基于AI的非接觸式視頻監控技術及標準研究

易曉珊/文

隨著云計算和大數據技術的發展，基于AI的非接觸式視頻監控技術能夠實現更大規模的應用，為社會安全和治安維護提供更加全面和精細的保障。

傳統的視頻監控系統依賴人員監控和錄像來保證安全。但當監控點過多時，人員監控無法覆蓋所有監控場景，而且傳統的“被動錄像”只能在事件發生后通過錄像回放來獲取證據，因此，傳統的視頻監控系統無法提供主動、高效的安全保障。

基于AI技術的視頻監控系統可有效解決此類問題。利用AI機器視覺技術，系統通過對攝像機拍攝的圖像序列進行定位、識別和跟蹤，并在此基礎上分析和判斷目標的行為，既能完成日常監測管理，又能在異常情況發生時及時做出反應。

基于AI的非接觸式視頻監控系統架構

基于AI的非接觸式視頻監控系統由IoT設備接入層、應用功能層以及安全保護層組成，其系統架構，如圖1所示。

圖1 基于AI的非接觸式視頻監控系統架構

IoT設備接入層

支持IoT設備的統一連接管理和設備管理功能，提供統一安全的物聯網網絡接入方式，同時為上層算法和應用屏蔽接入設備的接口差異。

應用功能層

包含AI算法管理、智能算法服務、監測應用和用戶展示四個功能模塊，其具體功能如下：

AI算法管理為安全監測應用提供訪問、利用人工智能算法的能力和資源，并通過智能算法服務模塊進行服務管理、狀態監控等操作；

智能算法服務根據場景化的智能分析任務，提供相應AI算法或算法組合的智能分析服務能力；

監測應用面向各類應用場景和需求，提供相關的應用功能，如實時預覽、歷史回放、智能布防、智能分析、告警處置和管理中心等；

用戶展示提供用戶交互的展示界面，主要用于對應用進行功能和數據展現，例如通過APP、小程序、Web、HTML5等形式。

安全保護層

對用戶、數據、系統等提供安全保護能力，應根據具體應用場景選擇滿足GB/T22239-2019《信息安全技術網絡安全等級保護基本要求》中相應等級的安全要求。

基于AI的非接觸式視頻監控關鍵技術

戴口罩人臉識別技術

在戴口罩人臉識別技術中，被廣泛應用的基于卷積神經網絡的深度學習算法，通過預處理、檢測分割、特征提取、特征補償、特征匹配等步驟，生成一個模擬的完整人臉特征，并將該特征與預先保存在系統中的人臉圖片進行匹配，從而判斷兩個人臉采集數據是否來自同一個人。可采用基于注意力機制的網絡來精細控制遮擋信息。同時，可考慮使用多個網絡級聯的結構，將低級特征和高級特征相結合，提高模型的魯棒性和準確性。

紅外熱成像測溫技術

在人群密集區域應用紅外熱成像測溫技術具有許多優勢。首先，它采用非接觸式的測溫方法，避免交叉感染的風險。其次，該技術可以快速對大面積人群進行體溫排查，節省了人力和時間成本。而且紅外熱成像測溫技術不受光照等環境因素的影響，對不同膚色、不同穿著厚度的人群都具有較高的準確性和穩定性。

在紅外熱成像測溫技術與人臉識別功能相結合的應用中，可見光攝像頭捕捉到人臉圖像，并與公安部門的身份信息數據庫進行聯動，這種聯動功能可以快速篩查出潛在的病毒攜帶者，及時采取相應的防控措施，避免疫情的擴散和蔓延。

基于頭肩模型的人群密度分析技術

基于頭肩模型的人群密度分析是一種高效且準確的非接觸式方法，通過梯度計算獲取人群圖像的邊緣信息，確定人員的頭肩區域，再通過統計頭肩區域內的個體數量和區域面積，就可以估算人群的密度。為提高算法的魯棒性，可對局部直方圖進行對比度歸一化處理，以適應不同環境下的光照和背景變化。與傳統的人工統計方法相比，基于頭肩模型的人群密度分析具有更高的效率和準確性。

人體行為識別技術

人體行為識別技術主要依賴于對人體骨骼關鍵點的識別，這些關鍵點通常包括頭、頸、肩、手臂、腰、膝蓋、腳等部位。利用深度學習模型識別人體骨骼關鍵點，并通過計算關鍵點之間的角度、距離、方向等信息，推導出人體的姿態和運動軌跡。基于這些信息，實現對人體動作行為的評估，從而提前研判和防御潛在風險，提高對突發事件的應急處理能力。

基于AI的非接觸式視頻監控標準研究

國內相關標準現狀

國內人工智能領域國家標準由全國信息技術標準化技術委員會人工智能分技術委員會（TC28/SC42）牽頭開展相關工作，所涉及范圍包括人工智能基礎、技術、風險管理、可信賴、產品及應用等。團體標準方面，中國電子工業標準化技術協會圍繞企業成熟應用實踐案例，發布了《人工智能基于深度學習的計算機視覺算法接口技術要求》《人工智能深度合成圖像系統技術規范》《智能人體溫度檢測與識別系統技術要求和測試評價方法》等一批人工智能團體標準。

國內視頻監控領域的國家標準和行業標準的制修訂工作主要由全國安全防范報警系統標準化技術委員會（TC100）負責。截至目前，該標委會共發布視頻監控相關標準40余項，其中國家標準10項，標準內容涉及視頻監控的設備規范、系統技術規范以及工程設計規范，對國內視頻安防監控系統具有很大的影響力。

公安、通信、郵政、電力、海關、交通等部門或行業也根據自身的實際需求，結合不同的行業應用場景，研制并發布了適用于相應領域的視頻監控技術規范。

關鍵技術標準研究

GB/T30147-2013《安防監控視頻實時智能分析設備技術要求》

安防監控系統作為一種重要的技術防范手段，在城市社會治安綜合防控體系中發揮著關鍵作用。GB/T30147-2013是國內首個視頻智能分析方面的國家標準，為嵌入式視頻實時智能分析設備的設計、生產和檢驗提供依據。該標準的實施也進一步規范了安防監控嵌入式視頻實時智能分析設備，為安防監控視頻智能分析技術的發展奠定基礎。

GB/T31488-2015《安全防范視頻監控人臉識別系統技術要求》

近年來，“平安城市”“智慧城市”和“天網”工程的建設推動了基于人臉識別的智能視頻監控技術的發展。GB/T31488-2015統一了安全防范視頻監控人臉識別系統的主要指標及相應的測試方法，為安全防范視頻監控人臉識別系統的測試與建設提供了基準和依據，有利于促進人臉識別技術在視頻監控領域的發展和完善。

T/CESA1035-2019《信息技術人工智能音視頻及圖像分析算法接口》

隨著深度學習等技術與智能安防、智能家居等場景結合程度的持續提高，視頻分析領域衍生出了眾多需求，如車牌識別、人臉識別、行為分析、場景分析等。T/CESA1035-2019通過定制統一的接口，解決算法接口標準化的問題，實現系統對多種算法的兼容，也避免因缺少統一的算法接口標準導致的開發成本浪費。

T/CESA1108-2020《智能人體溫度檢測與識別系統技術要求和測試評價方法》

智能人體溫度檢測與識別系統能自動識別人員是否佩戴口罩，自動檢測人員體溫，通過人臉識別對發熱或未佩戴口罩的情況發出告警提示。T/CESA1108-2020的發布與實施有助于規范智能人體溫度檢測與識別系統的功能性能指標及外部接口，指導面部溫區精準識別、紅外圖像測溫、發熱人員區分、接觸人員排查等工作，實現對體溫異常人員的有效排查，對公共安全行業起到支撐作用。

T/SZS4016-2020《基于AI的工作場所非接觸式視頻安全監測技術指南》

T/SZS4016-2020是國內首個AI工作場所安全監測技術標準，可為防疫智能系統的研發和建設提供參考。智能安全監測技術在新冠肺炎防控中發揮著重要價值。使用AI技術對視頻數據進行結構化處理后，將場景中出現的多維度信息進行深度挖掘，有效支撐高危感染場景的研判與定位、涉疫人員的精準快速回溯以及防控工作的指揮調度等。

基于AI的非接觸式視頻監控應用前景

人員篩查

利用人臉識別、行為分析等AI算法，可以快速準確地識別出人員是否符合特定的篩查條件，如是否佩戴安全帽、是否攜帶危險物品等。該技術還可以應用于疫情防控中，通過對人員體溫、口罩佩戴等信息的監測，實現對潛在傳染源的快速篩查，有助于控制和阻斷疫情的傳播。未來，還可不斷擴展至交通管理、商業安全、社會治安等更多領域，提高安全防范的及時性和應急響應能力。

人員追蹤

利用AI深度學習算法對人臉、體態、行為等特征進行有效識別，可以實現對特定人員的辨認和追蹤，對于安保、犯罪偵查等領域具有重要意義。通過AI對人群密度分析可以實現對人流量的實時監測和統計，為商場、車站、地鐵等公共場所的運營管理及防控提供參考依據。因此，基于AI的非接觸式視頻監控技術在人員追蹤領域具有廣闊的前景，極大提高了人員追蹤的效率和準確性，為社會安全和管理提供更好的支持。

區域監控

基于AI的非接觸式視頻監控技術可以根據預設的規則和模型，對監控區域內的事件進行實時分析，自動識別異常事件并進行預警。通過對歷史數據的分析和挖掘，預測未來可能發生的事件，提供更加準確的安全預警和決策支持。隨著技術的不斷進步和應用場景的不斷拓展，基于高效性、準確性、實時性等優勢，AI的非接觸式視頻監控技術將為監控系統提供更智能化、更精細化的服務，提高監控區域的安全性和運行效率。

基于AI的非接觸式視頻監控技術具有廣闊的應用前景。隨著人工智能和計算機視覺技術的不斷發展，該技術將進一步提高識別準確率和處理速度，為人員篩查、人員跟蹤、區域監控等領域帶來更大的便利和效益，為社會安全和治安維護提供更加全面和精細的保障。