高磊 趙炫

1. 視頻圖像信息智能分析與共享應(yīng)用技術(shù)國(guó)家工程實(shí)驗(yàn)室 2. 公安部第一研究所

引言

展階段。2012年至2014年，人工智能技術(shù)發(fā)生了質(zhì)的變化，智能化的速度大大加快，使得公安視頻分析應(yīng)用開始進(jìn)入了一個(gè)加速發(fā)展的新時(shí)代。這一時(shí)代最大的特點(diǎn)在于，相對(duì)于傳統(tǒng)的技術(shù)和業(yè)務(wù)驅(qū)動(dòng)的發(fā)展模式，人工智能融合大數(shù)據(jù)和云計(jì)算，將公安視頻分析應(yīng)用的發(fā)展模式轉(zhuǎn)化為數(shù)據(jù)驅(qū)動(dòng)。

一、人工智能的發(fā)展

近年來(lái)，人工智能（Artificial Intelligence，AI）技術(shù)在公安行業(yè)最先落地應(yīng)用并已經(jīng)取得了良好的實(shí)戰(zhàn)效果。2017年7月20日，國(guó)務(wù)院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》（以下簡(jiǎn)稱《規(guī)劃》），重點(diǎn)描述了“AI+行業(yè)”的發(fā)展規(guī)劃。《規(guī)劃》指出：“利用人工智能提升公共安全保障能力。促進(jìn)人工智能在公共安全領(lǐng)域的深度應(yīng)用，推動(dòng)構(gòu)建公共安全智能化監(jiān)測(cè)預(yù)警與控制體系。圍繞社會(huì)綜合治理、新型犯罪偵查、反恐等迫切需求，研發(fā)集成多種探測(cè)傳感技術(shù)、視頻圖像信息分析識(shí)別技術(shù)、生物特征識(shí)別技術(shù)的智能安防與警用產(chǎn)品，建立智能化監(jiān)測(cè)平臺(tái)。加強(qiáng)對(duì)重點(diǎn)公共區(qū)域安防設(shè)備的智能化改造升級(jí)，支持有條件的社區(qū)或城市開展基于人工智能的公共安防區(qū)域示范?！彪S著《規(guī)劃》的發(fā)布，“人工智能”已上升至國(guó)家發(fā)展戰(zhàn)略，公安視頻分析應(yīng)用也進(jìn)入了一個(gè)加速發(fā)展的新時(shí)代。

當(dāng)前，人工智能相關(guān)學(xué)科發(fā)展、理論建模、技術(shù)創(chuàng)新、軟硬件升級(jí)等整體推進(jìn)，正在引發(fā)鏈?zhǔn)酵黄疲苿?dòng)經(jīng)濟(jì)社會(huì)各領(lǐng)域從數(shù)字化、網(wǎng)絡(luò)化向智能化加速躍升。人工智能對(duì)所有行業(yè)無(wú)孔不入，就像工業(yè)革命讓機(jī)器替代了人的體力勞動(dòng)，人工智能會(huì)讓機(jī)器替代人的大部分簡(jiǎn)單腦力勞動(dòng)。人工智能的第三次浪潮，首先席卷的是計(jì)算機(jī)視覺(jué)領(lǐng)域，公安視頻分析應(yīng)用自然首當(dāng)其沖，在這次AI浪潮中脫胎換骨，取得了很多突破性進(jìn)展。

二、AI+公安視頻分析應(yīng)用

從海量監(jiān)控視頻中快速找到線索，從茫茫人海中快速鎖定嫌疑人，在洶涌的人流中快速排查可疑人員，在車水馬龍中快速定位嫌疑車輛……這既是公安一線實(shí)戰(zhàn)迫切需要解決的問(wèn)題，也是無(wú)數(shù)公安科技工作者一直以來(lái)的追求目標(biāo)。得益于人工智能在視頻內(nèi)容的特征提取和內(nèi)容理解方面的不斷突破，公安視頻分析應(yīng)用取得了跨越式進(jìn)步，圍繞公安視頻圖像偵查業(yè)務(wù)，落地了一批新應(yīng)用和新戰(zhàn)法，數(shù)據(jù)驅(qū)動(dòng)的發(fā)展模式開始呈現(xiàn)，其中以車輛識(shí)別、人臉識(shí)別和人像識(shí)別最具有代表性。

（一）車輛識(shí)別

傳統(tǒng)的車輛識(shí)別技術(shù)僅能識(shí)別車輛牌照，并可分辨出車輛的顏色和大致類型。隨著人工智能技術(shù)的進(jìn)步，利用視覺(jué)外觀特征的車輛識(shí)別取得了突破?；谏疃葘W(xué)習(xí)的車輛識(shí)別技術(shù)將特征范圍由單純的車牌或車標(biāo)擴(kuò)展到整個(gè)車身。類似人臉的眼、鼻、嘴特征，車輛的車燈、格柵、車窗等均是車輛的重要特征。對(duì)車輛這些特征的引入，不僅大大提升了車輛識(shí)別的準(zhǔn)確率，對(duì)干擾、遮擋等問(wèn)題的適應(yīng)性也更強(qiáng)，識(shí)別的類別也更加細(xì)化，不僅能識(shí)別車輛的品牌，而且能識(shí)別車輛的子品牌、型號(hào)、年款等詳細(xì)類別，如“上海大眾帕薩特2013款”、“上海通用別克GL8豪華商務(wù)車2011款”等。在好的圖像質(zhì)量情況下，甚至可以識(shí)別車輛是否開啟遮陽(yáng)板、駕駛員是否系安全帶，是否打電話等行為。指定車輛在視頻圖像數(shù)據(jù)中的檢索除了可以通過(guò)車牌、品牌、型號(hào)、顏色等描述信息進(jìn)行外，還可以通過(guò)車輛圖片或年檢標(biāo)、掛飾等局部特征進(jìn)行。

車輛識(shí)別技術(shù)在公安偵查、交通管理等領(lǐng)域獲得了廣泛的應(yīng)用。目前，國(guó)內(nèi)很多城市的公安車輛卡口系統(tǒng)在現(xiàn)有系統(tǒng)的基礎(chǔ)上擴(kuò)展了車輛識(shí)別功能，也稱為車輛二次分析系統(tǒng)。該功能基本可以識(shí)別2000余種細(xì)化到年款的車輛類型，并在此基礎(chǔ)上擴(kuò)展出很多，如“假/套牌分析”等，實(shí)戰(zhàn)業(yè)務(wù)應(yīng)用。

（二）人臉識(shí)別

人臉識(shí)別指從視頻圖像中檢測(cè)出人臉，提取人臉特征，在此基礎(chǔ)上，實(shí)現(xiàn)人臉特征的相似性比對(duì)，或分析出性別、年齡、民族、佩飾等屬性的過(guò)程。相對(duì)于指紋識(shí)別、虹膜識(shí)別、DNA識(shí)別等其它生物特征識(shí)別技術(shù)，人臉識(shí)別由于具有非接觸、非強(qiáng)制、場(chǎng)景廣泛、多人臉并發(fā)識(shí)別、結(jié)果直觀以及比對(duì)源豐富等優(yōu)點(diǎn)，具有廣泛的應(yīng)用前景和剛性需求。近年來(lái)隨著深度學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)等技術(shù)的發(fā)展應(yīng)用，人臉識(shí)別算法的準(zhǔn)確率大幅提升，在特定數(shù)據(jù)集上的測(cè)試結(jié)果已經(jīng)超過(guò)人類識(shí)別的準(zhǔn)確率。人臉識(shí)別相關(guān)產(chǎn)品和應(yīng)用系統(tǒng)的穩(wěn)定性和魯棒性也大大增強(qiáng)。人臉識(shí)別的應(yīng)用模式可以分為人臉證件照核驗(yàn)、人臉布控、人臉檢索、人臉查重、人臉聚類等。

目前在酒店登記、檢查站身份驗(yàn)證等系統(tǒng)中廣泛應(yīng)用的人證核驗(yàn)就屬于人臉證件照核驗(yàn)，通過(guò)現(xiàn)場(chǎng)實(shí)時(shí)采集的活臉照片數(shù)據(jù)與證件照片數(shù)據(jù)進(jìn)行比對(duì)，判斷通行人員是否持本人證件。在應(yīng)用中，較易獲得的是身份證芯片中的證件照片數(shù)據(jù)，其大小為1kB左右，兩眼間距不到30像素，由于近年來(lái)基于這種低清晰度身份證照片數(shù)據(jù)的人證比對(duì)準(zhǔn)確率大幅提高，這種方式在實(shí)際中被廣泛采用。

人臉布控是對(duì)重點(diǎn)場(chǎng)所、人行通道等區(qū)域進(jìn)行人臉采集，然后與指定的黑名單或白名單人臉進(jìn)行匹配并報(bào)警。

人臉檢索可分為注冊(cè)庫(kù)檢索和抓拍庫(kù)檢索。注冊(cè)庫(kù)檢索是給定人臉視頻圖像，在人口庫(kù)等專題人臉數(shù)據(jù)庫(kù)中進(jìn)行查詢，判定給定人員的身份。抓拍庫(kù)檢索是給定一張人臉圖像，在一定范圍的歷史抓拍人臉數(shù)據(jù)庫(kù)中進(jìn)行查詢，確定該人員出現(xiàn)的位置和軌跡。

10萬(wàn)t/a大型沸騰氯化法生產(chǎn)鈦白粉原料粒度要求：-60～+100目≥90%。攀枝花典型鈦精礦粒度分布見(jiàn)表1。

人臉布控和人臉檢索的主要區(qū)別在于，人臉布控是針對(duì)實(shí)時(shí)采集的人臉視頻圖像進(jìn)行持續(xù)分析，實(shí)時(shí)性要求高，通常用誤報(bào)率和漏報(bào)率評(píng)價(jià)；人臉檢索是針對(duì)離線人臉視頻圖像，實(shí)時(shí)性要求相對(duì)較低，通常用N選命中率評(píng)價(jià)。以目前的人臉識(shí)別技術(shù)水平，通常建議布控庫(kù)不超過(guò)30萬(wàn)。

人臉查重通常是在人臉庫(kù)內(nèi)部或人臉庫(kù)之間進(jìn)行碰撞比對(duì)，可用于戶籍查重等。

人臉聚類是對(duì)采集的人臉圖像按身份進(jìn)行歸類，可以實(shí)現(xiàn)人員的“一人一檔”和人員出現(xiàn)頻次分析等應(yīng)用。

（三）人像識(shí)別

本文所說(shuō)的人像識(shí)別是指從視頻圖像中檢測(cè)出人像（也稱為人形），提取人像特征并進(jìn)行比對(duì)的過(guò)程，其中人像是指對(duì)人員的身體全部或部分的圖像描述，但通常不是人臉。人像識(shí)別可以從監(jiān)控視頻中提取出處于直立、行走、奔跑、騎行等狀態(tài)的人像快照，通過(guò)特征分析后形成如上身顏色、下身顏色、上衣紋理、是否騎行、是否背包、是否戴帽、頭發(fā)顏色、背包顏色、帽子顏色等描述信息，并可根據(jù)描述信息進(jìn)行檢索。

在特征分析的基礎(chǔ)上，還可實(shí)現(xiàn)在跨攝像機(jī)的視頻中通過(guò)人像快照對(duì)特定人員進(jìn)行檢索和軌跡跟蹤?？鐢z像機(jī)人像檢索技術(shù)在學(xué)術(shù)界又被稱為行人再識(shí)別（Person reidentification，ReID）或行人重識(shí)別，是近兩年的研究熱點(diǎn)。由于受實(shí)際監(jiān)控場(chǎng)景下光線、角度、姿態(tài)、遮擋等因素的影響，跨攝像機(jī)人像檢索技術(shù)具有極強(qiáng)的挑戰(zhàn)性和發(fā)展空間。在兩個(gè)最為常用的ReID測(cè)試集Market1501和CUHK03上，人工智能的首位命中率分別只達(dá)到了89.9%和91.8%，而一個(gè)熟練的人類標(biāo)注員的首位命中率分別可達(dá)到93.5%和95.7%。直到2017年末開始出現(xiàn)超越人類表現(xiàn)的算法，達(dá)到94.0%和96.1%。

在實(shí)際應(yīng)用場(chǎng)景中，大多數(shù)監(jiān)控?cái)z像機(jī)很難抓拍到達(dá)到識(shí)別要求的正面清晰人臉圖片，并且一臺(tái)攝像機(jī)不可能覆蓋所有需要觀察區(qū)域，而多攝像機(jī)觀察區(qū)域之間一般也沒(méi)有重疊。這種情況下要實(shí)現(xiàn)對(duì)多個(gè)監(jiān)控視頻中指定人員進(jìn)行準(zhǔn)確檢索，就必須利用人員的全身特征。因此，人像識(shí)別在公安視頻圖像偵查業(yè)務(wù)中具有極高的應(yīng)用價(jià)值和探索空間，目前已經(jīng)成為主流公安圖偵系統(tǒng)必備功能之一。

（四）數(shù)據(jù)驅(qū)動(dòng)

傳統(tǒng)公安視頻分析應(yīng)用是技術(shù)和業(yè)務(wù)驅(qū)動(dòng)的，也就是技術(shù)加業(yè)務(wù)實(shí)現(xiàn)應(yīng)用，比如車牌識(shí)別加車輛管理、運(yùn)動(dòng)目標(biāo)檢測(cè)加智能報(bào)警等。而新一輪人工智能的爆發(fā)是在深度學(xué)習(xí)算法、強(qiáng)大算力以及大數(shù)據(jù)這“三駕馬車”共同驅(qū)動(dòng)下實(shí)現(xiàn)的，并且數(shù)據(jù)正日益成為決定人工智能成敗的關(guān)鍵。數(shù)據(jù)變得如此重要，成為AI+公安視頻分析應(yīng)用進(jìn)入新時(shí)代的首要特征。數(shù)據(jù)流會(huì)在整個(gè)應(yīng)用生態(tài)中形成良性循環(huán)，業(yè)務(wù)應(yīng)用產(chǎn)生數(shù)據(jù)，人工智能把數(shù)據(jù)作為生產(chǎn)資料用于算法提升，精準(zhǔn)的算法被應(yīng)用到業(yè)務(wù)系統(tǒng)會(huì)產(chǎn)生更加優(yōu)質(zhì)的數(shù)據(jù)，優(yōu)質(zhì)數(shù)據(jù)更利于做細(xì)致的分析分類，又會(huì)不斷衍生出新的業(yè)務(wù)應(yīng)用，從而形成良性數(shù)據(jù)生產(chǎn)和應(yīng)用生態(tài)鏈。人工智能融合大數(shù)據(jù)和云計(jì)算，正在將公安視頻分析應(yīng)用的發(fā)展模式轉(zhuǎn)化為數(shù)據(jù)驅(qū)動(dòng)。

以人臉識(shí)別為例，一個(gè)100路攝像機(jī)組成的動(dòng)態(tài)人臉識(shí)別系統(tǒng)，每天可產(chǎn)生百萬(wàn)級(jí)高清人臉圖片。日積月累，當(dāng)一個(gè)人擁有超過(guò)百?gòu)埐煌瑫r(shí)間、不同角度、不同場(chǎng)景、不同光線、不同表情、不同遮擋的高清人臉圖片時(shí)，優(yōu)質(zhì)的人臉訓(xùn)練數(shù)據(jù)結(jié)合深度學(xué)習(xí)算法，可有效提高該種應(yīng)用模式下的識(shí)別準(zhǔn)確率。在此數(shù)據(jù)和算法的基礎(chǔ)上又可生長(zhǎng)出“追蹤”“封鎖”“聚類”“預(yù)警”等業(yè)務(wù)應(yīng)用模式。

三、視頻分析應(yīng)用測(cè)評(píng)體系

本文所述視頻分析應(yīng)用測(cè)評(píng)是指對(duì)視頻分析產(chǎn)品在公安及公共安全行業(yè)的實(shí)際應(yīng)用能力進(jìn)行科學(xué)客觀的測(cè)試和評(píng)價(jià)。測(cè)評(píng)一方面能幫助建設(shè)單位選出實(shí)戰(zhàn)能力優(yōu)秀的產(chǎn)品和系統(tǒng)，并為實(shí)際應(yīng)用中的安裝部署、參數(shù)設(shè)置、系統(tǒng)使用等提供科學(xué)有效的指導(dǎo)依據(jù)；另一方面也能幫助產(chǎn)品快速定位問(wèn)題和不足所在，大幅縮短算法研發(fā)到現(xiàn)場(chǎng)應(yīng)用的反饋周期，提升視頻分析技術(shù)向公安實(shí)戰(zhàn)應(yīng)用迭代改進(jìn)的效率。因此，建立科學(xué)、客觀、公平、公正的視頻分析應(yīng)用測(cè)評(píng)體系，是推動(dòng)AI+公安視頻分析技術(shù)發(fā)展和圖偵應(yīng)用的堅(jiān)實(shí)基礎(chǔ)工作。

視頻分析應(yīng)用測(cè)評(píng)體系的關(guān)鍵技術(shù)主要包括測(cè)評(píng)方法、測(cè)試數(shù)據(jù)集和測(cè)評(píng)系統(tǒng)等。測(cè)評(píng)方法研究測(cè)試流程、測(cè)試接口、功能和性能評(píng)價(jià)指標(biāo)等。由于公安視頻數(shù)據(jù)的敏感性，數(shù)據(jù)和系統(tǒng)的安全保護(hù)也是測(cè)評(píng)方法的重要研究?jī)?nèi)容。測(cè)試數(shù)據(jù)集是在科學(xué)方法的指導(dǎo)下，從典型公安應(yīng)用場(chǎng)景中采集實(shí)際數(shù)據(jù)，并經(jīng)過(guò)分類整理、準(zhǔn)確標(biāo)注形成的用于算法測(cè)試的數(shù)據(jù)集。數(shù)據(jù)容量、場(chǎng)景的廣泛性和真實(shí)性、采集對(duì)象的全面覆蓋性等是衡量測(cè)試數(shù)據(jù)集的重要指標(biāo)。測(cè)評(píng)系統(tǒng)為數(shù)據(jù)集的管理、標(biāo)注，被測(cè)系統(tǒng)的運(yùn)行、接口調(diào)用、指標(biāo)評(píng)價(jià)提供平臺(tái)和工具。AI+新時(shí)代下的測(cè)評(píng)系統(tǒng)應(yīng)該具備高數(shù)據(jù)并發(fā)能力、對(duì)不同軟硬件環(huán)境的兼容能力和自動(dòng)化測(cè)試的能力。

視頻分析測(cè)評(píng)技術(shù)涉及面廣，難度大，一直是國(guó)內(nèi)外學(xué)術(shù)界及產(chǎn)業(yè)界的重要研究課題之一。隨著AI+視頻分析應(yīng)用進(jìn)入新時(shí)代，視頻分析應(yīng)用的場(chǎng)景適應(yīng)能力和準(zhǔn)確率大幅提高，也不斷催生新的應(yīng)用場(chǎng)景和應(yīng)用模式，傳統(tǒng)的測(cè)評(píng)體系已不能完全滿足我國(guó)公共安全應(yīng)用需求。以人臉識(shí)別為例，實(shí)驗(yàn)表明，一些能在國(guó)際知名的LFW數(shù)據(jù)集(美國(guó)馬薩諸塞大學(xué)發(fā)布的非受限環(huán)境人臉識(shí)別測(cè)試集)上達(dá)到99%準(zhǔn)確率的算法，在30萬(wàn)級(jí)實(shí)戰(zhàn)庫(kù)中準(zhǔn)確率不足40%。因此，迫切需要建立面向我國(guó)公安實(shí)戰(zhàn)應(yīng)用的視頻分析應(yīng)用測(cè)評(píng)體系，通過(guò)基于公安實(shí)戰(zhàn)場(chǎng)景的大型數(shù)據(jù)集和科學(xué)客觀的測(cè)評(píng)方法，使測(cè)評(píng)結(jié)果能夠真實(shí)、全面地反映視頻分析產(chǎn)品在公共安全領(lǐng)域的應(yīng)用能力和水平。

四、存在的問(wèn)題

雖然AI+公安視頻分析應(yīng)用已經(jīng)取得了很多突破，但我們?nèi)孕枨逍训卣J(rèn)識(shí)到，人工智能并非萬(wàn)能，AI+公安視頻分析應(yīng)用仍然存在很多問(wèn)題亟待解決。

（一）圖像傳感技術(shù)產(chǎn)品缺乏突破性進(jìn)展

無(wú)論是對(duì)于公安視頻應(yīng)用，還是對(duì)于計(jì)算機(jī)視覺(jué)技術(shù)本身，視頻圖像的采集都是其得以實(shí)現(xiàn)的基礎(chǔ)。而圖像傳感技術(shù)及其產(chǎn)品性能直接影響采集的視頻圖像質(zhì)量?，F(xiàn)有技術(shù)產(chǎn)品條件下，夜晚、惡劣天氣環(huán)境等會(huì)嚴(yán)重影響采集的視頻圖像信噪比等，導(dǎo)致人工智能算法性能大幅下降，甚至不可用。這個(gè)問(wèn)題對(duì)于車輛識(shí)別應(yīng)用的影響相對(duì)較小，主要是因?yàn)檐囕v卡口系統(tǒng)經(jīng)過(guò)多年的建設(shè)和發(fā)展，其應(yīng)用環(huán)境和應(yīng)用模式相對(duì)固定，已經(jīng)研制出了與之相對(duì)應(yīng)的相對(duì)完善的爆閃、頻閃等補(bǔ)光系統(tǒng)，基本可以保證各種天氣條件下抓拍的圖像質(zhì)量。而人臉/人像識(shí)別的應(yīng)用環(huán)境多變（可以說(shuō)是無(wú)處不在），應(yīng)用模式也復(fù)雜很多，顯然無(wú)法直接照搬車輛卡口的補(bǔ)光方案，也不可能用一套方案來(lái)適應(yīng)所有情況，還需深入研究和探討。圖像傳感技術(shù)雖然也在進(jìn)步，相繼有“星光級(jí)”“黑光級(jí)”或“3D結(jié)構(gòu)光”等技術(shù)出現(xiàn)，但距離解決實(shí)質(zhì)問(wèn)題，形成實(shí)用產(chǎn)品和系統(tǒng)還有相當(dāng)長(zhǎng)的路要走。

（二）缺乏AI+行業(yè)的全面優(yōu)化解決方案

要真正解決公安智能視頻應(yīng)用的行業(yè)問(wèn)題，只把AI算法做好是遠(yuǎn)遠(yuǎn)不夠的。一輪輪巨額融資進(jìn)賬的AI創(chuàng)業(yè)公司，其優(yōu)勢(shì)首先在于強(qiáng)大的系統(tǒng)性算法創(chuàng)新能力；其次在于其源于互聯(lián)網(wǎng)基因的工程開發(fā)技術(shù)棧，這些源于互聯(lián)網(wǎng)的工程能力在處理分布式、大數(shù)據(jù)以及人機(jī)交互等問(wèn)題時(shí)顯得更加得心應(yīng)手。而資深安防企業(yè)的優(yōu)勢(shì)主要體現(xiàn)在強(qiáng)大的軟硬件一體化產(chǎn)品能力、行業(yè)及系統(tǒng)解決方案能力、營(yíng)銷渠道途徑和項(xiàng)目整體交付能力等方面。其實(shí)不管是AI創(chuàng)業(yè)公司，還是資深安防企業(yè)，只有把從學(xué)術(shù)研究、算法實(shí)戰(zhàn)、解決方案、系統(tǒng)集成到工程實(shí)施最終落地的全流程做好，把從前端到后端的全生命周期的產(chǎn)業(yè)鏈閉環(huán)（含運(yùn)營(yíng)維護(hù)）做好，才能真正滿足AI+公安視頻應(yīng)用的行業(yè)需求。

五、結(jié)束語(yǔ)

人工智能的第三次浪潮來(lái)勢(shì)洶洶，裹挾著巨額資本與各個(gè)行業(yè)激烈碰撞。與發(fā)生在二百多年前的工業(yè)革命一樣，它的本質(zhì)是提高生產(chǎn)效率，用機(jī)器替代人的部分勞動(dòng)。人工智能成為引領(lǐng)未來(lái)的戰(zhàn)略性技術(shù)，是提升國(guó)家競(jìng)爭(zhēng)力、維護(hù)國(guó)家安全的重大戰(zhàn)略手段。我們需要認(rèn)清：一方面，人工智能不是洪水猛獸，它是一個(gè)我們能夠拿來(lái)使用的可以替代重復(fù)性簡(jiǎn)單腦力勞動(dòng)的工具，并且這個(gè)工具在我們的共同培育和努力下會(huì)越來(lái)越好用，越來(lái)越普及；另一方面，AI+公安視頻分析應(yīng)用在公安實(shí)戰(zhàn)中將發(fā)揮更加積極有效的作用，甚至是不可或缺的作用。

[1] A Krizhevsky, I Sutskever, GE Hinton. ImageNet Classification with Deep Convolutional Neural Networks[C]. International Conference on Neural Information Processing Systems. 2012:1097-1105.

[2] 李鵬飛,孫苗苗,高磊,趙炫. 智能視頻分析技術(shù)的最新發(fā)展與應(yīng)用. 中國(guó)安防,2013(12).

[3] 胡雷地,莊唯,羅憶. 人臉識(shí)別技術(shù)在警務(wù)實(shí)戰(zhàn)中的應(yīng)用探索.警察技術(shù), 2017(4).