2018-10-13 07:23

人工智能在公共安全领域应用探析

1 引言

近年来,得益于深度学习算法的突破、硬件计算能力的提升以及互联网数据的积累,以人脸识别、语音识别等为代表的感知人工智能达到了商用化水平,吸引大批企业竞相布局。资本的持续投入与国家产业引导政策不断出台,促使计算机视觉、自然语言理解、语音识别等人工智能技术正逐步从实验室走向产业化。公共安全作为与人们生命财产安全紧密相关的重要领域,也在人工智能的助推下,迎来了一轮的技术革新,相关智能化应用不断涌现。

2 核心技术

从技术角度来看,目前在公共安全领域应用的人工智能技术主要包括图像识别、视频结构化及智能大数据分析等。

(1) 图像识别技术

图像识别技术是利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术。随着深度学习的引入,彻底颠覆了图像识别技术中以经验驱动的“人造特征”范式,开启以数据驱动的“表示学习”范式,识别的准确率和抗环境干扰能力有了质的飞跃,使得图像识别技术产业应用成为可能。如传统的人脸识别技术基于人工设计的人脸特征模型,由于人脸存在着个体差异,导致无法完全精确的区分细小的变化。尤其是在光照、姿态、表情、饰品、年龄等因素的影响下,鲁棒性较差。而基于深度学习的人脸识别技术,突破了人工建模的局限,通过对实际作业环境中海量数据的训练与学习,有效适应各种因素的变化影响,可在较大干扰情况下实现对目标的精准识别。

(2) 视频结构化技术

视频结构化是指通过时空分割、特征提取、目标识别等处理手段,将视频内容按照语义关系,组织成方便计算机和人理解的文本信息,并进一步生成安防所需的情报线索,实现视频数据向可读信息的直接转化,达到提升视频查找速度、降低存储容量、盘活视频数据的目的。在视频结构化描述的内容方面,公共安全关注的视频信息主要是人员、车辆、行为。对于人员的描述信息包括人脸、性别、年龄范围、大致身高、发饰、衣着、物品携带、步履形态等;对于车辆的描述信息包括车牌、车颜色、车型、品牌、子品牌、车贴、车饰物信息等;对于行为的描述信息包括越界、区域、徘徊、遗留、聚集等。

  (3) 智能大数据分析技术

数据分析与挖掘是人工智能发挥真正价值的核心。传统的大数据分析,不管是传统的联机分析处理(OLAP)技术还是数据挖掘技术,都难以应对大数据的挑战。首先是执行效率低,传统数据挖掘技术都是基于集中式的底层软件架构开发,难以并行化,在处理TB级以上数据时效率低;其次是数据分析精度难以随着数据量提升而得到改进,特别是难以应对非结构化数据。深度学习具有自行处理、分布存储和高度容错等特性,非常适合处理非线性的或者模糊、不完整、不严密的知识和数据。智能大数据分析技术利用深度学习算法自动开展多种分析计算,探究数据资源中的规律和异常点,辅助用户更快、更准地找到需求点,从而实现风险预测和评估。

3 应用现状

公共安全包括社会治安、交通安全、生活安全、生产安全、食品安全、生态安全等。人工智能在公共安全领域的应用场景主要包括犯罪侦查、交通监控、自然灾害监测、食品安全保障、环境污染监测等。

(1)犯罪侦查场景已有大量成熟应用

依托安防行业的信息化基础以及积累的专业知识,犯罪侦查成为人工智能在公共安全领域最先落地的场景。各大安防巨头和人工智能独角兽企业都纷纷在该方向上进行智能化布局,相关产品大量涌现,大致可分为三类。一是身份核验类产品。该类型产品一般安装在各类场所的出入口位置,能够将采集的实人人像图片,与其所持有效身份证件的照片进行比对,不仅可有效核对人、证是否一致,还可将核对的身份信息与后台数据库碰撞比对,实现黑名单的实时报警,从而有效助力公安机关身份核查、刑事侦察、安全检查等工作,极大的提升工作效率,并降低警力投入。代表产品有海康威视的人证访客一体机、商汤科技的视图情报研判系统SenseTotem、旷视科技的人证核验一体机、海鑫科金的身份核验系列智能设备自助式人员信息查控闸机等。二是智能视频监控类产品。该类型产品由一般分布在飞机场、火车站、公共道路等公共场所的视频监控摄像头,以及后台视频数据存储、分析设备组成。可提供人脸抓拍、布控报警、属性识别、统计分析、重点人员轨迹还原等功能。代表产品有商汤科技的人脸布控实战平台SenseFace、旷视科技的洞鉴人像系统等。三是视频结构化类产品。该类产品通过对视频内容进行结构化处理,提供基于分析结果的以图搜图、画图搜索、实时轨迹追踪等功能。代表产品有商汤科技的视频结构化解析服务器SenseVideo-A、旷视科技的视频结构化系统、深醒科技的视频结构化分析管理系统等。

(2)交通监控场景智能化成效不断显现

人工智能在交通监控的应用主要有两类产品。一是交通疏导类。该类型产品利用获取的路口路段车流量、饱和度、占有率等交通数据,通过优化灯控路口信号灯时长,以达到缓解交通拥堵的目的。如,青岛公安交警部门通过布设的1200余台高清摄像机,4000处微波、超声波、电子警察检测点,组建智能交通系统,实时优化城市主干道、高速公路及国省道的红绿灯市场,使得整体路网平均速度提高9.71%,通行时间缩短25%,高峰持续时间减少11.08%。二是违法行为监测类。一些智能交通系统可利用视频检测、跟踪、识别等技术,根据车辆特征、驾乘人员姿态等图像数据,有效识别违法行为。特别是针对“假牌”、“套牌”、“车内不系安全带”、“开车打电话”等需要人工甄别的违法行为,这些智能交通系统不仅事半功倍,而且极大减少人工投入,大大提升工作效率。如苏州通过布设科达自主研发的“海燕车辆二次分析系统”,对交通卡口电警抓拍的图片进行二次识别,实现对交通违法行为的有效取证。该系统上线仅一周时间就抓拍到近3000起违章行为和近20起假套牌事件。

(3)自然灾害监测场景国外已有大量尝试

在风暴、泥石流、洪水等自然灾害的智能化监测预警方面,国外已经有比较成熟的应用探索。风暴灾害方面,IBM为美国安大略省Hydro One电力公司开发的风暴智能预测工具,可以通过分析气象实时数据,预测风暴灾害的严重程度和严重区域,从而帮助该电力公司提前布置电工,以帮助受灾城市快速地恢复供电。泥石流灾害方面,日本大阪大学的研究人员针对日本全国50多万处的泥石流侵害点的现实情况,开发出了一款能够预测泥石流发生的AI系统。该系统主要利用天气预报信息,分析降水量和降水时间,再结合安置在山体、河流中的传感器数据,从而计算出泥石流发生的概率并预警。相比传统的监测预警方式,这种AI系统能将泥石流灾害的预报时间从提前几分钟大大提升到提前几个小时。洪水灾害方面,英国邓迪大学的研究人员利用自然语言理解等人工智能技术,分析Twitter中提取社交数据,来判断洪水灾害侵袭的重点区域和受灾程度,以为政府救灾部门提供支持。

此外,在火灾预警、大型活动管理、环境污染监测等公共安全场景,已有国内研究机构、科技公司已经研发出或正在研究智能火灾监测预警、人群异常监测、大气污染跟踪预警等应用,力求利用人工智能技术手段,减轻人工投入和资源消耗,提升预警时效,为及时有效处置提供强力支持。

4 驱动因素

目前看来,我国的人工智能技术和产业稳步发展,在公共安全领域的诸多场景已有深入探索,并有较好的应用前景和潜力。究其原因,主要受以下几方面因素的驱动。

一是国家政策不断引导公共安全领域向智能化发展。国务院印发的《新一代人工智能发展规划》(以下简称“规划”)中明确提到,要“促进人工智能在公共安全领域的深度应用,推动构建公共安全智能化监测预警与控制体系”。《规划》对于人工智能在公共安全领域的部署,不仅是基于人工智能技术强大的创变能力,更是深刻考虑到公共安全领域中亟待解决的违法犯罪难题及风险防范的实际需求。

二是算法、算力、数据驱动人工智能成熟落地。算法、算力、数据被誉为新一轮人工智能崛起的三驾马车。在算法上,深度学习取得突破性进展,大大提升了人工智能在识图、识人、识音等感知层面的有效性,在ImageNet、LFW、NIST等国际图像识别大赛中,获奖团队的准确率已达97%以上,相关算法模型达到商用水平;在算力上,GPU、FPGA、TPU等芯片不断涌现,计算能力大幅度提升,可以极大的缩短时长用户等待时间,如:IPhone X配备的A11芯片,每秒运算次数最高可达6000亿次,可实现秒级的人脸识别解锁;在数据上,近年来,随着移动互联网的蓬勃发展,数据呈现爆发式增长,海量的数据资源为人工智能的模型训练提供强大支撑,也为相关人工智能应用落地提供了众多场景。

三是新时代公共安全需要智能化改变现状。众所周知,警察是维护公共安全的主力。但我国警力资源严重匮乏,据统计,我国警察仅占人口数量的0.13%,处于世界地位水平。然而,随着平安城市、雪亮工程等全国性工程建设的不断推进,我国已经是监控摄像头增长最快的国家。根据咨询公司IHS Markit 2016年的数据,我国已安装有1.76亿个监控摄像头,并仍在快速增长中。面对公共安全领域海量的信息数据,如果仅凭人工去分析和处理这些信息,工作量非常巨大。尤其是视频数据,需要人工逐个调阅来进行信息排查,造成业务效率极其低下。因此,在人员少,案件多,数据丰富的公共安全行业,人工智能的引入就显得极为迫切。

5 趋势和展望

可以预见,随着人工智能技术研究的不断深入,公共安全场景的不断挖掘,更多的智能化公共安全应用将不断出现,并将呈现以下三个趋势。

一是“云边融合”有望成为智能视频技术的主流架构。“前端摄像头采集加后端云计算分析、处理”的解决方案是当前智能视频技术的主要应用架构。但是随着公共安全行业对实时性、保密性、传输稳定性等要求越来越高,边缘计算的相关技术逐渐成熟,“智能前端”(即在前端摄像头中加入边缘计算能力,实现一定识别功能)的解决方案开始逐渐受到行业欢迎。不过“智能前端”的效能毕竟有限,并不能比拟云计算在存储、处理和扩展方面的优势。“云边融合”既可以发挥“端”侧敏捷性的特点,又可以实现云端的强劲处理,达到统一配置、管理、调度,必将成为智能视频技术的主流架构。

二是视频结构化技术将成为今后重要研究方向。视频结构化作为智能化视频处理的核心技术,对环境敏感,受环境干扰大,光线、杂物、恶劣天气或者视频的晃动都会影响实际效果。然而,伴随着公共安全领域对视频结构化需求的越来越旺盛,视频结构化技术必将成为产业界重要的研究方向。除了视频结构化自身在技术抗干扰能力、识别精度、描述属性多样性方面的提升外,还将产生出视频结构化与大数据分析、语音语音分析等交叉研究领域,而在公共安全领域的应用也将越来越多。

三是大数据分析技术与人工智能技术趋向融合。从数据中获得智能,当前有两个相对独立但又相互关联的技术路线,分别是大数据的分析挖掘技术和基于机器学习的人工智能技术。二者都是依托海量数据进行建模,并产生智能。但是,从当前的数据分析类应用角度来看,这两种技术路线在产品层面表现出的差异越来越小,甚至可以相互替代。因此,这两类技术路线在数据分析方面将走向融合。

作者:颜媚、张涛、石霖   来源:中国通信院

相关

监测互联网计算机数据挖掘信息化
本评论 更新于:2024-3-29 1:01:35
在C114 APP中与业内人士畅聊通信行业热点话题!