AI+公共安全，大潮已起
中国信息通信研究院 颜媚 张涛 石霖
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。同时，资本的持续投入与国家产业引导政策不断出台，也正在促使计算机视觉、自然语言理解、语音识别等人工智能技术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，迎来了一轮技术革新，相关智能化应用涌现。
三大核心技术
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。
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，导致无法完全精确地区分细小的变化。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。
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。
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。一是执行效率低，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；二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。
应用日渐走向成熟
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。
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纷纷在该方向上进行智能化布局，相关产品涌现，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、刑事侦查、安全检查等工作，极大地提升工作效率，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。
交通监控场景智能化成效显现
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，山东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、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情况，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，而且有效减少人工投入，大幅提升工作效率。如江苏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。
自然灾害监测场景国外已规模落地
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。在风暴灾害方面，IBM为美国安大略Hydro One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，从而帮助该力公司提前布置工，以帮助受灾城市快速地恢复供。在泥石流灾害方面，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。在洪水灾害方面，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，在Twitter中提取的社交数据，来判断洪水灾害侵袭的重点区域和受灾程度，为政府救灾部门提供支持。
