校園監控系統建設中人工智能技術應用探索

◆屠斐正

1 前言

隨著高等院校校園建設規模的擴大，校區的開放程度與校園后勤服務社會化程度的提高，在給師生帶來便捷的同時，也給校園安全保障帶來巨大的壓力。建設校園監控系統便是學校推進校園安全保障工作的重要手段之一，也是校園信息化建設的重要組成。

縱觀近十幾年的校園監控系統發展路徑，受限于技術瓶頸，傳統校園監控被動、滯后的運行模式使其逐漸被淘汰為校園信息化建設的“雞肋”，“不建不可以，建了沒啥用，出事查一查，沒事當擺設”成為大部分校園監控系統的生存現狀。近年來，視頻分析、人臉識別等人工智能技術快速發展，迅速完成從實驗室到大規模商業應用的轉變，人工智能+校園監控成為改變現有校園監控系統建設與應用現狀的重要手段與途徑。

2 人工智能技術與應用

人臉識別與應用人臉識別系統的研究始于20世紀60年代，在20世紀90年代后期進入初級應用階段。人臉識別系統成功的關鍵在于是否具有實用化的識別率與識別速度，這取決于是否擁有尖端的核心算法。傳統的識別算法有著難以克服的缺陷——識別精度對光線的變化極為敏感，一旦光線發生變化，識別精度就會大幅下降，無法滿足實際應用需求[1]。但近幾年快速發展成熟的基于主動近紅外圖像的多光源人臉識別技術，克服了光線變化的影響，取得了卓越的識別性能。目前國內一些一線廠商算法的靜態識別精度已經突破99%，這使人臉識別技術真正走向實用化。

“人臉識別算法”通過對人臉輪廓、眼睛、眉毛、嘴唇以及鼻子輪廓等關鍵點進行定位并獲得關鍵點之間的歐氏距離、曲率和角度等特征分量，然后根據這些特征分量進行人臉匹配與識別。因為這些特征點相對固定，所以能將化妝、佩戴眼鏡、戴帽子等行為對識別精度的影響降到較低水平。由于在人臉識別過程中不需要強制被檢測人配合，也不用人體接觸任何物體，即使一對多識別也可以控制在一秒以內，用戶體驗較好。目前，人臉識別技術在校園監控方面的應用主要有兩個。

1）出入口人臉比對檢索。建立校園監控人像數據庫白名單/黑名單，通過人臉識別系統進行一對多的人臉比對，快速發現名單目標。一般應用環境在校園主要出入口，檢索目標可以與公安人像黑名單進行聯動，快速確認活動在校園出入口附近的嫌犯、逃犯并預警；也可以與學校內部管理平臺聯動，對特定人員進行針對性管理。

2）人臉考勤、門禁。利用人臉識別用戶無感知體驗的特點，在學校考勤以及門禁等位置安裝人臉識別裝置（也可以對已有攝像頭進行利舊），通過人臉識別技術實現“刷臉”考勤與“刷臉”進出[2]。

行為分析技術與應用[3]傳統的校園監控系統由攝像頭、存儲以及監控平臺構成，通過在監控室建設監控大屏，并配以保安人員7*24小時值班來實現校園的安全實時監控。然而由于傳統監控的自身局限，在及時響應、實時監控以及主動預警方面往往達不到人們的期望，主要表現在：監控大屏輪巡顯示的監控數量與學校攝像頭的總數相比差距巨大，導致絕大多數的攝像頭不能被實時監視；受監控人員自身生理弱點影響，無法長時間集中注意力監控視頻，根據相關文獻研究，連續查看監控視頻20分鐘后，人對視頻內容的注意力會下降30%左右，一小時后便會下降70%。這兩個問題都會導致監控人員無法及時發現校園內異常情況，導致漏報和誤報，嚴重降低學校對監控系統的信任度。

監控行為分析技術充分利用視頻處理技術、圖像處理技術以及建模技術對原始監控視頻進行處理，可以根據用戶預設的規則或者模型，對監控視頻中的各類異常行為、事件進行處理、分析與挑選，并將檢測出來的異常行為與事件推送給監控人員，代替人腦完成傳統海量視頻的實時監控與異常行為預警工作。這里的異常行為與事件可以根據用戶定義進行建模，如打架、抽煙、聚集、物品遺落、人員倒地、非法闖入行為等，預先建好相關模型后，監控系統會智能地對所有監控視頻進行比對與分析，一旦發現與預先設置模型相仿的視頻信息，就會主動預警并將關鍵視頻片段進行切片保存，供相關管理人員進一步確認、處理。通過這種智能化的視頻行為建模與分析手段，一方面將監控人員從重復、持續的監控視頻查看工作中解脫出來，專注于預警視頻確認與事件處理上；另一方面真正地發揮出監控系統實時、可靠的校園安全保障作用。

圖1 寧波市教育局監控分析系統拓撲圖

人流分析技術與應用[2]監控視頻人流統計技術是人工智能+監控技術中相對最為成熟、安裝部署最為廉價、應用最為廣泛的技術，現在部分廠商的攝像頭已經可以通過內置硬件芯片離線完成人流分析與統計。人流分析技術依賴于目前最新的人體特征識別算法和人工智能算法等多領域算法，實現對視頻中特定區域（如大門、樓梯口等區域）的人頭、肩膀等特征部位進行識別，以此來區分人和其他物體，并根據其運動軌跡來判斷人的出入關系，最后得出進入人數量、離開人數量、保有量等統計數據。

人流分析技術在校園的應用，一方面可以提供校門、食堂、圖書館等主要出入口的人流數據的相關統計分析信息，為校園管理提供數據支撐；另一方面可以在特定的區域提供人員密度預警，如上課、下課高峰期樓梯人流預警，防止出現人流過密造成的踩踏事件。

3 架構與平臺選擇

在2015年前，人工智能+校園監控還是以軟件部署實現為主，近年來隨著海康、大華等攝像頭廠商在該領域的快速發力，前端硬件芯片+后端算法的混合模式逐漸成熟，兩種架構模式目前來看各有優劣，學校可以根據自身特點選擇合適架構。

軟件算法解決方案軟件算法部署方案相當于一種外掛式部署方案，它可以部署在監控管理平臺之上，也可以直接通過攝像頭提取視頻信息進行分析統計。軟件部署模式的優缺點非常明顯：由于外掛式部署方式，它對學校傳統監控管理軟件以及硬件要求很低，只要能夠提供視頻源即可，非常適合傳統監控系統升級改造類型的項目；但是由于它是直接對視頻源進行分析，對通信鏈路以及后臺服務器的要求較高，穩定性較差。因此，在一些大型項目中往往會在前端部署一個小型的分析平臺，將視頻源進行初步數據提取與分析后，再提交到集中部署的視頻監控分析服務器群中進行深層分析計算。

2015年，寧波市教育局建設的直屬學校監控分析系統便是采用這種架構，具體拓撲圖如圖1所示。

前端硬件+后端算法解決方案根據軟件部署方案的缺點，海康、大華等硬件廠家利用自身優勢，將前端視頻源數據提取與分析這一步驟硬件化，并集成到攝像頭內部。這種新型的解決方案很好地解決了系統穩定性差、對通信鏈路與服務器要求高的問題，同時極大地降低了監控智能化部署的費用。但是，一方面由于數據提取前移到攝像頭上，導致學校原有監控系統利舊困難；另一方面，在具體智能化功能上，與軟件部署方案有所差距。

4 應用案例

2015年，寧波市教育局在14所市直屬高中試點部署統一監控分析系統，在系統實際應用中不斷收集學校需求，更新完善視頻分析模型，初步形成以下四類使用場景需求。

陽光體育統計寧波市教育局對全市各校學生的日均體育運動時間有一定要求，但是學校主動報上來的數據往往不能反映實際學生運動情況。針對這一需求，視頻分析系統對操場、室內運動場等場所的視頻數據進行采集與分析，通過清點出入學生人數以及運動場所人流密度，獲得具備一定可信度的學生運動人數以及平均運動時間，為市教育局提供相對準確的陽光體育統計數據。

防踩踏預警由于學校的作息特點，重要出入口很容易出現人流峰值，存在踩踏隱患。針對這一需求，對樓梯等出入口的視頻數據進行采集與分析，檢測這些場所的人流密度并根據學校實際情況設置預警閾值，當檢測到場所的人流密度超出預警時，聯動校園廣播系統進行警告并通知相關人員。

食堂及重要出入口人流統計對食堂、校門等出入口的視頻信息進行采集與分析，清點通過這些出入口的人數以及人流密度，獲得相對準確的統計數據，如學校各個食堂就餐人數分布、就餐時間分布，教師與學生出入校門口人數、出入校門口時間分布，為學校管理現代化提供數據支撐。

臺風校園汛情檢測寧波統一監控分析系統目前已經接入32所直屬學校以及部分區縣的校園監控網絡，在每年八九月份的抗臺防汛期間，該系統可以作為市教育局防臺監控調度工作重要的一線信息來源，為市領導統籌調度提供強有力支撐。

5 結語

作為校園信息化的元老級系統，校園監控系統之所以到現在還未被完全淘汰，一方面是校園監控本身政策法規上的必要性以及高昂的建設資金，讓校園管理者進行創新改革時慎之又慎；另一方面則是目前還未有一種完全成熟的替代解決方案。隨著視頻分析算法與智能分析芯片的進一步發展，智能監控系統的功能將越來越強大，部署建設費用也將逐步降低，在未來幾年內必將得到越來越廣泛的應用，校園智能監控系統也將成為“必須建、必須用”的校園信息化核心系統。