校园监控系统建设中人工智能技术应用探索

◆屠斐正

1 前言

随着高等院校校园建设规模的扩大，校区的开放程度与校园后勤服务社会化程度的提高，在给师生带来便捷的同时，也给校园安全保障带来巨大的压力。建设校园监控系统便是学校推进校园安全保障工作的重要手段之一，也是校园信息化建设的重要组成。

纵观近十几年的校园监控系统发展路径，受限于技术瓶颈，传统校园监控被动、滞后的运行模式使其逐渐被淘汰为校园信息化建设的“鸡肋”，“不建不可以，建了没啥用，出事查一查，没事当摆设”成为大部分校园监控系统的生存现状。近年来，视频分析、人脸识别等人工智能技术快速发展，迅速完成从实验室到大规模商业应用的转变，人工智能+校园监控成为改变现有校园监控系统建设与应用现状的重要手段与途径。

2 人工智能技术与应用

人脸识别与应用人脸识别系统的研究始于20世纪60年代，在20世纪90年代后期进入初级应用阶段。人脸识别系统成功的关键在于是否具有实用化的识别率与识别速度，这取决于是否拥有尖端的核心算法。传统的识别算法有着难以克服的缺陷——识别精度对光线的变化极为敏感，一旦光线发生变化，识别精度就会大幅下降，无法满足实际应用需求[1]。但近几年快速发展成熟的基于主动近红外图像的多光源人脸识别技术，克服了光线变化的影响，取得了卓越的识别性能。目前国内一些一线厂商算法的静态识别精度已经突破99%，这使人脸识别技术真正走向实用化。

“人脸识别算法”通过对人脸轮廓、眼睛、眉毛、嘴唇以及鼻子轮廓等关键点进行定位并获得关键点之间的欧氏距离、曲率和角度等特征分量，然后根据这些特征分量进行人脸匹配与识别。因为这些特征点相对固定，所以能将化妆、佩戴眼镜、戴帽子等行为对识别精度的影响降到较低水平。由于在人脸识别过程中不需要强制被检测人配合，也不用人体接触任何物体，即使一对多识别也可以控制在一秒以内，用户体验较好。目前，人脸识别技术在校园监控方面的应用主要有两个。

1）出入口人脸比对检索。建立校园监控人像数据库白名单/黑名单，通过人脸识别系统进行一对多的人脸比对，快速发现名单目标。一般应用环境在校园主要出入口，检索目标可以与公安人像黑名单进行联动，快速确认活动在校园出入口附近的嫌犯、逃犯并预警；也可以与学校内部管理平台联动，对特定人员进行针对性管理。

2）人脸考勤、门禁。利用人脸识别用户无感知体验的特点，在学校考勤以及门禁等位置安装人脸识别装置（也可以对已有摄像头进行利旧），通过人脸识别技术实现“刷脸”考勤与“刷脸”进出[2]。

行为分析技术与应用[3]传统的校园监控系统由摄像头、存储以及监控平台构成，通过在监控室建设监控大屏，并配以保安人员7*24小时值班来实现校园的安全实时监控。然而由于传统监控的自身局限，在及时响应、实时监控以及主动预警方面往往达不到人们的期望，主要表现在：监控大屏轮巡显示的监控数量与学校摄像头的总数相比差距巨大，导致绝大多数的摄像头不能被实时监视；受监控人员自身生理弱点影响，无法长时间集中注意力监控视频，根据相关文献研究，连续查看监控视频20分钟后，人对视频内容的注意力会下降30%左右，一小时后便会下降70%。这两个问题都会导致监控人员无法及时发现校园内异常情况，导致漏报和误报，严重降低学校对监控系统的信任度。

监控行为分析技术充分利用视频处理技术、图像处理技术以及建模技术对原始监控视频进行处理，可以根据用户预设的规则或者模型，对监控视频中的各类异常行为、事件进行处理、分析与挑选，并将检测出来的异常行为与事件推送给监控人员，代替人脑完成传统海量视频的实时监控与异常行为预警工作。这里的异常行为与事件可以根据用户定义进行建模，如打架、抽烟、聚集、物品遗落、人员倒地、非法闯入行为等，预先建好相关模型后，监控系统会智能地对所有监控视频进行比对与分析，一旦发现与预先设置模型相仿的视频信息，就会主动预警并将关键视频片段进行切片保存，供相关管理人员进一步确认、处理。通过这种智能化的视频行为建模与分析手段，一方面将监控人员从重复、持续的监控视频查看工作中解脱出来，专注于预警视频确认与事件处理上；另一方面真正地发挥出监控系统实时、可靠的校园安全保障作用。

图1 宁波市教育局监控分析系统拓扑图

人流分析技术与应用[2]监控视频人流统计技术是人工智能+监控技术中相对最为成熟、安装部署最为廉价、应用最为广泛的技术，现在部分厂商的摄像头已经可以通过内置硬件芯片离线完成人流分析与统计。人流分析技术依赖于目前最新的人体特征识别算法和人工智能算法等多领域算法，实现对视频中特定区域（如大门、楼梯口等区域）的人头、肩膀等特征部位进行识别，以此来区分人和其他物体，并根据其运动轨迹来判断人的出入关系，最后得出进入人数量、离开人数量、保有量等统计数据。

人流分析技术在校园的应用，一方面可以提供校门、食堂、图书馆等主要出入口的人流数据的相关统计分析信息，为校园管理提供数据支撑；另一方面可以在特定的区域提供人员密度预警，如上课、下课高峰期楼梯人流预警，防止出现人流过密造成的踩踏事件。

3 架构与平台选择

在2015年前，人工智能+校园监控还是以软件部署实现为主，近年来随着海康、大华等摄像头厂商在该领域的快速发力，前端硬件芯片+后端算法的混合模式逐渐成熟，两种架构模式目前来看各有优劣，学校可以根据自身特点选择合适架构。

软件算法解决方案软件算法部署方案相当于一种外挂式部署方案，它可以部署在监控管理平台之上，也可以直接通过摄像头提取视频信息进行分析统计。软件部署模式的优缺点非常明显：由于外挂式部署方式，它对学校传统监控管理软件以及硬件要求很低，只要能够提供视频源即可，非常适合传统监控系统升级改造类型的项目；但是由于它是直接对视频源进行分析，对通信链路以及后台服务器的要求较高，稳定性较差。因此，在一些大型项目中往往会在前端部署一个小型的分析平台，将视频源进行初步数据提取与分析后，再提交到集中部署的视频监控分析服务器群中进行深层分析计算。

2015年，宁波市教育局建设的直属学校监控分析系统便是采用这种架构，具体拓扑图如图1所示。

前端硬件+后端算法解决方案根据软件部署方案的缺点，海康、大华等硬件厂家利用自身优势，将前端视频源数据提取与分析这一步骤硬件化，并集成到摄像头内部。这种新型的解决方案很好地解决了系统稳定性差、对通信链路与服务器要求高的问题，同时极大地降低了监控智能化部署的费用。但是，一方面由于数据提取前移到摄像头上，导致学校原有监控系统利旧困难；另一方面，在具体智能化功能上，与软件部署方案有所差距。

4 应用案例

2015年，宁波市教育局在14所市直属高中试点部署统一监控分析系统，在系统实际应用中不断收集学校需求，更新完善视频分析模型，初步形成以下四类使用场景需求。

阳光体育统计宁波市教育局对全市各校学生的日均体育运动时间有一定要求，但是学校主动报上来的数据往往不能反映实际学生运动情况。针对这一需求，视频分析系统对操场、室内运动场等场所的视频数据进行采集与分析，通过清点出入学生人数以及运动场所人流密度，获得具备一定可信度的学生运动人数以及平均运动时间，为市教育局提供相对准确的阳光体育统计数据。

防踩踏预警由于学校的作息特点，重要出入口很容易出现人流峰值，存在踩踏隐患。针对这一需求，对楼梯等出入口的视频数据进行采集与分析，检测这些场所的人流密度并根据学校实际情况设置预警阈值，当检测到场所的人流密度超出预警时，联动校园广播系统进行警告并通知相关人员。

食堂及重要出入口人流统计对食堂、校门等出入口的视频信息进行采集与分析，清点通过这些出入口的人数以及人流密度，获得相对准确的统计数据，如学校各个食堂就餐人数分布、就餐时间分布，教师与学生出入校门口人数、出入校门口时间分布，为学校管理现代化提供数据支撑。

台风校园汛情检测宁波统一监控分析系统目前已经接入32所直属学校以及部分区县的校园监控网络，在每年八九月份的抗台防汛期间，该系统可以作为市教育局防台监控调度工作重要的一线信息来源，为市领导统筹调度提供强有力支撑。

5 结语

作为校园信息化的元老级系统，校园监控系统之所以到现在还未被完全淘汰，一方面是校园监控本身政策法规上的必要性以及高昂的建设资金，让校园管理者进行创新改革时慎之又慎；另一方面则是目前还未有一种完全成熟的替代解决方案。随着视频分析算法与智能分析芯片的进一步发展，智能监控系统的功能将越来越强大，部署建设费用也将逐步降低，在未来几年内必将得到越来越广泛的应用，校园智能监控系统也将成为“必须建、必须用”的校园信息化核心系统。