AI+公安視頻分析應用進入新時代

高磊 趙炫

1. 視頻圖像信息智能分析與共享應用技術國家工程實驗室 2. 公安部第一研究所

引言

展階段。2012年至2014年，人工智能技術發生了質的變化，智能化的速度大大加快，使得公安視頻分析應用開始進入了一個加速發展的新時代。這一時代最大的特點在于，相對于傳統的技術和業務驅動的發展模式，人工智能融合大數據和云計算，將公安視頻分析應用的發展模式轉化為數據驅動。

一、人工智能的發展

近年來，人工智能（Artificial Intelligence，AI）技術在公安行業最先落地應用并已經取得了良好的實戰效果。2017年7月20日，國務院正式印發《新一代人工智能發展規劃》（以下簡稱《規劃》），重點描述了“AI+行業”的發展規劃。《規劃》指出：“利用人工智能提升公共安全保障能力。促進人工智能在公共安全領域的深度應用，推動構建公共安全智能化監測預警與控制體系。圍繞社會綜合治理、新型犯罪偵查、反恐等迫切需求，研發集成多種探測傳感技術、視頻圖像信息分析識別技術、生物特征識別技術的智能安防與警用產品，建立智能化監測平臺。加強對重點公共區域安防設備的智能化改造升級，支持有條件的社區或城市開展基于人工智能的公共安防區域示范。”隨著《規劃》的發布，“人工智能”已上升至國家發展戰略，公安視頻分析應用也進入了一個加速發展的新時代。

當前，人工智能相關學科發展、理論建模、技術創新、軟硬件升級等整體推進，正在引發鏈式突破，推動經濟社會各領域從數字化、網絡化向智能化加速躍升。人工智能對所有行業無孔不入，就像工業革命讓機器替代了人的體力勞動，人工智能會讓機器替代人的大部分簡單腦力勞動。人工智能的第三次浪潮，首先席卷的是計算機視覺領域，公安視頻分析應用自然首當其沖，在這次AI浪潮中脫胎換骨，取得了很多突破性進展。

二、AI+公安視頻分析應用

從海量監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……這既是公安一線實戰迫切需要解決的問題，也是無數公安科技工作者一直以來的追求目標。得益于人工智能在視頻內容的特征提取和內容理解方面的不斷突破，公安視頻分析應用取得了跨越式進步，圍繞公安視頻圖像偵查業務，落地了一批新應用和新戰法，數據驅動的發展模式開始呈現，其中以車輛識別、人臉識別和人像識別最具有代表性。

（一）車輛識別

傳統的車輛識別技術僅能識別車輛牌照，并可分辨出車輛的顏色和大致類型。隨著人工智能技術的進步，利用視覺外觀特征的車輛識別取得了突破。基于深度學習的車輛識別技術將特征范圍由單純的車牌或車標擴展到整個車身。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。對車輛這些特征的引入，不僅大大提升了車輛識別的準確率，對干擾、遮擋等問題的適應性也更強，識別的類別也更加細化，不僅能識別車輛的品牌，而且能識別車輛的子品牌、型號、年款等詳細類別，如“上海大眾帕薩特2013款”、“上海通用別克GL8豪華商務車2011款”等。在好的圖像質量情況下，甚至可以識別車輛是否開啟遮陽板、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據中的檢索除了可以通過車牌、品牌、型號、顏色等描述信息進行外，還可以通過車輛圖片或年檢標、掛飾等局部特征進行。

車輛識別技術在公安偵查、交通管理等領域獲得了廣泛的應用。目前，國內很多城市的公安車輛卡口系統在現有系統的基礎上擴展了車輛識別功能，也稱為車輛二次分析系統。該功能基本可以識別2000余種細化到年款的車輛類型，并在此基礎上擴展出很多，如“假/套牌分析”等，實戰業務應用。

（二）人臉識別

人臉識別指從視頻圖像中檢測出人臉，提取人臉特征，在此基礎上，實現人臉特征的相似性比對，或分析出性別、年齡、民族、佩飾等屬性的過程。相對于指紋識別、虹膜識別、DNA識別等其它生物特征識別技術，人臉識別由于具有非接觸、非強制、場景廣泛、多人臉并發識別、結果直觀以及比對源豐富等優點，具有廣泛的應用前景和剛性需求。近年來隨著深度學習、人工神經網絡等技術的發展應用，人臉識別算法的準確率大幅提升，在特定數據集上的測試結果已經超過人類識別的準確率。人臉識別相關產品和應用系統的穩定性和魯棒性也大大增強。人臉識別的應用模式可以分為人臉證件照核驗、人臉布控、人臉檢索、人臉查重、人臉聚類等。

目前在酒店登記、檢查站身份驗證等系統中廣泛應用的人證核驗就屬于人臉證件照核驗，通過現場實時采集的活臉照片數據與證件照片數據進行比對，判斷通行人員是否持本人證件。在應用中，較易獲得的是身份證芯片中的證件照片數據，其大小為1kB左右，兩眼間距不到30像素，由于近年來基于這種低清晰度身份證照片數據的人證比對準確率大幅提高，這種方式在實際中被廣泛采用。

人臉布控是對重點場所、人行通道等區域進行人臉采集，然后與指定的黑名單或白名單人臉進行匹配并報警。

人臉檢索可分為注冊庫檢索和抓拍庫檢索。注冊庫檢索是給定人臉視頻圖像，在人口庫等專題人臉數據庫中進行查詢，判定給定人員的身份。抓拍庫檢索是給定一張人臉圖像，在一定范圍的歷史抓拍人臉數據庫中進行查詢，確定該人員出現的位置和軌跡。

10萬t/a大型沸騰氯化法生產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表1。

人臉布控和人臉檢索的主要區別在于，人臉布控是針對實時采集的人臉視頻圖像進行持續分析，實時性要求高，通常用誤報率和漏報率評價；人臉檢索是針對離線人臉視頻圖像，實時性要求相對較低，通常用N選命中率評價。以目前的人臉識別技術水平，通常建議布控庫不超過30萬。

人臉查重通常是在人臉庫內部或人臉庫之間進行碰撞比對，可用于戶籍查重等。

人臉聚類是對采集的人臉圖像按身份進行歸類，可以實現人員的“一人一檔”和人員出現頻次分析等應用。

（三）人像識別

本文所說的人像識別是指從視頻圖像中檢測出人像（也稱為人形），提取人像特征并進行比對的過程，其中人像是指對人員的身體全部或部分的圖像描述，但通常不是人臉。人像識別可以從監控視頻中提取出處于直立、行走、奔跑、騎行等狀態的人像快照，通過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、頭發顏色、背包顏色、帽子顏色等描述信息，并可根據描述信息進行檢索。

在特征分析的基礎上，還可實現在跨攝像機的視頻中通過人像快照對特定人員進行檢索和軌跡跟蹤。跨攝像機人像檢索技術在學術界又被稱為行人再識別（Person reidentification，ReID）或行人重識別，是近兩年的研究熱點。由于受實際監控場景下光線、角度、姿態、遮擋等因素的影響，跨攝像機人像檢索技術具有極強的挑戰性和發展空間。在兩個最為常用的ReID測試集Market1501和CUHK03上，人工智能的首位命中率分別只達到了89.9%和91.8%，而一個熟練的人類標注員的首位命中率分別可達到93.5%和95.7%。直到2017年末開始出現超越人類表現的算法，達到94.0%和96.1%。

在實際應用場景中，大多數監控攝像機很難抓拍到達到識別要求的正面清晰人臉圖片，并且一臺攝像機不可能覆蓋所有需要觀察區域，而多攝像機觀察區域之間一般也沒有重疊。這種情況下要實現對多個監控視頻中指定人員進行準確檢索，就必須利用人員的全身特征。因此，人像識別在公安視頻圖像偵查業務中具有極高的應用價值和探索空間，目前已經成為主流公安圖偵系統必備功能之一。

（四）數據驅動

傳統公安視頻分析應用是技術和業務驅動的，也就是技術加業務實現應用，比如車牌識別加車輛管理、運動目標檢測加智能報警等。而新一輪人工智能的爆發是在深度學習算法、強大算力以及大數據這“三駕馬車”共同驅動下實現的，并且數據正日益成為決定人工智能成敗的關鍵。數據變得如此重要，成為AI+公安視頻分析應用進入新時代的首要特征。數據流會在整個應用生態中形成良性循環，業務應用產生數據，人工智能把數據作為生產資料用于算法提升，精準的算法被應用到業務系統會產生更加優質的數據，優質數據更利于做細致的分析分類，又會不斷衍生出新的業務應用，從而形成良性數據生產和應用生態鏈。人工智能融合大數據和云計算，正在將公安視頻分析應用的發展模式轉化為數據驅動。

以人臉識別為例，一個100路攝像機組成的動態人臉識別系統，每天可產生百萬級高清人臉圖片。日積月累，當一個人擁有超過百張不同時間、不同角度、不同場景、不同光線、不同表情、不同遮擋的高清人臉圖片時，優質的人臉訓練數據結合深度學習算法，可有效提高該種應用模式下的識別準確率。在此數據和算法的基礎上又可生長出“追蹤”“封鎖”“聚類”“預警”等業務應用模式。

三、視頻分析應用測評體系

本文所述視頻分析應用測評是指對視頻分析產品在公安及公共安全行業的實際應用能力進行科學客觀的測試和評價。測評一方面能幫助建設單位選出實戰能力優秀的產品和系統，并為實際應用中的安裝部署、參數設置、系統使用等提供科學有效的指導依據；另一方面也能幫助產品快速定位問題和不足所在，大幅縮短算法研發到現場應用的反饋周期，提升視頻分析技術向公安實戰應用迭代改進的效率。因此，建立科學、客觀、公平、公正的視頻分析應用測評體系，是推動AI+公安視頻分析技術發展和圖偵應用的堅實基礎工作。

視頻分析應用測評體系的關鍵技術主要包括測評方法、測試數據集和測評系統等。測評方法研究測試流程、測試接口、功能和性能評價指標等。由于公安視頻數據的敏感性，數據和系統的安全保護也是測評方法的重要研究內容。測試數據集是在科學方法的指導下，從典型公安應用場景中采集實際數據，并經過分類整理、準確標注形成的用于算法測試的數據集。數據容量、場景的廣泛性和真實性、采集對象的全面覆蓋性等是衡量測試數據集的重要指標。測評系統為數據集的管理、標注，被測系統的運行、接口調用、指標評價提供平臺和工具。AI+新時代下的測評系統應該具備高數據并發能力、對不同軟硬件環境的兼容能力和自動化測試的能力。

視頻分析測評技術涉及面廣，難度大，一直是國內外學術界及產業界的重要研究課題之一。隨著AI+視頻分析應用進入新時代，視頻分析應用的場景適應能力和準確率大幅提高，也不斷催生新的應用場景和應用模式，傳統的測評體系已不能完全滿足我國公共安全應用需求。以人臉識別為例，實驗表明，一些能在國際知名的LFW數據集(美國馬薩諸塞大學發布的非受限環境人臉識別測試集)上達到99%準確率的算法，在30萬級實戰庫中準確率不足40%。因此，迫切需要建立面向我國公安實戰應用的視頻分析應用測評體系，通過基于公安實戰場景的大型數據集和科學客觀的測評方法，使測評結果能夠真實、全面地反映視頻分析產品在公共安全領域的應用能力和水平。

四、存在的問題

雖然AI+公安視頻分析應用已經取得了很多突破，但我們仍需清醒地認識到，人工智能并非萬能，AI+公安視頻分析應用仍然存在很多問題亟待解決。

（一）圖像傳感技術產品缺乏突破性進展

無論是對于公安視頻應用，還是對于計算機視覺技術本身，視頻圖像的采集都是其得以實現的基礎。而圖像傳感技術及其產品性能直接影響采集的視頻圖像質量。現有技術產品條件下，夜晚、惡劣天氣環境等會嚴重影響采集的視頻圖像信噪比等，導致人工智能算法性能大幅下降，甚至不可用。這個問題對于車輛識別應用的影響相對較小，主要是因為車輛卡口系統經過多年的建設和發展，其應用環境和應用模式相對固定，已經研制出了與之相對應的相對完善的爆閃、頻閃等補光系統，基本可以保證各種天氣條件下抓拍的圖像質量。而人臉/人像識別的應用環境多變（可以說是無處不在），應用模式也復雜很多，顯然無法直接照搬車輛卡口的補光方案，也不可能用一套方案來適應所有情況，還需深入研究和探討。圖像傳感技術雖然也在進步，相繼有“星光級”“黑光級”或“3D結構光”等技術出現，但距離解決實質問題，形成實用產品和系統還有相當長的路要走。

（二）缺乏AI+行業的全面優化解決方案

要真正解決公安智能視頻應用的行業問題，只把AI算法做好是遠遠不夠的。一輪輪巨額融資進賬的AI創業公司，其優勢首先在于強大的系統性算法創新能力；其次在于其源于互聯網基因的工程開發技術棧，這些源于互聯網的工程能力在處理分布式、大數據以及人機交互等問題時顯得更加得心應手。而資深安防企業的優勢主要體現在強大的軟硬件一體化產品能力、行業及系統解決方案能力、營銷渠道途徑和項目整體交付能力等方面。其實不管是AI創業公司，還是資深安防企業，只有把從學術研究、算法實戰、解決方案、系統集成到工程實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業鏈閉環（含運營維護）做好，才能真正滿足AI+公安視頻應用的行業需求。

五、結束語

人工智能的第三次浪潮來勢洶洶，裹挾著巨額資本與各個行業激烈碰撞。與發生在二百多年前的工業革命一樣，它的本質是提高生產效率，用機器替代人的部分勞動。人工智能成為引領未來的戰略性技術，是提升國家競爭力、維護國家安全的重大戰略手段。我們需要認清：一方面，人工智能不是洪水猛獸，它是一個我們能夠拿來使用的可以替代重復性簡單腦力勞動的工具，并且這個工具在我們的共同培育和努力下會越來越好用，越來越普及；另一方面，AI+公安視頻分析應用在公安實戰中將發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. 智能視頻分析技術的最新發展與應用. 中國安防,2013(12).

[3] 胡雷地,莊唯,羅憶. 人臉識別技術在警務實戰中的應用探索.警察技術, 2017(4).