人和（hé）车之间的位置关系等等，把这些关系建立起来之（zhī）后可以形成一个（gè）关系规（guī）则，它的优势在于（yú）我们可以根据实际情况（kuàng）灵活调整规则来拓展不（bú）同电子警察模（mó）式识别的能（néng）力。通过构建语义关系来实现（xiàn）一些复杂（zá）的规则，这也（yě）是视频结构化描述的初心，也（yě）就（jiù）是构建不止是让人（rén）理解的描（miáo）述，更（gèng）要（yào）构建让机器可理解的描述。
要实（shí）现对象的识别和（hé）构建起对象间的语（yǔ）义关系，需要一些专业的技术支持：一个是目（mù）标检测和识别，其次是知识图谱，目标检测识别出来之后，需（xū）要构建（jiàn）语义关（guān）系（xì）构成一（yī）个知（zhī）识图谱（pǔ），这两个（gè）方（fāng）面的技术是（shì）实现视频结构化描述的关（guān）键。
在（zài）人脸识别的技（jì）术应用现状方面，1:1的（de）人脸识别在国（guó）内的应用已经非常广泛（fàn），但它也仍（réng）然存在一些问题（tí），比如非（fēi）实体（tǐ）线下的（de）场景即网络场景下需要加强活体（tǐ）人（rén）脸检（jiǎn）测做人（rén）脸防伪（wěi），在金融等高安全（quán）级别的人（rén）脸识别的场景（jǐng）下也需要进一（yī）步巩固人脸识别的（de）安全性和可靠（kào）性。1:N的人脸识别技术进展（zhǎn）也（yě）相当迅猛，目前在国内已有一些项目落地。
行人（rén）检索的（de）研究也取得了（le）不（bú）错的进展，但是这些（xiē）成绩（jì）都是基于小规（guī）模的数据，不（bú）同于车（chē）辆识别，车辆和车（chē）牌、车主身份证这些（xiē）数据信息绑定在一起，其数据标注较（jiào）为容易，但行人检索的（de）数据标注成本相对会高出很（hěn）多（duō），所以导致现阶段行（háng）人检索目（mù）前的实用（yòng）性和可用性方面（miàn）仍（réng）没（méi）有车辆检索（suǒ）的（de）应用成（chéng）熟。
安防人工（gōng）智能应用发展（zhǎn）趋势
伴随着（zhe）AI的（de）深（shēn）化应用及应（yīng）用（yòng）需（xū）求（qiú）的升级，接下来，智能安防产业的（de）发展将呈现这几大发（fā）展趋势：一是后视（shì）频（pín）监控时代将迎（yíng）来物（wù）联网防控。除了（le）视频（pín）数据之（zhī）外，像Wi-Fi、RFID、电子车牌等不（bú）同维度的物联网信（xìn）息都（dōu）可以关联（lián）到一起，通过丰富的数据类型，来共同碰撞（zhuàng）出更有（yǒu）价（jià）值的信（xìn）息；二是数（shù）据融（róng）合的能力更（gèng）强，分析应用更智能；三是随着（zhe）5G的到来，不同的应（yīng）用场景里面融合通信（xìn）的程度将会加（jiā）强；第四个（gè）就是三维（wéi）图像（xiàng）建（jiàn）模，通过将视（shì）频监控画面和三（sān）维图像进（jìn）行（háng）融合，实现城市（shì）大场景的虚实融合，这种应用（yòng）或将成为（wéi）未（wèi）来指挥（huī）中心可视化指挥（huī）调（diào）度（dù）的一个新的方向。还有一个趋势是移动视频监控信息采集，当（dāng）前阶段的视频监控更多是采用（yòng）固定点（diǎn）位进（jìn）行（háng）视（shì）频数据的（de）采集（jí），随着（zhe）车辆（liàng）移动监控以及可（kě）穿戴式监控设备的出现，未来移动监控（kòng）的应用也将（jiāng）成为一大趋势方向。
安防人工智能需（xū）要攻克的五（wǔ）大技术要（yào）点
同时（shí），我们还梳理（lǐ）了（le）一些安防人工智能的技（jì）术趋势及接下来将重点攻克的技术要点。首（shǒu）先是视频流媒（méi）体的分（fèn）布式计（jì）算引擎。视频（pín）云（yún）现在还是基于单（dān）个文件的处理，如何实现基于（yú）流媒体的（de）分布式处理需要进一（yī）步研究；其次（cì）在视频图像增强方（fāng）面，尽管视频（pín）监控摄像头清晰度不（bú）断提高，但同时（shí）也（yě）存在由于运动、光线、压缩等因素（sù）造成（chéng）的模糊，如何实现对模糊视频（pín）图像像素的增强和还（hái）原，也是一大（dà）技术方向之一，未来有（yǒu）望通过基于深度学习的人工智能技术来（lái）实现图像增强（qiáng）的（de）突（tū）破；联邦学（xué）习也（yě）是这两年的一个热门方（fāng）向，主要是（shì）为了解（jiě）决数据（jù）不共享情况下AI训练的问题，联邦学习可以有（yǒu）效解决“数据孤岛”问（wèn）题，让参与方在不共享数据的基础上联合建模,能从技术上（shàng）打破（pò）数据孤岛，实现AI协作；半监督学习主要是（shì）解决数据标注的问题，因为（wéi）很多（duō）数（shù）据不可能在（zài）短的时间内得到全量的标注（zhù）；还（hái）有（yǒu）类脑智能研究（jiū），通过摸索（suǒ）大脑对图（tú）像和动作的识（shí）别过程，去发现（xiàn）深度学习在理解（jiě）大脑模（mó）式中所存在的问题，在这方面，可以联合神经科学、心理（lǐ）学等（děng）构成跨学科的研（yán）究团队，目前我（wǒ）们和上海类脑中（zhōng）心（xīn）也在积极探索这方面的理论研（yán）究；人工智能对抗（kàng），就（jiù）像病毒跟反（fǎn）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（mì）切应（yīng）用，未（wèi）来利（lì）用人（rén）工智能违法也可能成为一（yī）种趋势，比如当下为了防（fáng）止人脸（liǎn）信息被盗用冒用推（tuī）出的人脸识别（bié）活体检（jiǎn）测手段，人工智能的对抗研究将是（shì）一个持续的过程。
在身份（fèn）认证的（de）技术应（yīng）用（yòng）方面，区块链技术有望（wàng）进一步增（zēng）强身份认证的可靠性和（hé）安全（quán）性。如（rú）何利（lì）用（yòng）去中心（xīn）化的身份构建一（yī）个隐私保护（hù）下的生物（wù）特征识别系统（tǒng），使得身份信息的隐私保（bǎo）护提高（gāo）到一个新（xīn）的高度，这（zhè）也是值得研究的课题，目前关（guān）注区块链技术应（yīng）用的企业不少，未来人证合一领域的（de）技术应用可能会带来新的（de）体验（yàn）。
最后，在整个（gè）产业都在强（qiáng）调AI的（de）落地应（yīng）用方面，如何评判厂商和机构的人工（gōng）智能（néng）算法及产（chǎn）品（pǐn）的（de）质（zhì）量，在没（méi）有数据集的情况下，现阶（jiē）段很多测试还依赖于甲方（fāng）的评价，行（háng）业内缺（quē）乏一个专业的测评服务平台，需要构建一（yī）个（gè）公共的、专业（yè）的测评服务平台。
对于上述这（zhè）些产业现状和待突破（pò）的技术方向，创新技术的研究和落地应用，光靠企业或技（jì）术单位（wèi）的（de）力量（liàng）还远不够，希望政（zhèng）产学研等多方力量来一起共同推进，助（zhù）推智能安防产业加速发（fā）展。
