人工智能在公安领域的应用探索

马 宁

（辽宁警察学院鞍山分院，辽宁 鞍山 114051）

1956年达特茅斯会议开启了人工智能的序幕，经过60年的蹒跚学步，终于在超强的计算能力、互联网和大数据的助力下，人工智能开始迅速发展。公安机关也要主动顺应科技迅猛发展的新趋势，积极探索人工智能在公安领域的应用，直面迎接人工智能带来的挑战，推动公安事业的跨越式发展。

1 人工智能的内涵

1.1 人工智能的定义

人工智能（Artificial Intelligence，简称 AI）是一个非常广泛的研究领域，它是在探索和理解人类智慧的基础上，研究如何创造具有一定智能水平的智能体（Agent），这些智能体能够在多方面再现人类的智能行为，实现识别、认知、分析和决策等多种功能，从而帮助人类解决各种各样的问题[1]。这里说的人工智能是创造出来的具有一定智能水平的智能体，可以是一个机器人也可以是一套智能系统。

1.2 人工智能的发展

二战期间，面对德军强大的密码机，数学家阿兰·图灵意识到要破译千变万化的密码，人力是无能为力的，只能制造另一台更强大的机器，名为“炸弹”的解密机因此面世了。此后图灵对机器有了更深层次的思考，并于1950年在《机器与智能》中开篇提出：机器能思考吗？他相信机器能够思考：拥有电子大脑，以摄像头为眼，以轮为脚，可以在乡间漫步。受到图灵思想的影响，人工智能迎来了第一次发展浪潮。

第一次浪潮：1956年在美国汉诺弗小镇的达特茅斯会议上，研究人员将人工智能确立为一个研究领域，人工智能正式诞生。在这一时期，研究人员主要是运用逻辑运算、探索式推理等技术，模拟人类大脑的运行机制来实现智能化，形成的成果主要是面向特定问题的。当面向普适的人类社会空间时，问题复杂程度呈几何倍增长，受到当时的计算能力和数据匮乏等条件的限制，在上世纪60年代末人工智能走入低谷。

第二次浪潮：1997年人机象棋大战，IBM公司设计的“深蓝”战胜了俄罗斯象棋大师加里·卡斯帕洛夫，深蓝主要运用的是强大的并行计算能力和对大量象棋规则的学习。在这一时期还兴起了语音识别、语音翻译等技术。从80代初开始，这股热潮持续七八年后，渐渐淡出大众视野。

第三次浪潮：2016年3月谷歌DeepMind公司的AlphaGo程序打败世界围棋冠军职业九段棋手李世石，随后又于 2017年 5月战胜世界排名第一的围棋选手柯洁，引起全球的瞩目。随着大数据、云计算技术日渐成熟，微处理器性能的大幅度提高，基于神经网络的深度学习取得一次次突破，无人驾驶、语音识别、专业机器人等基于人工智能产业开始出现。如今，人工智能技术已经走出科学家们的实验室，开始逐步形成产业化的成果[2]。

1.3 信息化、大数据和人工智能三者的关系

信息化、大数据和人工智能三者之间是密不可分，渐次递进的关系。这里以AlphaGo战胜人类围棋选手为例，信息化是指人们建立信息化系统，将围棋规则和大量围棋棋谱录入到系统之中，实现数据的采集、存储和集中管理。大数据是在信息化的基础上，将各级围棋信息化系统进行整合，形成数据中心，使计算机在已有海量棋谱的基础上进行学习，即模仿学习。人工智能是在大数据基础上，机器通过自己跟自己下棋，不断进行自主学习，走出原创的、全新的走法，而这些走法是任何棋谱都没有的，即机器发展出自己的智能。在经历了信息化基础建设和大数据应用阶段后，人类正在步入人工智能时代。公安机关要把握机遇、乘势而上，积极探索人工智能在公安领域的应用，实现公安机关整体战斗力质的飞跃。

2 人工智能在公安领域的应用基础

2.1 各类信息资源库的高效整合

随着“金盾工程”的深入开展，公安机关已逐步建立了在逃人员信息系统、违法犯罪人员信息系统、警务信息综合应用平台、出入境管理系统、DNA数据库等各类基础信息资源库和业务信息系统，积累了海量的数据资源。为实现数据资源的高效整合，打破数据之间的壁垒，在公安部统一部署下，以数据集中与共享为途径，在各级公安信息系统的基础上，部、省、市三级开展不同定位和功能的数据中心建设，统一标准与架构，让小数据汇聚成为大数据，让各个“小水池”最终汇成“大水池”。数据资源的高效整合为人工智能在公安领域深入应用奠定了坚实的数据基础。

2.2 各地视频监控系统的广泛应用

随着天网工程、雪亮工程在各地落地应用，视频监控点、卡口的分布密度越来越大，覆盖区域也越来越广，这些遍布在城市各个角落的摄像头全天二十四小时不停工作，客观真实地记录着特定时空范围内的场景。随着高清视频的编解码能力的不断提高，高分辨率和高帧率成为当前视频监控产品的主流需求，通过视频监控系统获取的图像也越来越清晰。同时，公安机关大力推动视频资源联网整合，使视频监控系统从单摄像机监控向多摄像机联网监控发展，实现了视频监控数据的高度共享和统一处理[3]。视频监控系统的广泛应用为人工智能分析系统获取实时、全方位场景动态信息提供了强大的资源保障。

2.3 人像识别技术的深入发展

人像识别技术作为人工智能领域中计算机视觉研究方向的一个重要分支，近几年发展迅速。人像识别技术是利用分析比较人体视觉特征信息进行身份鉴别和行为识别的一种计算机技术。人像识别技术分为静态人像识别和动态人像识别两类。静态人像识别技术局限在固定角度、光照环境下，通常要求主动配合的人像识别，主要运用在门禁系统或公司考勤、银行白名单识别系统、公安户籍管理、出入境管理等部门的人证核查等应用中。随着核心算法的优化升级，动态人像识别技术逐步进入应用阶段，算法适应开放环境下非主动配合人员在行进中的人像识别，系统不仅仅可以进行人脸特征比对，还能进行全身的体貌特征比对、步态识别、异常行为识别等，即在人员身份不明确的情况下，对动态视频流中进行整个人像的比对，达到人员布控、身份认定、预警研判等目的。人像识别技术的深入发展为人工智能在公安领域应用提供了强力的技术支撑。

3 人工智能在公安领域的应用

3.1 人工智能助力公安机关侦查破案

传统的视频监控系统虽然解决了视频的存储、回放和视频流之间的互联互通问题，却无法实现对视频中的人、车、物等目标信息进行自动识别、定位和检索。人工智能在对视频内容的特征提取、内容理解方面有着得天独厚的优势。在前端摄像机内置入人工智能芯片，实现在前端自动检测运动对象，识别并抽取被检测对象的属性信息，实现对视频内容的实时分析，并通过联网系统实时将数据传递到后端数据中心进行存储。在数据中心利用系统强大的运算能力和人工智能分析技术，对汇总后可疑对象的信息进行实时分析，在最短的时间内，锁定犯罪嫌疑人的轨迹，提供对案件有价值的线索，为案件的成功侦破节约宝贵的时间。

3.2 人工智能“预测”犯罪指日可待

2011年美国率先在多个警察局推广运行犯罪预测系统——PPS系统（Predictive Policing System），该系统在对多年海量案件信息分析的基础上，发现重复发生的犯罪行为模式及案件发生的时间节点、特定地点等规律，通过计算机算法预测出在未来12小时内哪些地区可能会发生犯罪，生成每日犯罪预报，并在其中绘制出犯罪地图，地图中标出将有可能发生犯罪的高危地区。在我国，苏州市公安局的犯罪预测系统是国内首个规模化运行的PPS系统，其主要性能指标已经达到设计目标，运行效果良好。

人工智能领域中人像识别技术的深入发展和推广应用使人们对于犯罪的预测由犯罪地点预测上升为对犯罪嫌疑人的预测。多数犯罪分子会在犯罪预谋阶段有所行动，将人像识别技术与庞大的视频监控网络相结合，根据该人的体貌特征、行为识别、步态分析、携带物品等情况做出分析和判断，预测哪里会发生罪案、谁更有可能犯罪、犯罪的危险程度如何等，将极大地提高警方预测和打击犯罪的能力。

3.3 人工智能提高公安管理效率和水平

人工智能的光芒，已经开始照进了公安管理这一领域。以人口管理为例，当今社会人员流动频繁，公安机关无论在人口信息采集还是在人口管理方面都遇到了极大的困难，如何真正做到对辖区内实有人口的全覆盖，为其他各部门提供真实有效的实有人口数据，是基层警务工作面临的新任务。通过人工智能系统的人脸聚类功能，对于进出小区的陌生人，系统对其设置进出规律和过夜频率分析，从而判断出该人是否为本小区新增的居住人员，而对于已经登记为小区居住人员却多日未回小区过夜的，也可以通过系统监测出来，将这些信息推送给社区民警进行实地核查，变被动采集信息为主动采集，极大地增强人口信息采集的准确性和及时性。

通过对监控视频的智能分析可以加大对重点人员管控的力度。通过对进出小区的人员进行智能检测，一旦发现有重点人员、前科人员进入小区，及时将信息推送到公安平台客户端和社区民警手机终端进一步跟进调查。对于本辖区内的重点管控人员，系统可以对其设置出行时间、随行人员、携带物品等关键信息要素进行实时监测，当系统感知到异常出行规律时，能够做到及时、快速的处置。