QQ在线
企业微信
资（zī）讯
470公（gōng）安实战应用需求分析
由于海量视频图像（xiàng）数据资源的积累（lèi）和多（duō）种应用（yòng）场景的适配，当（dāng）前阶（jiē）段（duàn）国内以人脸识别（bié）和交通卡口机动车图像结构化描（miáo）述为代表的智能（néng）视频监（jiān）控的应用（yòng）已经（jīng）相对成熟，不过，从公（gōng）安实战的需求角度来看，仍有一些待改进的地方，简单可以（yǐ）概括为（wéi）这几个方面：
1、视频监控系（xì）统（tǒng）顶层设（shè）计，在面向智慧城市、平安城市建设过（guò）程（chéng）中（zhōng），如何更好地整合（hé）各部（bù）门（mén）的资源和需求来完善顶层（céng）设计，比如针对各警种不同（tóng）业务应用需求，利用（yòng）统（tǒng）一的（de）数据资（zī）源池提供灵活的算法资源服务（wù），顶层（céng）设计是（shì）当（dāng）务之急；2、在（zài）计算资（zī）源的顶层设计方面，针对混合计算的问题，针对（duì）云、边、端的系统架构，如何实现（xiàn）计算资源的灵活部署也是需要考虑的方（fāng）向；3、要能适应灵活多变的业务规（guī）则，不同的（de）目标布控有不同的需（xū）求，因此需要（yào）进（jìn）一步（bù）完善视频监控前端或（huò）云端对（duì）于这种（zhǒng）业务（wù）需求的适配性；4、视频分析作为大数（shù）据的（de）应用，分析的（de）精准度很（hěn）大（dà）程度上依（yī）赖于用于训练的（de）数据集，在这个过程中，希望能（néng）够建（jiàn）立起一个（gè）行业（yè）知识库，来（lái）辅助建立更高精准度的视频监控识别系统。
从业务（wù）需求的角度来（lái）看，针对不同警（jǐng）种的业务需（xū）求以及公安实战（zhàn）过（guò）程中的不（bú）同环节，公（gōng）安视（shì）频监控（kòng）系统（tǒng）主要（yào）聚焦在在线（xiàn）视频智能监控预警、海量视频离（lí）线综合研判以及（jí）共性的（de）视频解析服务平台这几大类的（de）业务需求方面，这些需求也将带来警务模式的创（chuàng）新，从原来传统的被（bèi）动警（jǐng）务变（biàn）为主动警务。
综（zōng）合而言，视频监控（kòng）分析应用（yòng）不（bú）仅是建立更多高（gāo）清联（lián）网的视频监控探头，更重要的是通过一个视频解析和（hé）服务体系的（de）建设，从采集、分（fèn）析、处理、挖掘（jué）各个（gè）环节出发实现（xiàn）对海量视频资源的（de）深度应（yīng）用，以此（cǐ）来促进视频监控（kòng）产业从监控到理（lǐ）解的转型。
人工智能在安（ān）防领域的技术应（yīng）用现状（zhuàng）
那么，针对公安行业（yè）的（de）应用需求，现阶段人工智能的（de）技术应用（yòng）现状（zhuàng）如何（hé）?首先来看下视频结构化描述的技术进（jìn）展（zhǎn）情况（kuàng）。视频（pín）结构化描述有两（liǎng）个核心：图像对象要素的识别（bié）和构（gòu）建对象间的语（yǔ）义关系。
目前很多（duō）视频结构化描述基本只做到了第一层即可（kě）以实（shí）现对图（tú）像对象（xiàng）要素内容的识别和（hé）标注（zhù），且进展已经（jīng）很成（chéng）熟，甚至已能够（gòu）实现在前端摄（shè）像机内即可实现（xiàn）结（jié）构（gòu）化（huà）描述，比如车辆卡口（kǒu），能（néng）够实现对车牌（pái）、车型（xíng）、车标、车身颜色（sè）的信息的识别。不过对于一些更个性化的内容检索，比如车辆年检标志、车内挂（guà）饰、纸（zhǐ）巾盒等细节的特征识（shí）别还有（yǒu）一定的（de）发（fā）展（zhǎn）空间。另外（wài）在非交通卡口像治安卡口这一类非标场景（jǐng）下的（de）目标识别检测，由于（yú）安（ān）装角度（dù）、光（guāng）照条件等因素（sù）的影（yǐng）响（xiǎng），视频机构化描述还有进一步发展（zhǎn）空间。
第二（èr）层次构建起对象间的语义关系至关重要，以闯红灯的（de）场景为例，闯红灯语义本（běn）身有几（jǐ）个要素，包括信（xìn）号灯、车（chē）辆、交通（tōng）标志、标线等，识别这些要素是（shì）视频结构（gòu）化描（miáo）述的第一步。第二步是把识（shí）别（bié）对象之间形成（chéng）一定的语义关系，比如车行状（zhuàng）态、信号灯状态、人和车之间的位置关系等等，把这（zhè）些关系建立起（qǐ）来之后可（kě）以形成一个关系规则，它的优势在于我们（men）可（kě）以根据（jù）实际情况灵（líng）活调整规则来拓（tuò）展不同电子警察模式识（shí）别的能力。通过构（gòu）建语义关系来实现一些（xiē）复杂的规则（zé），这也是视频结（jié）构化描述的初心（xīn），也就是构建不止是让人理解的描述，更要（yào）构建（jiàn）让机器可理解的（de）描述（shù）。
要实现对象的识别和（hé）构（gòu）建起对象间的语义关系（xì），需（xū）要一些专业的技术支（zhī）持：一（yī）个（gè）是目标（biāo）检测和识别，其次是知（zhī）识图（tú）谱（pǔ），目标（biāo）检测识别出来之后（hòu），需（xū）要构建语义关（guān）系构（gòu）成一个（gè）知识图谱（pǔ），这两（liǎng）个方面的技术是实现视频结构化描（miáo）述（shù）的关键。
在人脸识别的技术应（yīng）用现状方面（miàn），1:1的（de）人脸（liǎn）识别（bié）在（zài）国内的应用已经非常广（guǎng）泛，但它（tā）也（yě）仍然存在一些问题，比如非实体线下（xià）的场景即网络场（chǎng）景下（xià）需要（yào）加强活（huó）体人脸检测做人（rén）脸防伪，在金融等高安全级别（bié）的人（rén）脸识别的（de）场（chǎng）景（jǐng）下也需（xū）要进（jìn）一步巩固人脸（liǎn）识别的安全性和可靠性（xìng）。1:N的人脸识别技术进展也（yě）相当迅（xùn）猛，目前在国（guó）内已有一些项目落地。
行人（rén）检索的研究也取（qǔ）得了（le）不错的进展，但是这些成绩（jì）都是（shì）基于小规模的数据（jù），不同于车辆识别，车辆和车牌（pái）、车主身份证这些数据（jù）信息（xī）绑定在一起，其数据标注较为容易，但行（háng）人检索的数据标（biāo）注成（chéng）本相对会（huì）高出（chū）很多，所以导致现阶段行（háng）人检索目前（qián）的实用性和可（kě）用性方面仍（réng）没有车辆检索的（de）应用成熟（shú）。
安防人工智能应用发展趋势
伴随着AI的深化应（yīng）用及（jí）应用需求的升级，接（jiē）下来，智（zhì）能安（ān）防产（chǎn）业的发展将（jiāng）呈现（xiàn）这几大发展（zhǎn）趋势：一（yī）是后视频监（jiān）控时（shí）代将（jiāng）迎来（lái）物（wù）联网（wǎng）防控（kòng）。除（chú）了视频数据之（zhī）外（wài），像Wi-Fi、RFID、电子车牌等不同维（wéi）度的物（wù）联（lián）网（wǎng）信息都可以关联到一起，通过丰富的数据（jù）类型，来共同碰撞出更有价（jià）值的信（xìn）息；二是（shì）数据（jù）融合的（de）能力更强，分析应（yīng）用更智能（néng）；三是随（suí）着5G的（de）到来，不同的应用场景里（lǐ）面融（róng）合通信的程度将（jiāng）会加强；第四个就是三维图（tú）像建模，通过将视频监控画（huà）面和三维图像（xiàng）进行融合，实现城（chéng）市大场景的虚实融（róng）合，这种应用或将成（chéng）为未来指挥中心可视化指挥（huī）调度的一个新的方向。还（hái）有一个趋势是移动视频监控信息采集（jí），当前阶段的视（shì）频监控更多是采（cǎi）用固定点位进行视频数据（jù）的采集，随着车辆移动（dòng）监控以（yǐ）及可穿戴（dài）式监控（kòng）设（shè）备的出现（xiàn），未来移动（dòng）监（jiān）控的（de）应用也将（jiāng）成为一（yī）大趋势方向。
安（ān）防（fáng）人工智（zhì）能需（xū）要攻克的五大技术（shù）要点
同时，我们还梳理了一些安防人工智能的技术趋势及接下来将重点攻克的技术要点。首先是视频流媒体（tǐ）的分布式计算（suàn）引擎。视频云现（xiàn）在还（hái）是基（jī）于单个文件的处（chù）理，如何实现（xiàn）基于流媒体的（de）分布式（shì）处理需要进一（yī）步研（yán）究；其次在视频图像增强方面，尽管视（shì）频监（jiān）控摄像头清晰度不断提高，但同时也存在由（yóu）于运（yùn）动、光线（xiàn）、压缩等因素造成的模糊，如何实现（xiàn）对模糊（hú）视频图像像（xiàng）素的（de）增（zēng）强和（hé）还原，也是一大（dà）技术方向之一，未来有望通（tōng）过基于（yú）深度学习的人工（gōng）智能技术来实现图（tú）像增强的突破（pò）；联邦学习也是这两年的一个热（rè）门（mén）方向，主要是为了解决（jué）数据（jù）不共享情（qíng）况下AI训练（liàn）的问题（tí），联邦学习可以有效解（jiě）决“数据孤岛”问题（tí），让参与方在不共享数据的（de）基础上联合建模（mó）,能从技术上打（dǎ）破数据（jù）孤岛，实（shí）现AI协（xié）作（zuò）；半监督（dū）学习主要是解决数据标注的（de）问题，因为很多（duō）数（shù）据不可（kě）能（néng）在短的时（shí）间内（nèi）得到全量的（de）标注（zhù）；还有类脑智（zhì）能研（yán）究，通过摸索大脑对图像和动（dòng）作的识别过程，去（qù）发（fā）现深度学习（xí）在理解大脑模式中所存（cún）在（zài）的问题，在这方面，可以联（lián）合神经科（kē）学、心（xīn）理学等构成跨学科的研究（jiū）团（tuán）队，目前我们（men）和上海类脑中心也在积极探索这方面的（de）理论研究；人（rén）工智（zhì）能对抗（kàng），就（jiù）像病（bìng）毒跟（gēn）反病毒一样（yàng），随着（zhe）人工智能技术的逐渐成熟以及在大（dà）众生活场景中的密切应用，未来利用人工（gōng）智（zhì）能违法也可能（néng）成为一种趋势，比（bǐ）如当（dāng）下为了防止（zhǐ）人脸信息（xī）被盗用冒用推出（chū）的人脸（liǎn）识（shí）别活体检（jiǎn）测手段，人工智能的对抗研究将是一个持续（xù）的过（guò）程。
在（zài）身（shēn）份认证的技术应用（yòng）方面，区块链技术有（yǒu）望进（jìn）一步增强身份认证的可靠性和安全（quán）性。如何利用去中心化的身份（fèn）构建一个隐私保（bǎo）护下的生物特征（zhēng）识别（bié）系（xì）统，使得身份信息（xī）的隐私保（bǎo）护提高到一（yī）个新的高度，这也是值得研究的课（kè）题，目前关注（zhù）区块链（liàn）技术应用的企业不少，未来人证合一（yī）领域的技术应（yīng）用可能会带来新的体验。
最后，在整个（gè）产业都在强调AI的落地应用方面，如何评（píng）判厂商和机构的人工智（zhì）能算法及产品的质量，在没有数据集的（de）情况下，现阶段很多测试还（hái）依赖（lài）于（yú）甲方的（de）评价，行业内缺乏一个专（zhuān）业的测评服务平台（tái），需（xū）要（yào）构（gòu）建（jiàn）一个公共的、专（zhuān）业的测评（píng）服务平台。
对于上述这些产业现状和待突破的技（jì）术方向，创（chuàng）新技（jì）术（shù）的研究和（hé）落（luò）地应用，光靠（kào）企业或技术单位的力量还远不够，希望政产学研等（děng）多方力量（liàng）来一起共同推（tuī）进，助推智（zhì）能（néng）安防产（chǎn）业加速发展。
