QQ在线
企业微信（xìn）
资讯（xùn）
476公安（ān）实战应用（yòng）需求分析
由于海量视（shì）频图像数据（jù）资源的积累和多种应用场景（jǐng）的（de）适配，当前（qián）阶段国（guó）内以人（rén）脸识别（bié）和交通（tōng）卡口机动车图像结构化描（miáo）述为（wéi）代表的智能视频监控的（de）应（yīng）用已经相对成熟（shú），不（bú）过，从公安实（shí）战的需求角（jiǎo）度来看，仍有（yǒu）一些待改进的地方，简单可以概（gài）括为这几个方面：
1、视频监（jiān）控（kòng）系（xì）统顶层（céng）设计，在面向智慧城市、平（píng）安城市建（jiàn）设过程中，如何更好地整合各部门的资（zī）源和需求来完善顶层设计（jì），比如针对各警种不同（tóng）业务（wù）应用需求，利用统（tǒng）一（yī）的数据资源池提供（gòng）灵活（huó）的（de）算法资源服（fú）务，顶层设计是（shì）当务之急；2、在计算资源的顶层设计方面，针对混合计算的问题，针对云、边、端的系统架构，如何实（shí）现计算资源（yuán）的灵活部署也（yě）是需要（yào）考虑的方（fāng）向；3、要能适应灵活多变的（de）业务规（guī）则，不同的目标布控有不同的（de）需求，因（yīn）此需要进一步完善视频（pín）监控前端或（huò）云端对（duì）于这种业务（wù）需求的适配性（xìng）；4、视频分析作为大数据（jù）的应用，分析的精准度很（hěn）大程度上依（yī）赖于（yú）用于训练（liàn）的（de）数（shù）据集（jí），在这个过程中，希望能够建（jiàn）立起一个行业知识库，来（lái）辅助建（jiàn）立更高精准度的视（shì）频监控识（shí）别系统。
从业务（wù）需求的角度来看，针对不同警种的业务需求以及公安实（shí）战过程中（zhōng）的不同（tóng）环节（jiē），公安（ān）视频（pín）监控系统主要（yào）聚焦（jiāo）在在（zài）线视频智能（néng）监（jiān）控（kòng）预（yù）警、海量视频离线（xiàn）综合研判以及（jí）共性的视频解析服务平（píng）台这几大类的业务（wù）需求方面，这些（xiē）需求也将带来警（jǐng）务模式（shì）的创新，从原（yuán）来传统的被动警务（wù）变为主动警务。
综合而言，视频监控分析应用（yòng）不仅是建立更多高清联网的视频监控探头，更重要的（de）是通过一个视频解析和服务体系（xì）的建（jiàn）设，从采集、分（fèn）析、处理、挖掘各个（gè）环节出发实现对海量视频资源的深（shēn）度应用，以此（cǐ）来促（cù）进视（shì）频监控产（chǎn）业从监控到理解（jiě）的转型。
人工（gōng）智能在安防领域的（de）技术（shù）应用现（xiàn）状（zhuàng）
那（nà）么（me），针（zhēn）对公安（ān）行业的（de）应用需求，现阶段（duàn）人（rén）工智能的技术（shù）应用现状如何?首先来看（kàn）下视频结构（gòu）化描述（shù）的技术进展（zhǎn）情况（kuàng）。视频结（jié）构化描述（shù）有两（liǎng）个核心：图像对象要素的识别和构建对象间的语义关系。
目前很多视频结构化（huà）描（miáo）述基本只做到（dào）了第（dì）一层即可以实现对图像对象要（yào）素内容的识别和标注，且进展（zhǎn）已经很（hěn）成（chéng）熟，甚至已能够实现在前端摄像机内即可实现结构（gòu）化描述，比如车辆（liàng）卡口（kǒu），能（néng）够实现对（duì）车牌、车型（xíng）、车标、车身颜（yán）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（biāo）志、车内挂饰、纸（zhǐ）巾盒等细节的特征（zhēng）识别还有一定的发（fā）展空间。另外在非交通卡口像治安（ān）卡口这一（yī）类（lèi）非标场景下的目标识别检测（cè），由于安装角度（dù）、光照条件等（děng）因素（sù）的影响，视频机构化描述还有进一步（bù）发（fā）展（zhǎn）空间（jiān）。
第二层次（cì）构建起对（duì）象（xiàng）间的语义关系至关重要，以闯红灯的场景为例，闯红灯语义本身有几（jǐ）个要素，包括信号灯、车辆、交通标志、标线等，识别这些要素是视频结构化描述的第（dì）一步（bù）。第二步是把识别对象之间形成一定（dìng）的语义关系，比如车（chē）行状态（tài）、信号（hào）灯状态（tài）、人和车之间（jiān）的（de）位置关（guān）系等（děng）等（děng），把这些关（guān）系（xì）建立起来之后可以形成一个关系规则（zé），它（tā）的（de）优势在于我们可以根据实际（jì）情况灵活调整规则来拓展不同电子警察模式识别的能力。通过（guò）构（gòu）建语义关系来实（shí）现一些复杂的规则，这也是视频结构（gòu）化（huà）描述的（de）初心，也就是构建不止是让人（rén）理解的（de）描述，更（gèng）要构（gòu）建（jiàn）让机器可（kě）理解的描述。
要（yào）实现对象的识别和构建（jiàn）起对象间的语（yǔ）义关系，需要（yào）一些（xiē）专（zhuān）业的技术（shù）支持：一个是目（mù）标检测和识别（bié），其次是知识图（tú）谱，目标检测识别（bié）出来之后，需要构建语义关系构成一（yī）个知识图谱，这（zhè）两个方面的技术是实现视频结构化描述的（de）关（guān）键（jiàn）。
在人脸识别的（de）技术应用现（xiàn）状方（fāng）面，1:1的人脸识别（bié）在国（guó）内的应用已经非常（cháng）广泛（fàn），但它也仍然存在一些问题，比如非实体线下的场景（jǐng）即网（wǎng）络场景下需要（yào）加强（qiáng）活体人脸检测做人脸防伪（wěi），在金融等高安全（quán）级（jí）别的（de）人脸识别的场景下也（yě）需要进一步巩固人脸识别的（de）安全性（xìng）和可靠性。1:N的（de）人脸识别技术进展也相（xiàng）当迅猛，目前在国内已有一些项目（mù）落地。
行人检索的研究也取得了不（bú）错（cuò）的进展，但是这些成绩（jì）都是（shì）基于小规模的数据，不同于车（chē）辆识别（bié），车辆和车（chē）牌、车主（zhǔ）身份证这些（xiē）数据信息绑定在（zài）一起，其数据标注较为容易，但行（háng）人检（jiǎn）索的数据（jù）标注成本相对会（huì）高（gāo）出很（hěn）多，所（suǒ）以导致现阶段行人（rén）检索目前的（de）实用（yòng）性和可（kě）用性（xìng）方面仍没有（yǒu）车辆（liàng）检索（suǒ）的应用成熟（shú）。
安防人工智能应用发（fā）展（zhǎn）趋势
伴随着AI的深化（huà）应用（yòng）及应（yīng）用（yòng）需求的（de）升级，接下来，智（zhì）能安防产业的发展将呈现（xiàn）这几大（dà）发展趋势：一是后（hòu）视频监（jiān）控时代（dài）将迎来物联网防控。除了视频数据之外，像Wi-Fi、RFID、电子车牌等不同维度的物联网信息都可以关联到一起，通过（guò）丰富的数（shù）据类型，来（lái）共同碰撞出更有价值的信息；二是数据融（róng）合的能力更强，分析应用更智能；三（sān）是随着5G的到来，不同（tóng）的应用场景里面融合通信的程度将会加强；第四个就是（shì）三维图像（xiàng）建（jiàn）模（mó），通过将视频（pín）监控画面和（hé）三维（wéi）图像进行融合，实现城市大场景的虚实融合（hé），这（zhè）种应用或将成为未（wèi）来指挥中心（xīn）可（kě）视化指挥调（diào）度的一个新的方向。还有一个趋势是移动视频监控信息采集，当前阶段的（de）视频监控更多是（shì）采用固定点位进行视频数据的采集，随着车辆移动（dòng）监控以及可穿（chuān）戴式监控设备的出现，未来（lái）移（yí）动监控的应（yīng）用（yòng）也将成为一大趋势（shì）方向。
安防人工（gōng）智（zhì）能（néng）需要（yào）攻克的五大技术要点
同时，我（wǒ）们还（hái）梳理了（le）一些（xiē）安防人工智能（néng）的技术（shù）趋势及接下来将重（chóng）点攻克的技术要点。首（shǒu）先是视频流媒体的分布式（shì）计算（suàn）引（yǐn）擎。视（shì）频云现在还是基（jī）于单个文件的（de）处理，如何实（shí）现基于流媒体的（de）分布式处理需要进一步研究；其次在视频图像增强方面，尽（jìn）管（guǎn）视（shì）频监（jiān）控摄像头（tóu）清晰度（dù）不断提高，但同时（shí）也存在由于运动、光（guāng）线、压缩等因（yīn）素造成的模糊，如何实现（xiàn）对（duì）模糊视频（pín）图像像素（sù）的增强和还原，也是一大技术方向之（zhī）一，未来有望通过基于深（shēn）度学习（xí）的人工智能（néng）技术（shù）来实现（xiàn）图（tú）像增强的突破；联邦（bāng）学（xué）习也（yě）是这两年的一个热门方向，主要是为了解决数据不共享情（qíng）况下AI训练的问题（tí），联邦学习可以（yǐ）有效（xiào）解决“数据孤岛”问（wèn）题，让（ràng）参与（yǔ）方在不共（gòng）享数据的基础（chǔ）上（shàng）联合建模（mó）,能（néng）从技（jì）术上打（dǎ）破数据（jù）孤岛，实现AI协作；半监督学习主要是解决数据标（biāo）注（zhù）的问题，因为很多（duō）数据不可能在（zài）短的时（shí）间（jiān）内得到全量的标注；还有类脑智能研究（jiū），通过摸（mō）索大脑对图像和动作的识别过（guò）程（chéng），去发现（xiàn）深（shēn）度学习在理解大脑模式中所存在的问题，在这（zhè）方面，可以联合神经（jīng）科学、心理学等构成跨学科的研究团队，目前我们和上（shàng）海（hǎi）类（lèi）脑中心也在积极探索这（zhè）方（fāng）面的（de）理（lǐ）论研究；人工智能对抗，就像病毒跟反病毒一样，随着人工智能技术的逐渐成熟（shú）以及在大众生（shēng）活（huó）场景中的密切应用（yòng），未来（lái）利用人（rén）工智能违法也可（kě）能成为一种趋势，比如当（dāng）下为（wéi）了防止人脸（liǎn）信（xìn）息被盗用冒用推出的人脸（liǎn）识别活体检（jiǎn）测手段，人工智能（néng）的对抗研究将是（shì）一个持续的过程。
在身（shēn）份认证的技术应用（yòng）方面，区块链技术有望进一（yī）步增强身份认证的（de）可靠性和（hé）安全性。如何利（lì）用去中心（xīn）化的身份构建一个（gè）隐私（sī）保护下的生物特征识别系统（tǒng），使得身份信息的隐私保护（hù）提高到（dào）一个（gè）新的高度，这也（yě）是值得研究（jiū）的课题，目前关注区块（kuài）链技术应用的企业不（bú）少，未来人证合一领域的（de）技术（shù）应用（yòng）可能会带来新的体验。
最（zuì）后，在（zài）整个产业都在强调AI的落地应（yīng）用方面，如何评判厂商和机构（gòu）的人工（gōng）智能算法及产品的质量，在没有（yǒu）数据集的（de）情况下，现阶段很多测试还依赖（lài）于甲方的评价，行业内缺乏（fá）一（yī）个专业（yè）的测评（píng）服务平台，需要构建一个公（gōng）共的、专（zhuān）业的测评（píng）服务平台。
对于（yú）上述这（zhè）些产业现状和待突（tū）破的技术方向（xiàng），创新技术的研（yán）究和落地（dì）应用，光（guāng）靠企业（yè）或技（jì）术单位的力量还远不够，希（xī）望政产（chǎn）学研（yán）等多方力（lì）量（liàng）来（lái）一起共（gòng）同推进，助（zhù）推智能（néng）安（ān）防产业加（jiā）速发展。
