“人工智能+安防”落地的2.0时代

殷俊

安防作为人工智能最容易落地领域之一，早在2006年就在交通行业最初试水人工智能技术，以识别道路上的车辆、车牌和违章行为，节省大量人力成本。目前随着人工智能3.0时代来临，算法性能不断突破、计算能力日益提升，安防领域中的“人工智能+”已完成了从单一产品到完整解决方案的配套转变，进入“人工智能+安防”落地的2.0升级时代。

在实际应用与落地中，我们认为，当前人脸和视频结构化是智能安防取得重大进展的两个领域。这主要是指，将视频中的信息提取出来并转换为数据库语言，使得安防行业最大规模的存储设备中所表达的内容可以被计算机迅速理解并使用，同时可支持海量大数据的挖掘。下面我来介绍大华股份在人脸识别和视频结构化落地中的一些心得和经验。

人脸识别带领公安进入2.0时代

公安实战领域是人脸大数据的最大落地方向和需求迫切的一大领域。目前核心业务主要包括：事前布控，预警闭环处置、事后查人，快速身份检索、融合感知，多维轨迹研判等。

事前布控方案

包括建立动态人像防控体系和建立“预知、预警、预制”机制。

具体来说，预知指的是根据城市警情分布情况，重点场所分布情况，提前布局全城的人像监控部署。预警指的是全城立体化人像监控24小时不间断运行，一旦布控人员出现，预警信息及时出现并下发。预制指的是预警下发后，警务人员可以根据事先制定的行动预案，进行抓捕或者其他管控措施，将危害扼杀在摇篮之中。

事后查人

这主要是指静态人员查询，解决传统找人身份确认困难的问题。以某次交通肇事逃逸案为例，车辆卡口抓拍到两张相关照片，但嫌疑人和死者身份都不确定。当启动人像智能分析系统后，将二者照片录入系统进行比对，就高效、精准还原了真实身份，压缩了传统模式周边走访确认人员身份的大量时间。目前，该方案还可以应用于街面盘查、检查站、临时安保服务等。

轨迹研判

这主要指的是寻找人和其他数据的关联，通过人像图片获取车辆信息，汇总与人相关的MAC、RFID数据甚至互联网数据，形成人员的轨迹信息。例如，上传人脸图片，进入抓拍库后以图搜图找到相似人脸图片，碰撞其中的MAC地址后就可以查看一个MAC的轨迹并模拟出人员轨迹。

大华人脸识别服务器采用高性能超强处理资源，基于“深度学习”技术实现，可以集视频分析、人脸检测、运动跟踪、人脸定位、人脸识别、图片存储、快速检索和自动预警技术于一体。目前大华人脸方案在杭州G20峰会人像预警安保系统、贵州省人像大数据应用系统等多个案例中成功应用。

视频结构化成为城市“天眼”海量数据秒查结果

视频结构化是一种基于视频内容进行信息提取的技术，可以对视频内容进行智能分析并提取出视频中的关键信息，并对其进行文本的语义描述，最终组织成可供计算机和人类理解的结构化信息。

目前主要针对人、车辆和行为三类信息。其中人的基本特征包括面部、性别、年龄、身高、发饰、衣着等。车辆的基本特征包括车牌、车标、颜色、车型车系、车贴等。行为的基本特征包括绊线入侵、穿越围栏、区域入侵、人员聚集等。

经过视频信息结构化后，视频查找速度可大幅提升。其中最大亮点就是大大降低了存储容量，结构化的检索信息和目标数据不及视频数据量的2%，对于车辆不及1%，对于行为可以降低更多。最后，还可以盘活视频数据进行二次数据挖掘。

深度学习逐渐流行之后，带来算法性能的巨大提升，配合算力和大数据的迭代，安防行业正在加速拥抱人工智能，蓬勃繁荣发展。但是，任何算法的發展最终都有上限，这之后不仅要比拼算法的性能，还要拓展可落地的更多应用场景，定制满足行业客户的个性化整体解决方案。