人工智能+ 安防呵护家

本篇文章2732字，读完约7分钟

人的视觉

为工作和生活添加智能安全屏障

不久前，针对“行人闯红灯”的交通问题，山东济南、江苏宿迁等地先后部署了一批“斑马线电子警察”。这些“电子警察”是Hikvision开发的交通管理和报警系统，用来比较闯红灯的行人的脸。他们可以捕捉闯红灯者的人脸，提取人脸特征，并将数据发送到后端Hikvision Facebook人脸信息综合应用系统，实现人脸动态比较和实时预警功能。闯红灯的过程也会被路边的大屏幕实时曝光。通过视频分析、运动跟踪、人脸检测和识别技术在智能交通领域的这一新的综合应用，宿迁市行人和非机动车闯红灯的违法行为减少了70%。

在2017年夏天的青岛国际啤酒节期间，高峰时期每天有超过10万人进入公园。借助易图智能安防平台，青岛开发区警方首次将人脸识别系统应用于大型安防活动中。利用高清摄像头捕捉和采集人脸图像，可以在0.8秒内锁定可疑人物，人像识别效率高，成功率为98.1%，报警相似度为85%。快速识别可以在几秒钟内做出反应，为快速筛查和立即逮捕提供技术支持。啤酒节开幕两周后，22名网上逃犯和11名吸毒者被捕，5名扒手嫌疑人当场被捕，这使得警方的报告“零”。

在重庆渝中区，当地警方使用智能人像比对系统，在40个工作日内识别出69名嫌疑人，比人工效率高出200倍。过去，从几十甚至几百个小时的监控视频中找到关键图像是必要的，这就像大海捞针，效率低下，难以保证准确性。

在交通、公共安全、建筑甚至个人住宅等需要安全防护的领域和场所，人工智能正在深刻地改变着安防行业的面貌，给人们的工作和生活增加了一道智能安全屏障。

成为现代安全领域的催化剂和助推器

安防行业具有数据信息量大、数据层次丰富的特点，现在安防监控领域已经进入数据爆炸时代。专家指出，面对视频监控数据的激增，传统的浅层分析和识别的智能算法已经不能满足深层数据价值挖掘的需要。因此，人工智能在安防行业中应运而生并不断深化。目前，它已广泛应用于身份甄别、综合追捕、侦查破案、公安系统服务民生等各种业务中。

浙江大学计算机科学学院人工智能研究所教授李希表示，安全领域非常复杂，包括电子锁、指纹门禁、监控摄像头、传感器、报警器等。都属于传统安全领域的硬件设备。传统安全主要是视频安全，因为“眼见为实”，视觉信息是相对重要的。

传统的安全性只是生成数据的设备，没有办法在进一步分析数据后生成价值。数据也需要人们去阅读和分析，这是低效的。人工智能可以通过一系列的软件和算法来提高效率、准确性和覆盖面，并且可以从海量数据中挖掘出有效的信息，从而成为现代安全领域的催化剂和助推器。

李希说最直观的例子是人脸识别。这种与安全性相结合的通用技术可以解决安全性的棘手问题。例如，一个城市有200，000台摄像机，光靠人力是看不到的。人工智能可以执行粗略的处理，包括压缩视频、检测核心事件、分析拥塞以及有效地组合信息。人工智能的优势在于它可以拓展人们的能力范围，比如分析20万台摄像机读取的信息，形成准确的分析报告来帮助人们做出决策。而且，通过人工智能算法，最关键的图像，包括人脸、车辆牌照等。，这些图像在第一时间被传输到后端智能分析系统，而无需过多的人工干预，并且分析快速而准确。

"可以说，安全是人工智能最有前途的领域."Hikvision研究院智能算法部主任孟祥光认为，视频监控的高清晰度和网络化，以及大量的数据，为人工智能提供了坚实的基础。同时，为了解决海量监控视频中少数有价值的数据被无用数据淹没的问题，迫切需要更智能的产品来解决视频量激增带来的有效分析问题。

传统的安全技术和系统在某种程度上是智能的，但新一代人工智能带来了更多颠覆性的变化。专家表示，传统的智能算法通常是手工设计特征，这往往是主观的，取决于设计者自身的经验和技术水平。深度学习算法是通过机器自动从数据中学习特征。因此，基于深度学习算法的人工智能可以很好地解决许多传统智能算法无法解决的问题，也给安全领域带来了巨大的变化:准确率更高，环境适应性更强，识别类型更丰富。

Etu Technology CEO朱思溢表示，从2014年至今，人工智能算法的准确率已经从1/10万提高到1/10亿，人脸识别算法的准确率也提高了1万倍。随着算法精度的提高，人工智能技术逐渐“解锁”更多的工业场景，“人工智能+安全”将安全级别提升到更高的水平，最终从“人防”升级为“机防”智能防控预警。这也是一个安全城市的基础和“大脑”，对全球安全产业具有跨时代的意义。

应用场景将变得越来越丰富

随着人工智能研究的深入，安全行业带来了比预期更多的变化，能够发挥作用的应用场景越来越多。

Hikvision高级系统技术工程师吴认为，未来“人工智能+安全产业”的发展趋势主要体现在两点:一是人脸识别逐渐成为生物识别领域的主流。在生物特征识别领域，指纹识别目前仍占主导地位，但由于指纹易磨损、伪造成本低，存在长期稳定性和安全性问题；虹膜识别具有最高的安全性，但其高成本使得其难以在短时间内大规模推广。人脸识别因其非接触性、非强制性和高并发性而有更多的应用场景。

第二，边缘智能已成为大势所趋。随着物联网时代的到来，计算机视觉领域的前端设备产生了大量的图片和视频数据。如果所有这些都聚集在云计算数据中心进行智能分析，将会对通信的带宽要求和实时性要求带来无限的压力。这需要在附近提供边缘智能服务，并逐渐将人工智能计算能力或推理能力从云迁移到边缘端。以海康威为例，其“人工智能云”框架通过云边缘融合将智能置于摄像机前，使得感知和理解更加准确，数据分类更加灵活，业务响应更加灵敏。

同时，“人工智能+安全产业”的发展也面临挑战。专家指出，在人工智能领域本身，深层学习的理论基础不完整，缺乏演绎推理能力；人工智能芯片的开发仍处于起步阶段，现阶段人工智能技术的大规模应用成本仍相对较高；机器学习是基于概率和统计的，即使是最好的技术也不能达到100%的准确率。智能应用需要与解决方案相结合，为用户带来良好的应用体验，充分发挥技术和产品的价值。

此外，人工智能需要大量数据来支持它。然而，对于安全、运输和金融等各种行业而言，数据是核心资源，受行业保护。目前，人工智能的研究不能分析数据，形成真正的“大脑”，这在一定程度上限制了它的发展。

朱思溢认为，人工智能在安全领域的应用不仅仅是一个应用层面的问题，而是一个由人工智能驱动的系统工程，本质上是大数据和云计算的融合。

李希表示，人工智能与安全的进一步融合需要更多懂技术的复合型人才。同时，学术界应更多地关注基础技术和基础前瞻性技术的突破，以补充产业发展。理想的人工智能模式是机器能够像人类一样推理、决策和联想，实现真正的智能分析。