前言：伴隨著AI技術的深化應用，中國智能安防視頻監控技術和系統應用的發展正越來越成熟。本文將主要圍繞著當前階段公安實戰業務的應用需求以及人工智能在安防領域的應用現狀展開討論，同時也對智能安防產業未來的應用及技術趨勢提出了一些思考方向!
公安實戰應用需求分析
由於海量視頻圖像數據資源的積累和多種應用場景的適配，當前階段國內以人臉識別和交通卡口機動車圖像結構化描述為代表的智能視頻監控的應用已經相對成熟，不過，從公安實戰的需求角度來看，仍有一些待改進的地方，簡單可以概括為這幾個方面：
1、視頻監控系統頂層設計，在面向智慧城市、平安城市建設過程中，如何更好地整合各部門的資源和需求來完善頂層設計，比如針對各警種不同業務應用需求，利用統一的數據資源池提供靈活的算法資源服務，頂層設計是當務之急;2、在計算資源的頂層設計方面，針對混合計算的問題，針對雲、邊、端的系統架構，如何實現計算資源的靈活部署也是需要考慮的方向;3、要能適應靈活多變的業務規則，不同的目標布控有不同的需求，因此需要進一步完善視頻監控前端或雲端對於這種業務需求的適配性;4、視頻分析作為大數據的應用，分析的精準度很大程度上依賴於用於訓練的數據集，在這個過程中，希望能夠建立起一個行業知識庫，來輔助建立更高精準度的視頻監控識別系統。
從業務需求的角度來看，針對不同警種的業務需求以及公安實戰過程中的不同環節，公安視頻監控系統主要聚焦在在線視頻智能監控預警、海量視頻離線綜合研判以及共性的視頻解析服務平臺這幾大類的業務需求方面，這些需求也將帶來警務模式的創新，從原來傳統的被動警務變為主動警務。
綜合而言，視頻監控分析應用不僅是建立更多高清聯網的視頻監控探頭，更重要的是通過一個視頻解析和服務體系的建設，從採集、分析、處理、挖掘各個環節出發實現對海量視頻資源的深度應用，以此來促進視頻監控產業從監控到理解的轉型。
人工智能在安防領域的技術應用現狀
那麼，針對公安行業的應用需求，現階段人工智能的技術應用現狀如何?首先來看下視頻結構化描述的技術進展情況。視頻結構化描述有兩個核心：圖像對象要素的識別和構建對象間的語義關係。
目前很多視頻結構化描述基本只做到了第一層即可以實現對圖像對象要素內容的識別和標註，且進展已經很成熟，甚至已能夠實現在前端攝像機內即可實現結構化描述，比如車輛卡口，能夠實現對車牌、車型、車標、車身顏色的信息的識別。不過對於一些更個性化的內容檢索，比如車輛年檢標誌、車內掛飾、紙巾盒等細節的特徵識別還有一定的發展空間。另外在非交通卡口像治安卡口這一類非標場景下的目標識別檢測，由於安裝角度、光照條件等因素的影響，視頻機構化描述還有進一步發展空間。
第二層次構建起對象間的語義關係至關重要，以闖紅燈的場景為例，闖紅燈語義本身有幾個要素，包括信號燈、車輛、交通標誌、標線等，識別這些要素是視頻結構化描述的第一步。第二步是把識別對象之間形成一定的語義關係，比如車行狀態、信號燈狀態、人和車之間的位置關係等等，把這些關係建立起來之後可以形成一個關係規則，它的優勢在於我們可以根據實際情況靈活調整規則來拓展不同電子警察模式識別的能力。通過構建語義關係來實現一些複雜的規則，這也是視頻結構化描述的初心，也就是構建不止是讓人理解的描述，更要構建讓機器可理解的描述。
要實現對象的識別和構建起對象間的語義關係，需要一些專業的技術支持：一個是目標檢測和識別，其次是知識圖譜，目標檢測識別出來之後，需要構建語義關係構成一個知識圖譜，這兩個方面的技術是實現視頻結構化描述的關鍵。
在人臉識別的技術應用現狀方面，1:1的人臉識別在國內的應用已經非常廣泛，但它也仍然存在一些問題，比如非實體線下的場景即網絡場景下需要加強活體人臉檢測做人臉防偽，在金融等高安全級別的人臉識別的場景下也需要進一步鞏固人臉識別的安全性和可靠性。1:N的人臉識別技術進展也相當迅猛，目前在國內已有一些項目落地。
行人檢索的研究也取得了不錯的進展，但是這些成績都是基於小規模的數據，不同於車輛識別，車輛天然和車牌、車主身份證這些數據信息綁定在一起，其數據標註較為容易，但行人檢索的數據標註成本相對會高出很多，所以導致現階段行人檢索目前的實用性和可用性方面仍沒有車輛檢索的應用成熟。
安防人工智能應用發展趨勢
伴隨著AI的深化應用及應用需求的升級，接下來，智能安防產業的發展將呈現這幾大發展趨勢：一是後視頻監控時代將迎來物聯網防控。除了視頻數據之外，像Wi-Fi、RFID、電子車牌等不同維度的物聯網信息都可以關聯到一起，通過豐富的數據類型，來共同碰撞出更有價值的信息;二是數據融合的能力更強，分析應用更智能;三是隨著5G的到來，不同的應用場景裡面融合通信的程度將會加強;第四個就是三維圖像建模，通過將視頻監控畫面和三維圖像進行融合，實現城市大場景的虛實融合，這種應用或將成為未來指揮中心可視化指揮調度的一個新的方向。還有一個趨勢是移動視頻監控信息採集，當前階段的視頻監控更多是採用固定點位進行視頻數據的採集，隨著車輛移動監控以及可穿戴式監控設備的出現，未來移動監控的應用也將成為一大趨勢方向。
安防人工智能需要攻克的五大技術要點
同時，我們還梳理了一些安防人工智能的技術趨勢及接下來將重點攻克的技術要點。首先是視頻流媒體的分佈式計算引擎。視頻雲現在還是基於單個文件的處理，如何實現基於流媒體的分佈式處理需要進一步研究;其次在視頻圖像增強方面，儘管視頻監控攝像頭清晰度不斷提高，但同時也存在由於運動、光線、壓縮等因素造成的模糊，如何實現對模糊視頻圖像像素的增強和還原，也是一大技術方向之一，未來有望通過基於深度學習的人工智能技術來實現圖像增強的突破;聯邦學習也是這兩年的一個熱門方向，主要是為了解決數據不共享情況下AI訓練的問題，聯邦學習可以有效解決“數據孤島”問題，讓參與方在不共享數據的基礎上聯合建模,能從技術上打破數據孤島，實現AI協作;半監督學習主要是解決數據標註的問題，因為很多數據不可能在短的時間內得到全量的標註;還有類腦智能研究，通過摸索大腦對圖像和動作的識別過程，去發現深度學習在理解大腦模式中所存在的問題，在這方面，可以聯合神經科學、心理學等構成跨學科的研究團隊，目前我們和上海類腦中心也在積極探索這方面的理論研究;人工智能對抗，就像病毒跟反病毒一樣，隨著人工智能技術的逐漸成熟以及在大眾生活場景中的密切應用，未來利用人工智能犯罪也可能成為一種趨勢，比如當下為了防止人臉信息被盜用冒用推出的人臉識別活體檢測手段，人工智能的對抗研究將是一個持續的過程。
在身份認證的技術應用方面，區塊鏈技術有望進一步增強身份認證的可靠性和安全性。如何利用去中心化的身份構建一個隱私保護下的生物特徵識別系統，使得身份信息的隱私保護提高到一個新的高度，這也是值得研究的課題，目前關注區塊鏈技術應用的企業不少，未來人證合一領域的技術應用可能會帶來新的體驗。
最後，在整個產業都在強調AI的落地應用方面，如何評判廠商和機構的人工智能算法及產品的卓越性，在沒有數據集的情況下，現階段很多測試還依賴於甲方的評價，行業內缺乏一個專業的測評服務平臺，需要構建一個公共的、專業的測評服務平臺。
對於上述這些產業現狀和待突破的技術方向，創新技術的研究和落地應用，光靠企業或技術單位的力量還遠不夠，希望政產學研等多方力量來一起共同推進，助推智能安防產業加速發展。
( 本文源自2019 a&s人工智能創新應用趨勢論壇上公安三所物聯網技術研發中心研究員梅林博士的主題演講)
閱讀更多 康利達裝飾 的文章
