2018年02月13日 | 人工智能成安防领域催化剂，应用场景越来越多

前不久，针对“行人闯红灯过马路”的交通顽疾，山东济南、江苏宿迁等地上岗了一批“斑马线上的电子警察”。这些“电子警察”是海康威视开发的人脸比对行人闯红灯交通管理报警系统，可对闯红灯人员进行人脸抓拍、提取人脸特征，并将数据送入后端海康脸谱人脸信息综合应用系统，实现人脸动态比对、实时预警等功能，闯红灯的过程也会被路边的大屏实时曝光。通过这种视频分析、运动跟踪、人脸检测和识别技术在智能交通领域的全新综合应用，宿迁市的行人及非机动车闯红灯的违法行为下降70%。

2017年夏季青岛国际啤酒节期间，高峰时每天入园超过10万人次。青岛开发区警方借助依图智能安防平台，首次将人脸识别系统应用于大型安保活动实战。利用高清摄像头捕捉采集人脸图像，0.8秒内就能锁定可疑人员，实现人像识别成功率为98.1%、识别报警相似度为85%的高效率，抓拍识别能够秒级反应，为快速甄别和即时抓捕提供技术支撑。啤酒节开幕两周就抓获网上在逃人员22名、吸毒人员11名，当场抓获扒窃嫌疑人5名，让警情“零接报”。

在重庆渝中区，当地警方使用智能化的人像比对系统，在40个工作日内辨认出69名嫌疑人，相比人工效率提升200倍。以前要从数十甚至上百小时的监控视频里找到关键画面，仅靠人力进行图像识别，就像大海捞针，效率低、准确性也难以保障。

在交通、公安、楼宇乃至个人住宅等需要安全防范和保护的领域和场所，人工智能正在深刻改变着安防行业的面貌，给人们的工作生活加上一道智能化的安全屏障。

成为现代安防领域的催化剂和助推剂

安防行业具有数据信息量大、数据层次丰富的特征，如今安防监控领域已进入数据大爆炸的时代。专家指出，面对井喷式增长的视频监控数据量，停留在浅层次分析识别的传统智能算法，已无法满足深层次数据价值挖掘的需求。因此人工智能在安防行业的落地水到渠成并日渐深入，目前已广泛应用于公安系统的身份甄别、合成追逃、侦查破案、服务民生等各项业务之中。

浙江大学计算机学院人工智能研究所教授李玺介绍说，安防领域非常复杂，电子锁、指纹门禁、监控摄像头、传感器、报警器等，都属于传统安防领域的硬件设备。传统安防主要是视频安防，因为“眼见为实”，视觉信息相对而言显得非常重要。

传统的安防只是产生数据的设备，没有办法进一步对数据进行分析后产生价值，数据也需要人去读取、分析，效率较低。人工智能则通过一系列软件与算法，提高效率、精准度和覆盖率，可以从海量数据中挖掘出有效信息，从而成为现代安防领域的催化剂和助推剂。

李玺说，最直观的例子就是人脸识别，这项通用性技术与安防结合，可以解决安防的痛点。比如一个城市有20万个摄像头，光靠人力根本看不过来。人工智能可以进行粗加工，包括压缩视频、检测核心事件、分析拥堵情况，以及对信息进行有效组合等。人工智能的优势还在于能够拓展人的能力边界，比如分析20万个摄像头读取到的信息，形成精准的分析报告，帮助人们决策。而且，通过人工智能算法，在视频采集时就把最关键的画面，包括人的面孔、车辆的牌照等精确捕捉下来，这些画面第一时间传送到后端的智能分析系统，无需过多人工干预，分析又快又准。

“可以说，安防是人工智能最具市场前景的领域。”海康威视研究院智能算法部负责人孟祥广认为，视频监控的高清化和网络化，以及大体量数据，为人工智能提供了坚实的基础。同时，为了解决海量监控视频中无用数据淹没少数有价值数据的问题，在行业数据越来越丰富的趋势下，迫切需要更智能化的产品来解决视频体量激增带来的有效分析问题。

传统的安防技术和系统具备一定的智能化，但新一代人工智能带来的是更加颠覆性的变化。专家表示，传统的智能算法一般是通过人工来设计特征，往往具有很大的主观性，也依赖于设计者本身的经验和技术水平。而深度学习算法是通过机器自动从数据中学习出特征。因此，基于深度学习算法的人工智能可以很好地解决众多传统智能算法无法解决的问题，也给安防领域带来巨大变化:准确率更高，环境适应性更强，识别种类更丰富。

依图科技首席执行官朱珑说，从2014年到现在，人工智能算法的精度从十万分之一提升到了十亿分之一，人脸识别算法精度已有了万倍增长。而随着算法精度的提升，人工智能技术逐渐“解锁”更多行业场景，“人工智能+安防”会把安防水平再抬高一个台阶，最终从“人防”升级到“机防”的智能防控预警。这也是平安城市的基础和“大脑”，对全球安防行业都具有跨时代的意义。

应用场景将日益丰富

人工智能研究的深入和深化，给安防行业带来的变化也更加超乎想象，能够发挥作用的应用场景越来越多。

海康威视高级系统技术工程师吴良军认为，“人工智能+安防行业”未来的发展趋势主要体现在两点:一是人脸识别在生物识别领域逐渐成为主流。在生物识别领域，目前指纹识别仍占主导地位，但由于指纹易磨损、伪造成本低，在长期稳定性和安全性上存在问题;虹膜识别虽然安全性最高，但高昂的成本也使其短期内难以大规模推广。人脸识别因为其非接触性、非强制性、高并发性，应用场景更为丰富。

二是边缘智能成为大势所趋。随着万物互联时代的到来，计算机视觉领域前端设备产生的图片、视频数据量巨大，如全部将其汇聚到云计算数据中心进行智能分析，将对通信的带宽要求和实时性要求等带来无限压力。这就要求就近提供边缘智能服务，将人工智能算力或推断能力逐渐从云迁移到边缘侧。以海康威视为例，其“AI Cloud”(人工智能云)框架就通过云边融合的方式，将智能前置到摄像机，能让感知理解更精准、数据分级更灵活、业务响应更灵敏。

与此同时，“人工智能+安防行业”的发展也存在挑战。专家指出，在人工智能自身领域，深度学习理论基础尚未完备，缺乏演绎推理能力;人工智能芯片的研制尚处起步阶段，现阶段人工智能技术的大规模应用成本还比较高;机器学习基于概率统计，再好的技术也做不到100%的准确率，智能应用需要与解决方案相结合才能给用户带来良好的应用体验，更好地发挥技术和产品的价值。

此外，人工智能需要大量数据作为支撑。但具体到安全、交通、金融等各个行业，数据是核心资源，受到行业保护。人工智能研究目前还无法对数据进行打通和全面化的分析，无法形成真正的“大脑”，这在一定程度上也限制了其发展。

朱珑认为，人工智能在安防领域的应用不只是应用层面的问题，本质上是由人工智能驱动、融合大数据和云计算的系统工程。

李玺说，人工智能和安防领域的进一步结合，还需更多懂技术的复合型人才。同时，学术界要更关注底层技术和基础性、前瞻性技术的突破，与产业发展形成互补。理想的人工智能模式，是机器能像人一样进行推理、决策、联想，实现真正的智能分析。