人工智能在公安视频监控领域的应用探讨

2020-11-25林文婷福建省三明市尤溪县公安局

数码世界 2020年4期

林文婷福建省三明市尤溪县公安局

随着平安城市的建设，监控视频已经遍布大街小巷。相关统计结果显示，在一个中型城市中，监控数量达到几万到几十万路，每天产生的数据信息相当于几千亿张图片。针对这些信息，传统人工处理模式不满足管理需求，必须构建信息化管理系统。以下结合实践，探讨了人工智能技术在公安视频监控中的运用。

1 公安视频监控领域人工智能技术的应用现状

1.1 车辆识别技术

基于人工智能下，车辆识别技术(VLPR)分为两种：一是车牌识别，采集车牌信息后，和车辆信息库相关联，然后开展相关业务，常用在停车场、电子警察、卡口处。二是车辆特征识别，能获得车牌以外的信息，例如车辆类型和品牌、车身颜色、车牌类型、安全带使用情况、司机有没有用手机等。车辆识别技术，本质上是采用图像处理、模式识别、计算机视觉等技术，对图像和视频进行分析处理，在公安视频监控领域可实现车辆信息特征、运动轨迹、实时定位等功能，是智慧交通管理的“好帮手”。

1.2 人脸识别技术

人脸识别技术（FR），就是采集人脸的特征信息，然后进行匹配、分析的过程。考虑到人们多处于运动状态，这就提高了人脸识别的难度，因此公安视频监控领域，多采用动态人脸识别技术。以人脸抓拍机为例，一般安装在宽度为2.5-3.5m 的单一通道中，将抓拍照片传输至系统，和数据库进行比对，标注出重点人员、高危人员，实现实时监控、自动报警、联网布控，从而达到威慑、防范与打击等多重效能。目前，人脸识别技术在公安视频监控中的应用，集中在身份认证、人员防控等方面。

1.3 行人再识别技术

行人再识别技术即ReID，是人脸识别技术的重要补充[2]。该技术是利用计算机视觉，判断图像或视频中是否存在特定行人，可以弥补固定摄像头的视觉局限。在实际生活中，不同摄像设备之间有差异，行人外观也会受到衣着、姿态、遮挡、视角等因素的影响，应用ReID技术对行人面部以外的特征进行捕捉，从而实现跨镜头跟踪，进而对采集到的数据进行碰撞、挖掘、检索，在公安视频监控领域是一种智能分析研判工具，应用前景广阔。

2 人工智能技术在公安视频监控中的应用价值

2.1 助力公安侦查

传统的视频监控技术，可对视频进行存储、回放，但不能对视频中的人、物进行识别、定位、检索。人工智能技术的应用，可以提取视频内容的某个特征，对视频信息进行更好地理解。实际操作中，在摄像机内置入人工智能芯片，能对运动对象进行自动检测，提取出属性信息；然后经网络传输至数据中心，将信息存储起来。在数据中心，不仅运算能力强，而且人工智能分析后，可在最短时间内获取有用的信息，例如发现嫌疑人的轨迹、破案线索，助力公安侦查，加快案件侦破速度。

2.2 提高管理效率

人口管理是公安管理的重要内容，随着经济社会快速发展，人们的流动性增强，采集人口信息、对人口进行管理，均存在较大的困难。对基层公安而言，如何获得真实全面的人口信息，实现辖区人口全覆盖，成为急需解决的问题。利用人工智能中的人脸识别技术，可对小区进出人员进行监控，通过分析进出规律、过夜频率，判断是不是小区内的居住人员。如果是小区居住人员，但长时间没有回到小区，系统可将信息推送给社区民警，通过实地核查了解人口流动信息，获得及时准确的人口信息。如果重点人员、前科人员进入小区，系统能将信息推送给公安平台客户端、民警手机终端，进一步跟进调查。

2.3 智能预测犯罪

2011 年开始，PPS 系统在美国率先应用。该系统是对海量的案件信息进行分析，从中找到犯罪行为模式，例如案件发生时间、特定地点等。基于计算机算法下，可以预测未来一段时间内，哪些地区可能发生犯罪案件，标注出犯罪高危区域，有利于配置警力资源。在国内，PPS系统已经在苏州市公安局应用，相关指标达到设计要求，运行效果良好。智能预测犯罪，从事后控制转变为事前预测，是将人像识别、视频监控、人工智能分析等技术相结合，根据目标人的体貌、行为、步态、携带物品等信息，预测谁可能犯罪、在哪里犯罪、犯罪危害程度等，为公安管理提供支持，显著提高犯罪打击力度。

3 人工智能技术存在的问题和未来发展趋势

3.1 存在的问题

第一，环境适应性差。人工智能分析视频内容时，会受到光照、天气、目标大小、地物遮挡、图像质量的影响，可能引起误判断、误分析现象。

第二，数据分散。传统的公安视频监控体系，各平台的数据没有共享，无法用多个维度进行分析。以人脸识别技术为例，要想提高识别准确率，不仅要改进算法算力，还要获得不同层面的数据，例如社交、车辆、定位、消费等，通过数据整合进一步提高识别准确率。

第三，场景理解受限。一方面，技术和经验不足；另一方面，视频监控以单场景静态环境为主，没有将多场景、关联行为结合起来。

第四，缺乏自主能力。人工智能是基于“人工”下的智能，并没有自我成长的能力，必须根据人工设定的条件进行分析，因此还有较大的发展空间。

3.2 发展趋势

第一，识别人、物的轨迹。公安视频监控能识别人、物的轨迹，是传统管理体系向智能管理的转变。具体划分，包括虚拟警戒线、人数统计、自动PTZ 跟踪、物体出现和消失、人员突然奔跑等。对人、物的轨迹进行分析，除了统计数量，还要判断过程，发现异常就进行报警，例如：有人员进入警戒区域、广场一角有人群聚集等。

第二，环境干扰判断和补偿。公安视频监控系统中，环境干扰因素主要有雨、雪、雾，夜间低照度，摄像头遮挡或抖动等[4]。应用人工智能技术，对环境干扰进行判断和补偿，可在复杂环境中正常监控。例如：在环境干扰下导致视频不清晰，通过判断摄像头的偏移情况，及时发出报警，输出智能分析结果。

第三，自然语言处理。自然语言处理即NLP，指的是计算机对人类文本语言进行识别和掌握，是人类语言学、计算机科学相互交叉整合的结果。可以说，NLP 技术是人工智能的最终发展目标，将其应用在公安视频监控领域，是通过语音识别判断人的声纹身份，利用语音中的文字信息，为公安侦查提供支持。

4 实际案例分析

以尤溪县公安视频监控系统为例，目前全县已建成覆盖重点单位、重点部位的视频监控2926 路，其中整合接入各类社会资源1368 路，面向情报、指挥、刑侦、图侦、派出所等用户。为了进一步提高日常管理水平，提高重大突发事件的反应能力，在监控系统中利用人脸识别技术即用特写一体摄像机采集含有人脸的图片或视频，自动检测和跟踪，通过特征提取、五官定位等技术与人员库进行比对、匹配，从而筛选并识别出人员身份信息。该技术的应用，包括人脸采集摄像机、人脸识别综合应用平台、存储器等，能对人脸进行静态比对、动态布控。经过一段时间的运行，应用成果如下：①能及时发现黑名单人员进入视频监控范围，平台预警后方便警务人员进行研判。②对视频监控中的人员进行轨迹分析，预测可疑分子和可疑行为，提高出警主动性。③根据特征图片进行检索，对可疑分子进行定位，助力案件侦破。