打造云边端协同一体化边缘智能平台助力智慧海关建设

姜成中 王小奇

摘要：本文放眼和立足于“智慧海关、智能边境、智享联通”合作大背景，以航空口岸旅检风控场景为例，通过探索构建并推广“两池、一库、四平台”为核心的云边端一体化边缘智能平台，进一步提升现场查验设备智能化水平，推动以风险管理为主线的国门安全防控体系见到实效，为政府数字化转型提供参考。

关键词：边缘智能、风险管理、“三智海关”

一、引言

（一）研究背景

本文放眼和立足于“智慧海关、智能边境、智享聯通”合作大背景，以航空口岸旅检风控场景为例，通过探索构建并推广“两池、一库、四平台”为核心的云边端一体化边缘智能平台，进一步提升现场查验设备智能化水平，推动以风险管理为主线的国门安全防控体系见到实效，为政府数字化转型提供参考。

2021年，我国外贸进出口总值39.1万亿元，同比增长21.4%。其中出口21.73万亿元，增长21.2%；进口17.37万亿元，增长21.5%。我国全方位对外开放格局不断走向纵深，对外开放的大门越来越大，给海关把好国门带来了新的挑战：一是经济全球化和区域化要求货物、服务、信息、资金和人员更加迅速、便利的流动，贸易便利化要求提高货物和人员的通关效率；二是关检业务融合需要海关提升旅客通关体验，打造“无感海关”；三是现代信息技术使国际贸易和人员往来效率发生了革命性变化，要求海关改变传统的监管思维和方式。

为具体落实海关科技发展规划，以“三智”合作为抓手，探索构建以“两池、一库、四平台”为核心的云边端协同一体化边缘智能平台，提升海关监管场所智能化水平，推动更大范围、更宽领域、更深层次对外开放，助力构建新发展格局。

（二）风险管理的基本理论

采用风险管理中经营管理型风险管理模型，对海关监管业务和边缘智能信息系统开展风险评估，争取以最小的成本获取最大的安全保障。过程包括风险识别、风险分析、风险评价、选择风险管理工具和评估风险管理效果[1]。从旅检通关业务风险评估到边缘智能项目开发实施，风险评估原则均遵循下图1所示，确定监管风险管控、缩短通关时间和改善通关目标的成本收益权衡方案（Trade-Off）和决定采取的行动。

（三）面临的主要挑战

在海关航空口岸旅检查工作场景中，现有旅客通关现场查验存在以下问题：一是边缘测数据缺乏组织整合，查验信息分散在不同信息系统和设备中，边缘侧的计算和存储能力不足，无法有效支持现场业务乃至后续的多维度智能风险控制大数据分析；二是人物分离，海关稽查核验过程中，更多关注于货物，对于与货物相关联的人的基本信息无法获取，即使获取相关的生物特征信息也存在隐私安全和法律法规等政策性风险；三是人工查验抽检率和效率较低，人力资源与旅客行李查验量无法匹配，难以全面应对当前旅检工作的形势与要求，迫切需要快捷高效的风险探知手段来辅助开展旅客行李检查工作。

二、边缘智能平台

（一）部署架构

为解决边缘算力供给不足问题，在现有海关基础设施云平台、大数据云平台的基础上规划部署边缘智能计算平台（部署架构图详见图2），为将来边缘计算设备应用和数量的增加提供平台基础[2]。

全国海关信息中心提供底层服务器、数据库、存储等中心化的高性能计算能力，将前端设备采集的多维度数据进行人工智能训练。边缘智能计算平台提供边缘侧计算存储能力，加载智能化算法模型，实现人员访问风险控制、货物通关查验、旅检缉私查验、智能通关、预申报等边缘终端业务。

（二）平台架构

边缘侧底层应用主要以“两池、一库、四平台” 为主实现整体规划，包括数据资源池、计算存储网络资源池、算法仓库，以及边缘智能应用平台、边缘资源管理调度平台、边缘数据资源平台和边缘运维服务平台（边缘智能平台架构图详见图3）。

边缘智能平台将算力从原来集中于海关总署机关逐步延伸至各直属海关、隶属海关，最终传递给各业务现场，实现高可靠、安全、稳定以及有效的终端应用。

（三）数据整合

平台通过整合边缘侧风险因子数据、全国旅检监管现场查发案件、缉私、国际海关和其他主管部门的内外部情报信息至现有信息系统，建立风险防控决策平台，提炼风险要素，形成研判规则，构建分析模型，建立云端侧风险图像库，将规则和模型下发至边缘侧设备形成风险甄别应用。通过决策平台和风险甄别应用下达风险查控指令，达到精准、有效、可靠的查验缉私目标。

三、业务场景示例

以某国际航空口岸为例，24小时入境旅客平均3.5万人左右，查验关员10人，通关监管压力与人力配置之间的矛盾非常突出，主要体现在两方面：一是监管旅客量已连续多年增长，人力资源没有相应增加；二是旅检现场依然按照传统模式，靠个人经验选择查验对象，缺乏信息化系统对重点人群进行辅助识别，具有较大的执法自由裁量权，给执法监督带来很大压力。

（一）风险因子

边缘智能应用部署在海关口岸旅客查验一线关口，通过在旅客检验的关键点位设置摄像头，采集边端设备数据，实时从图像中获取风险因子特征信息，并存储在口岸边缘存储节点。根据实时数据，将旅客划分为普通风险和高风险，当风险甄别系数超过阈值时，旅客通过卡口，向现场旅检工作人员发出提示，在终端显示设备中展示高风险因子证据。其中风险因子包括以下因素：

通关频度：频繁在短时间内通关人员提取为风险评估因子1；

人饰特征：将人脸、步态姿势与服饰特征关联，用于了解旅客的当天的服饰变化情况，人脸和步态用于识别身份，服饰变化较大的作为风险评估因子2；

轨迹行为：在关键的行进路线节点，并绘制为旅客的行进轨迹，对相关的风险点进行记录作为风险评估因子3。

除上诉因子以外，各监管场所现场可根据实际情况增加风险因子，例如：太赫兹设备显示图像用于分析随身夹带、危险物品探测传感器等物联网设备。

（二）算法适配

使用基于YOLOv5算法框架[4]的定制模型在不同尺寸的图像上进行风险因子抓拍，然后对每个类别每个目标采用基于IoU的跟踪算法，最后捕捉行李箱离开转盘的信号，从而触发动作抓拍信号，完成证据链的关联与存档。

图4展示了不同版本的YOLOv5与EfficientDet检测算法之间的性能比较曲线图，纵轴为COCO测试数据集上面的AP指标。为了平衡检测精度和边缘侧的算力限制，使用了YOLOv5作为风险因子取证的核心算法，最终实现了对多类别多目标的跟踪。

从整体角度看，从边缘测数据资源池获取训练数据，使用云端的智能视频分析服务开展训练。该算法在同类算法中有着训练时间短，模型权重文件小，利于在边缘侧部署的优点。通过算法优化适配，以及对处理性能和算力的初步评估，经过多batch推理的优化，预计可实现10fps以上的接入视频准实时检测帧率，相机视频流是4K，单视频卡可支持接入8-16路视频流并行分析。经过优化后通过视频测试，该方案可实现98%以上的风险因子图像提取。

（三）应用效果

从“人物结合、由物及人”的角度出发，有效提升现场旅检人员工作实效，整合上述数据开展旅客出入境风险分析工作，计算出风险甄别度，并在卡口处向现场关员发出提示。边缘智能平台在旅检监管场所可取得以下成效：一是打造“无感海关”，压缩通关时间，提升通关体验；二是关检融合后，促进了监管业务执法流程简约顺畅、操作规范统一，释放人力资源；三是提升执法统一性，多维监管数据关联存证，进一步提升查验的捕获率。

四、结束语

边缘智能平台以海关旅检监管场景为基础，整合了人脸、衣饰风险识别因子，采用智能手段打破了人物分离的现状，实现了“人物结合，由物及人”从零到一的突破。后续可根据实际情况分别在海关监管作業场所、海关集中作业场地推广使用，应用功能可包括：周界入侵（抛物、人、车）、船舶靠泊识别；人脸识别（活体检测）、异常行为识别（摔倒、打斗等）、人员徘徊、密度检测；物品智能识别（动植物、水果、危险品）、知识图谱（语义分析，问答机器人）；车体识别（集卡）、轨迹跟踪（跨镜头）、异常行驶（不按轨迹、异常停留、逆行）、异常抛物、两车跟随、人员靠近等查验证据。

本项目建设经验包括：一是采用顶层设计思维，以点带面，提升全过程、全方位、多层次、宽领域的动态管理与控制，使用组合拳达到平台化标准；二是依托科学体系，借鉴企业风险管理体系，用技术赋能业务，充分理解和应对公共事业风险，并采用体验度量作为闭环评判的标准；三是完善业务技术生态，依托边缘智能技术结合现有云计算、大数据平台，聚焦边缘智能赛道，根据一线业务需求孵化边缘侧应用，持续采用先进技术向业务赋能；四是强调目标导向，服务与公共管理职责并重，以科技提升创新优化管理手段，实现治理体系和治理能力的现代化；五是顺应发展趋势，以现有技术为基础，降低整体技术和应用准入门槛，推进互通共享，共促贸易安全与便利，完善业务和技术逻辑考虑资源倾斜。

近年来，边缘智能的各项基础技术得到了长足发展，隐私保护、态势感知、设备更新、安全协议等对“三智”建设带来了极大的机遇。随着5G通信技术、计算迁移、新型存储技术、轻量级函数库及内核、边缘计算编程模型等关键组成技术的成熟和商用[4]，边缘智能的应用必将在海关监管、征税、缉私及统计职能上进一步发挥增质提效的作用。

作者单位：姜成中   王小奇    全国海关信息中心

参  考  文  献

[1]（美）西姆·西格尔.基于价值的企业风险管理.

[2]佩里·利.物联网系统架构设计与边缘计算（第二版）.

[3]中科院自动化所、中科院大学人工智能学院、中国科学院脑科学与智能技术卓越创新中心、旷视科技.YOLO算法特性 （cs.CV），https：//arxiv.org/abs/2103.09460

[4]吴冬升.从云端到边缘 边缘计算的产业链与行业应用.