□ 文 /吳參毅

隨著人工智能（AI）在安防行業(yè)的滲透和深層次應(yīng)用，當(dāng)前安防行業(yè)已經(jīng)呈現(xiàn)“無 AI，不安防”的新趨勢。

各安防廠商產(chǎn)品 AI 化已經(jīng)是當(dāng)前不爭的事實(shí)，同時(shí)也成為各廠商的新戰(zhàn)略高地。自從2012年人工智能在安防行業(yè)逐漸深入落地這6年以來， AI在安防領(lǐng)域尤其是視頻監(jiān)控領(lǐng)域的產(chǎn)品形態(tài)及應(yīng)用模式也開始趨于穩(wěn)定。安防行業(yè)的 AI 技術(shù)主要集中應(yīng)用在人臉識(shí)別、行人識(shí)別、行為識(shí)別、車輛識(shí)別、結(jié)構(gòu)化分析、大規(guī)模結(jié)構(gòu)化和半結(jié)構(gòu)化視頻信息檢索這幾個(gè)方向等方向。

按照應(yīng)用場景來看，人工智能在安防行業(yè)的應(yīng)用主要分為卡口場景和非卡口場景。卡口場景主要為人臉/人員卡口和車輛卡口，此類場景攝像機(jī)的采集位置、光線、角度等條件可控。非卡口場景指的是普通治安監(jiān)控場景，攝像機(jī)安裝位置、角度不嚴(yán)格，對采集光線也不做嚴(yán)格要求?？趫鼍凹s占視頻監(jiān)控?cái)z像機(jī)總量的 1%-3%，剩余的均為非卡口場景監(jiān)控視頻。

嚴(yán)格說來，上面所說的人工智能（AI）不是嚴(yán)格的學(xué)術(shù)名詞，在安防企業(yè)界，AI大都指的是基于視頻圖像的機(jī)器學(xué)習(xí)，是一種模式識(shí)別AI。機(jī)器學(xué)習(xí)領(lǐng)域的泰斗級學(xué)者M(jìn)ichael Jordan聲稱，目前常用AI有三類：

仿人人工智能（human-imitative AI），最近深度學(xué)習(xí)的一系列成功案例，包括計(jì)算機(jī)視覺、語音識(shí)別、游戲人工智能。

智能增強(qiáng)（Intelligence Augmentation，IA），能夠增強(qiáng)人類記憶能力的搜索引擎和增強(qiáng)人類溝通能力的機(jī)器翻譯都屬此類。

智能基礎(chǔ)設(shè)施（Intelligence Infrastructure，II），這一領(lǐng)域旨在利用計(jì)算機(jī)技術(shù)讓人類生活的環(huán)境更加安全有趣，從基礎(chǔ)設(shè)施的角度為人類生活提供支持。物聯(lián)網(wǎng)是這一類概念的早期版本。現(xiàn)在的智慧城市是II的一種典型應(yīng)用。

現(xiàn)在安防行業(yè)的AI應(yīng)用主要屬于仿人AI，IA和II方面的應(yīng)用還很少。

安防中的AI應(yīng)用

人臉身份確認(rèn)

人臉身份確認(rèn)應(yīng)用屬于卡口場景仿人AI應(yīng)用，以公安行業(yè)人員布控為代表，在關(guān)鍵監(jiān)控點(diǎn)位安裝人臉抓拍攝像機(jī)，通過后端人臉識(shí)別服務(wù)器對抓拍到的人臉進(jìn)行比對識(shí)別，確定該人員身份。一種是與人臉黑名單庫進(jìn)行比對識(shí)別，另一種是和靜態(tài)人臉庫進(jìn)行比對識(shí)別。

人臉黑名單動(dòng)態(tài)布控應(yīng)用中主要利用人臉抓拍攝像機(jī)從高清/超高清視頻畫面中使用深度學(xué)習(xí)模型檢測并抓拍人臉照片，然后提取人臉深度學(xué)習(xí)特征向量，與黑名單庫人臉的比對并實(shí)現(xiàn)報(bào)警提示。

人臉靜態(tài)比對指的是使用深度學(xué)習(xí)模型檢測并抓拍人臉圖片，然后提取的人臉深度學(xué)習(xí)特征向量與靜態(tài)庫中的人臉比對識(shí)別，確認(rèn)該人臉身份。

2017 年在某啤酒節(jié)期間，警方將“人臉識(shí)別”系統(tǒng)應(yīng)用于啤酒節(jié)安保，并成功抓獲網(wǎng)上逃犯 25 名，吸毒人員 19 名，當(dāng)場還抓獲了 5 名扒手，并且驅(qū)離扒竊前科人員 32 名。

另外，通過人臉識(shí)別系統(tǒng)還可以查詢?nèi)藛T行走軌跡，可以借助人臉識(shí)別系統(tǒng)尋找走失老人、兒童等，實(shí)現(xiàn)便民服務(wù)。

宇視科技推出的“函谷”系列人臉抓拍相機(jī)，采用1/1.8”大靶面超星光技術(shù)，可實(shí)現(xiàn)40張人臉并發(fā)檢測，可實(shí)現(xiàn)20像素瞳距人像抓拍。

人臉身份驗(yàn)證

人臉身份驗(yàn)證屬于卡口場景應(yīng)用，人臉白名單應(yīng)用屬于人臉身份驗(yàn)證應(yīng)用。人臉白名單應(yīng)用已經(jīng)在很多行業(yè)落地，比如人臉門禁、人臉?biāo)偻ㄩT、人臉考勤、人證核驗(yàn)等，廣泛應(yīng)用于企事業(yè)、各類園區(qū)等場景。除了實(shí)現(xiàn)基礎(chǔ)的人臉識(shí)別應(yīng)用外， 人臉身份驗(yàn)證還使用活體檢測等手段，防止通過照片、視頻、面具等人臉假冒行為，切實(shí)保障出入口人員安全管控及日常人員管理等。

宇視科技推出的“潼關(guān)”系列人臉?biāo)偻ㄩT已經(jīng)在全國開啟多場景規(guī)模部署，識(shí)別率達(dá)到99%以上，支持活體檢測，白名單庫容30000人，實(shí)現(xiàn)0.2秒識(shí)別，1秒內(nèi)閃身通過。

車輛識(shí)別應(yīng)用

車輛識(shí)別應(yīng)用屬于卡口場景應(yīng)用。車輛識(shí)別技術(shù)是公安實(shí)戰(zhàn)中應(yīng)用最成熟、 效果最明顯的技術(shù)之一。借助遍布全國各地交通要道的車輛卡口，車牌識(shí)別使得“以車找人” 成為現(xiàn)實(shí)， 成功協(xié)助警方破獲各類案件。車輛識(shí)別技術(shù)已經(jīng)從初級的基于車牌的車輛識(shí)別應(yīng)用階段，發(fā)展到車型識(shí)別、套牌車識(shí)別等精準(zhǔn)的車輛識(shí)別應(yīng)用階段。

視頻結(jié)構(gòu)化

視頻結(jié)構(gòu)化應(yīng)用一般屬于非卡口應(yīng)用。在視頻結(jié)構(gòu)化分析與快速檢索應(yīng)用中，視頻結(jié)構(gòu)化業(yè)務(wù)功能是對視頻中的機(jī)動(dòng)車、非機(jī)動(dòng)車、行人等活動(dòng)目標(biāo)進(jìn)行分類檢測，并對其特征屬性識(shí)別。提取目標(biāo)小圖和場景大圖寫入存儲(chǔ)設(shè)備，便于后續(xù)的快速查詢及智能檢索。通過視頻結(jié)構(gòu)化業(yè)務(wù)快速分析并提取出視頻中感興趣目標(biāo)的特征屬性信息，用戶能夠高效獲取案事件相關(guān)線索，促進(jìn)大安防時(shí)代視頻數(shù)據(jù)從看清跨入到看懂的階段。

宇視科技的“昆侖”視圖數(shù)據(jù)中心一體機(jī)，支持業(yè)界最高性能的人臉識(shí)別、視頻結(jié)構(gòu)化、人數(shù)統(tǒng)計(jì)以及百億級大數(shù)據(jù)秒級檢索業(yè)務(wù)。

行為分析

行為分析可輔助安防應(yīng)用。 通過行為分析系統(tǒng)對人員的異常行為進(jìn)行分析處理，可應(yīng)用于重點(diǎn)區(qū)域防范、重要物品監(jiān)視、可疑危險(xiǎn)物品遺留等行為的機(jī)器識(shí)別； 也可對人員的異常行為進(jìn)行報(bào)警，極大提升了視頻監(jiān)控的應(yīng)用效率。另外，還可以實(shí)現(xiàn)對群體的態(tài)勢分析，如人群密度分析、人員聚集分析等，對重點(diǎn)區(qū)域或人員聚集較多的場所態(tài)勢進(jìn)行分析，防止人群事件發(fā)生，做到提前預(yù)警、及時(shí)處置。

安防中AI應(yīng)用限制性

雖然基于大數(shù)據(jù)、GPU和深度學(xué)習(xí)的人工智能技術(shù)飛速發(fā)展，但在產(chǎn)品化和實(shí)踐應(yīng)用中，依然存在很多問題。

成本高

當(dāng)前，影響“安防+AI”產(chǎn)品解決方案規(guī)模化應(yīng)用的因素有很多，成本高昂是眾多原因之一。從一個(gè)典型中大型城市級公共安全視頻監(jiān)控聯(lián)網(wǎng)項(xiàng)目各部分成本占比情況可以清晰看出成本是“安防+AI”發(fā)展的重要瓶頸。

設(shè)備本身由于產(chǎn)品性能、算力性能等多方面要求造成布置成本較高；而科學(xué)化工勘布點(diǎn)需求帶來的時(shí)間和人力成本、海量圖片高并發(fā)網(wǎng)絡(luò)帶寬需求帶來的設(shè)備和鏈路成本、多業(yè)務(wù)系統(tǒng)聯(lián)網(wǎng)應(yīng)用帶來的溝通和研發(fā)成本、大數(shù)據(jù)研判分析應(yīng)用帶來的設(shè)備及研發(fā)成本以及不斷增長的設(shè)備與集成施工和機(jī)房改造等因素則進(jìn)一步疊高了“安防+AI”落地的成本。

場景限制高

人工智能算法的泛化能力是模式識(shí)別問題長期面臨的一個(gè)問題，也是現(xiàn)階段的主要瓶頸。由于訓(xùn)練好的模型用在變化的場景中性能往往會(huì)明顯下降，因此在實(shí)際使用中，必須對場景進(jìn)行嚴(yán)格定義，或者從設(shè)計(jì)上將智能算法定位為對指標(biāo)不敏感的輔助功能。在比較成熟的應(yīng)用中，如智能交通中的過車及違章抓拍、機(jī)場車站的人證對比等，都需要具體的工程安裝方案。這種做法在技術(shù)不夠成熟的條件下有效實(shí)現(xiàn)了商業(yè)價(jià)值，但缺點(diǎn)同樣明顯：一方面，對已有設(shè)備的改造需要增加施工成本，影響人工智能算法對傳統(tǒng)應(yīng)用的滲透；另一方面，也限制了獲取有效素材的效率，影響算法指標(biāo)的進(jìn)一步提升。

布點(diǎn)困難

人工智能往往有特定的場景要求，只有在特定場景下才能保持較好的識(shí)別率。按照《安全防范視頻監(jiān)控人臉識(shí)別系統(tǒng)技術(shù)要求》（GA/T 31488-2015），《安防人臉識(shí)別應(yīng)用視頻人臉圖像提取技術(shù)要求》（GA/T 1334-2016）等技術(shù)要求，人像識(shí)別攝像機(jī)主要指安裝在公安檢查站人行通道，車站、機(jī)場、碼頭等出入口或閘機(jī)，人行道、非機(jī)動(dòng)車道、步行街、商業(yè)中心等重要部位出入口，能夠有效限制人員通行、具有良好人像抓取條件的部位，應(yīng)面向人員行進(jìn)方向正面安裝，具有良好的光照條件。

人像抓拍攝像機(jī)的架設(shè)位置應(yīng)滿足GA/T 922.2-2011的要求。對漏報(bào)無專門要求的場景可采用上限位置安裝，視場內(nèi)應(yīng)避免有遮擋目標(biāo)人的物體。

▲圖1 卡口型人臉采集設(shè)備架設(shè)要求

距地面安裝高度H1應(yīng)小于等于6000mm，宜在2200mm到3000mm之間；

采集設(shè)備光軸與水平線俯仰角度A應(yīng)小于等于20°，宜在0°到10°之間；

距目標(biāo)人實(shí)測距離L和安裝高度H1滿足如圖1所示的要求。其中

L：采集設(shè)備距目標(biāo)人實(shí)測距離；

H1：采集設(shè)備安裝高度；

H2：目標(biāo)人平均身高；

A：采集設(shè)備光軸與水平線俯仰角度。

安全要求更高

人工智能技術(shù)的蓬勃發(fā)展賦予了安防監(jiān)控系統(tǒng)更加多樣化的業(yè)務(wù)功能，將安防監(jiān)控行業(yè)的市場空間進(jìn)一步拓寬，使安防監(jiān)控系統(tǒng)在各行各業(yè)得到廣泛部署。但從風(fēng)險(xiǎn)角度而言，在AI與安防融合發(fā)展的進(jìn)程中，將大量非結(jié)構(gòu)化視頻轉(zhuǎn)化為可快速檢索的結(jié)構(gòu)化數(shù)據(jù)，一旦網(wǎng)絡(luò)被攻擊，數(shù)據(jù)泄漏后的損失將更為惡化；另一方面人工智能將大量視頻、圖片集中到云中心，對網(wǎng)絡(luò)帶寬提出了更高要求。 此類需求和風(fēng)險(xiǎn)可歸類為以下3個(gè)方面：

現(xiàn)階段大量部署的端計(jì)算設(shè)備安全風(fēng)險(xiǎn)高：暴露設(shè)備數(shù)量太多、暴露端口太多、設(shè)備漏洞太多、固件更新不及時(shí)、通信協(xié)議安全性不高、數(shù)量過多無法管控 。

監(jiān)控等物聯(lián)網(wǎng)設(shè)備已經(jīng)成為新的攻擊目標(biāo)（僵尸網(wǎng)絡(luò)與 DDOS、遠(yuǎn)程錄拍、勒索病毒、挖礦木馬、APT 攻擊）。

人工智能的發(fā)展， 數(shù)據(jù)被終端采集后傳輸匯集到集中式云計(jì)算中心，網(wǎng)絡(luò)實(shí)時(shí)性和帶寬都帶來量級的要求， 對云中心部署方案的帶來了挑戰(zhàn)， 需要新的模式來適應(yīng) AIoT。

IA應(yīng)用不足

視頻監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)量龐大，而且日趨多元化，包含：非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化特征數(shù)據(jù)以及結(jié)構(gòu)化數(shù)據(jù)。 當(dāng)前的人工智能視頻大數(shù)據(jù)分析技術(shù)主要存在如下三個(gè)問題：

非卡口場景的視頻分析算法在準(zhǔn)確率、 穩(wěn)定性及計(jì)算成本等核心指標(biāo)方面還有待于提高， 導(dǎo)致非卡口場景的存量視頻利用率極低，目前沒有有效利用的非卡口監(jiān)控視頻約占監(jiān)控視頻總量的 97%左右；

當(dāng)前的人臉識(shí)別技術(shù)、 行人識(shí)別技術(shù)、 行為分析等視頻分析技術(shù)往往是接近于實(shí)驗(yàn)室場景下的初級應(yīng)用、數(shù)據(jù)孤立下的單點(diǎn)識(shí)別應(yīng)用，距離全天候場景下的精準(zhǔn)鎖定，最快時(shí)間、最小成本、跨攝像機(jī)下的識(shí)別搜索， 還有很大的差距，真正解決客戶實(shí)戰(zhàn)問題的能力還有待于提高；

智能 AI 攝像機(jī)及視頻結(jié)構(gòu)化分析產(chǎn)品開始進(jìn)入安防市場，產(chǎn)生了海量的結(jié)構(gòu)化視頻數(shù)據(jù)，但基于結(jié)構(gòu)化視頻數(shù)據(jù)的深度智能應(yīng)用，如時(shí)空分析、模式挖掘、預(yù)測預(yù)警、 技戰(zhàn)法訓(xùn)練等尚在探索階段，有可能形成新的數(shù)據(jù)浪費(fèi)和低效投資。

安防中的AI新趨勢

布點(diǎn)更易

應(yīng)該說現(xiàn)階段的人工智能還不夠智能，導(dǎo)致了它的強(qiáng)場景化特點(diǎn)，限制了攝像機(jī)的部署。后續(xù)隨著訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型更加智能，以及多種模型的統(tǒng)一，將使得目前的攝像機(jī)布點(diǎn)更加容易。

云端結(jié)合

安防行業(yè)端域計(jì)算響應(yīng)的及時(shí)性，芯片算力的不斷增強(qiáng)，提升端和云之間數(shù)據(jù)傳輸效率，這樣端域注重模式識(shí)別的仿人AI計(jì)算，云上更注重IA和II計(jì)算。

端域協(xié)作計(jì)算

安防行業(yè)中視頻監(jiān)控系統(tǒng)分批分期建設(shè)的現(xiàn)實(shí)，導(dǎo)致了端域/邊緣域計(jì)算能力的不均勻。即便是同屬于同一個(gè)視頻監(jiān)控系統(tǒng)的攝像機(jī)或者端設(shè)備，由于類型的不同，導(dǎo)致了計(jì)算能力、計(jì)算類型的不同。這樣的現(xiàn)實(shí)逐漸演化出端域設(shè)備分工協(xié)助的產(chǎn)品狀態(tài)，比如槍球聯(lián)動(dòng)、全景相機(jī)與球機(jī)聯(lián)動(dòng)、 攝像機(jī)和智能盒子結(jié)合，等等多種端設(shè)備協(xié)作式計(jì)算的產(chǎn)品形態(tài)。

數(shù)據(jù)的多維應(yīng)用

視頻監(jiān)控系統(tǒng)逐漸和物聯(lián)網(wǎng)的逐漸融合，催生出針對人、車、物的多維應(yīng)用。形式有二：在數(shù)據(jù)采集端，攝像機(jī)逐漸和物聯(lián)網(wǎng)采集融合；在大數(shù)據(jù)分析與挖掘上，視頻圖像信息逐漸和物聯(lián)網(wǎng)數(shù)據(jù)融合應(yīng)用。安防系統(tǒng)逐漸融入智慧城市的整個(gè)體系之中。

安全性

安防系統(tǒng)的安全性將逐漸增強(qiáng)，不論是設(shè)備安全、邊界安全、網(wǎng)絡(luò)安全、數(shù)據(jù)安全、計(jì)算安全、系統(tǒng)安全，還是對安全風(fēng)險(xiǎn)的抵御能力、還是受到安全威脅后的系統(tǒng)的響應(yīng)以及容忍能力，雖然GB 35114已經(jīng)頒布，《網(wǎng)絡(luò)安全等級保護(hù)條例》即將發(fā)布，但這些標(biāo)準(zhǔn)遠(yuǎn)遠(yuǎn)不夠，這只是開始，安防系統(tǒng)的安全性必將是下一個(gè)研究與建設(shè)的重點(diǎn)領(lǐng)域。