警用安保巡逻机器人发展研究

■ 文/公安部第一研究所 李剑 韩忠华 王浩

1 引言

机器人作为一种智能装备，综合应用了人工智能、物联网、云计算、大数据等高新技术。随着这些技术的进步，机器人的发展也十分迅速，在各个行业都开始有广泛应用。近年来，警用机器人在公共安全领域的应用较多，且表现良好，比较典型的包括安保巡逻、反恐突击、消防救援等警用机器人。各种机器人的应用场景和功能都各有不同，虽然有的功能仍在尝试阶段，还不够成熟，但综合来看其应用效果较好。

警用安保巡逻机器人是专门应用于公共安全领域的特殊机器人。区别于普通移动机器人，除了具有自主导航的功能外，还可以进行人脸抓拍、身份识别、语音交互,主要应用包括协助执勤、自主安防、提供便民服务,对于减轻警员工作压力、提高警察队伍战斗力来说具有重要意义。

2 警用安保巡逻机器人发展现状

警用安保巡逻机器人可以实现全方位、无死角视频监控，具有采集多维信息、适应复杂环境、全天无休工作等优势，不但兼容了传统监控系统和人力巡逻的优点，而且克服了两种安保方案的弊端。随着人脸抓拍、身份识别、语音交互、手机侦码等功能的不断丰富，其在安防体系中的角色日趋重要，逐步成为公共安全领域必不可少的装备。

警用安保巡逻机器人按其工作场景大致可分为室内和室外应用。室内主要适用于地势较为平坦的区域，行驶速度较慢，转向较为灵活，大多应用于展厅、广场、车站候车厅等场景。室外要求安保巡逻机器人的运动能力较强，可稳定通过一般坑洼路面、陡坡以及微小裂缝带等路况环境。同时，还必须具备雷电雨雪特殊天气下的安全运行能力，能够适应野外工作的高低温环境。野外安保巡逻机器人一般尺寸较大，常规采用四轮小车结构，转弯半径大，不适合狭小空间使用，一般需要架设专用的网络中转站，保证机器人和后台之间的通信。

2.1 国外警用安保巡逻机器人发展现状

国外对于安保巡逻机器人的研究起步较早，技术较为领先。特别是对军用机器人的研发投入较大，很多军用机器人已被广泛应用于战场。近些年，安保巡逻机器人在公共安全领域的应用也有较大发展。

早在1989年，美国国防部发布了一项关于安保巡逻机器人计划“MDARS”，随后推出了MDARS-I室内机器人，装有微波雷达、热成像仪、摄像机、音频传感器、导航和超声波传感器等，可在仓库巡逻，探查烟雾、火情以及10米内的物体和可疑人员。2014年，美国Knightscope公司开发了社区机器人K5，具有自主巡逻、智能避障、探测环境等功能。2017年，新加坡OTSAW Digital公司研发的室外巡逻机器人O-R3，除了基本的自主巡逻功能外，还具备人脸识别、车牌识别等功能，可以记录和跟踪可疑人员的车辆，现已被用于迪拜无人警局的周边巡逻。

2.2 国内警用安保巡逻机器人发展现状

近年来，国内警用安保巡逻机器人的发展十分迅速。尤其是《中国制造2025》《机器人产业发展规划（2016-2020年）》和《新一代人工智能发展规划》等政策的出台，国家对于以机器人为代表的智能高端制造产业给予了极大的关注与支持。高校、研究所、公司紧密合作，形成了产学研一体化的机器人生态链。以公安部第一研究所为主导，在发挥自己公安专长的基础上，多家单位深入合作，相继推出了多款警用安保巡逻机器人。

以“小智”为代表的警用室内安保巡逻机器人，具有自主巡逻、主动避障、自主充电、语音交互、视频通话等功能，外形亲和可爱，适用于警务大厅、广场、商场、候车大厅等公共场所，可以协助维持秩序，提供公安业务问询、远程报警等便民服务。由于其具有红外感知和夜视功能，所以可以全天无休的工作，在解放警力的同时，方便人民的生活，提高人民的安全感和幸福感。

与室内安保巡逻机器人一样，警用室外安保巡逻机器人发展也十分迅速。室外安保巡逻机器人功能更加丰富，应用场景更加多样。除了自主巡逻的基础功能外，还具有环境监测、移动广播、火灾隐患排查、异常音量采集、人脸抓拍、手机侦码等功能，可以实现大范围的智能安防。尤其对于重要场所、重大活动的安保工作，可以实现对重点人员的快速甄别与定位，不仅解放了警力，还极大地提高了安防效率。

3 警用安保巡逻机器人研究重点

随着机器人、人工智能等高新技术日趋成熟，警用安保巡逻机器人发展迅速，已成为公共安全、智能安防领域的重要装备之一。当前，随着科技进步，社会环境更加复杂，安防要求也越来越高。警用安保巡逻机器人在实战应用中，发挥了重大作用。目前，警用安保巡逻机器人的研究重点主要有以下方面。

3.1 复杂环境下自主导航的稳定性

自主导航是机器人的关键技术之一，是警用安保巡逻机器人自主巡逻的基础，现在常用的导航方式是激光导航和视觉导航。对于不同的应用环境，两种导航方式都存在不同程度的局限性。

视觉导航相比于激光导航，对环境的依赖性较大，要求外界环境的变化不能太大，尤其对于光线条件要求较高。视觉导航更适合于光线条件好的应用场景。激光导航对环境的适应性更强，较小的环境变化并不影响导航效果。激光导航又可分为2D激光导航和3D激光导航，两种导航方式的主要区别是激光雷达的扫描维度不同。2D激光导航简单快速，成本相对较低，但是导航精度和稳定性相对较差；3D激光导航精度相对较高，但是实时性相对较低，成本较高。激光导航相比于视觉导航，虽然适应能力更强一些，但是在外部环境发生较大变化时，导航效果会受影响，比如在人群密集区、特别空旷地带等特殊情况，自主导航能力会受很大影响。

复杂环境下自主导航性能还不够稳定是警用安保巡逻机器人目前存在较突出的问题。由于其工作环境较为复杂，所以导航稳定性是首要解决的问题。

3.2 远距离安全无线通信的流畅性

警用安保巡逻机器人的工作都由服务平台进行指挥控制。服务平台对机器人采集信息进行实时分析、决断，在执行特殊任务时，有时需要人工参与，技术人员通过遥控终端对机器人进行控制，这就对通信的实时性、安全性、稳定性提出较高要求。机器人信息传输要求高速、安全，视频传输要求高清无卡顿。安保巡逻机器人作为一种自主性移动设备，线控的方式会大大降低机器人的灵活性和巡逻半径，这就要求机器人与机器人之间、机器人与后台之间实现无线通信。

现有的主要无线通信方式是WIFI和4G网络。WIFI通信需要在机器人工作范围内架设基站，各基站间切换配置复杂，且存在安全隐患。4G网络无需自己架设基站，但是运营商提供网络服务需要收费，尤其是在进行高清视频传输时，流量耗费巨大，成本代价高。因此，现有的通信方式还无法满足高速、安全、远距离的无线通信。即将普及的5G网络可以有效地改善这一问题。

3.3 密集人群中自主识别追踪的智能性

警用安保巡逻机器人的一个重要功能就是对流动人群进行甄别排查。实现这一功能的前提是对人员的自主识别与追踪。

自主识别是指安保巡逻机器人能够智能识别人或者物的特征和行为，虽然现在人脸识别和车牌识别技术较为成熟，然而，巡逻的目的是预判和发现异常情况，例如，人群聚集、恐慌、抢劫、斗殴、放火、攀爬、跌倒和追逐等。这些异常情况通常发生在一些复杂的环境中，存在大量人物、建筑、树木、车辆、道路等复杂背景，使得对目标检测干扰较大。同时，摄像机随着机器人的移动导致目标场景中背景发生变化，增加目标检测难度。

自主追踪是在机器人识别出可疑目标后，能够对其进行主动追踪。现有的追踪方法对于运动有规律的目标可以实现有效追踪，对于运动无规律、形变量大的目标追踪效果很差。现实应用中，目标物的运动大都不规律，且存在遮挡和光线变化等问题，因此，自主追踪的效果还无法满足现阶段的实战需求。

4 警用安保巡逻机器人发展趋势

警用安保巡逻机器人发展十分迅速，功能日益齐全。根据高新技术发展趋势和实战需要，可以将警用安保巡逻机器人的发展趋势总结为平台模块化、功能智能化、布控快速化。

4.1 平台模块化

警用安保巡逻机器人可以减轻警员负担，提高警察战斗力，其应用会日益广泛，对警用机器人的需求量也会越来越大。若想实现机器人产业化，必须实现机器人平台模块化。平台模块化是指机器人各构件形成统一标准，可以根据实际需求来对警用机器人进行组装。这样有利于警用安保巡逻机器人的研究与应用推广。

4.2 功能智能化

警用安保巡逻机器人常用的功能主要包括自主巡逻、语音交互、人脸抓拍、身份识别、自主追踪，这些功能在智能程度上还存在或多或少的欠缺。自主巡逻时避障还不够灵活，语音交互中还没有主观交流，人脸识别还存在识别缺陷，对人员自主追踪的实用效果还不够理想。

因此，警用安保巡逻机器人的一个重要发展趋势就是功能的智能化。这些功能智能化的直接体现就是机器人服务平台的智能化。除了上述功能的智能化，还能够做到快速判别异常情况，甚至可以对一定区域内的人员进行行为分析，做到对异常情况的预判，真正做到防患于未然。

4.3 布控快速化

警用安保巡逻机器人的一个重要应用就是重要场所、重要活动的安保，对于这类活动的安保需求量较大，此类任务具有突发性、快速性、移动性。对于此类任务的安保工作，通常要准备较长时间，尤其是现场指挥场所都是临时搭建，复用性不高。因此，警用安保巡逻机器人的一个重要发展趋势就是快速布控，主要包括现场指挥场所的快速布置、突发情况的快速处理。这就要求机器人的指控平台要机动快速。

5 结语

警用安保巡逻机器人发展迅速，应用越来越广泛。但是，当前机器人在性能和功能上还需要逐渐完善。随着高新技术的发展，功能和性能的不断完备，警用安保巡逻机器人智能化水平会进一步提高。警用安保巡逻机器人的快速发展，与国家政策大力支持、参与部门通力协作、技术人员奋力钻研紧密相关。在各方共同支持和努力下，必将打破传统安防技术桎梏，使安防行业从传统的安防系统过渡到以现代服务为理念的智能安防系统，将智能安防推向一个新高度。

[1] 陈晓东.警用机器人[M].北京：科学出版社,2008.

[2] Lu J, Liong V E, Wang G, et al. Joint Feature Learning for Face Recognition[J].IEEE Transactions on Information Forensics& Security, 2017, 10(7)∶1371-1383.

[3] 陈晓东.警用与反恐机器人的现状与趋势[J].机器人技术与应用, 2015(6)∶31-33.

[4] 宋伟刚,柳洪义.机器人技术基础[M].北京：冶金工业出版社, 2015.