人工智能+大数据双轮驱动开启安防新时代

□ 文/本刊记者 罗超

大数据、人工智能、云技术是当下新安防的三种技术常态，三者之间大数据与云技术在安防行业结合应用最为密切，而最受行业关注的，就是大数据与人工智能的结合和应用。为什么安防行业对于人工智能+大数据如此追捧？

大数据、人工智能、云技术是当下新安防的三种技术常态，三者之间大数据与云技术在安防行业结合应用最为密切，也是主流监控企业都在努力之事。而要论这其中结合最能引发行业关注，那就属于大数据与人工智能的综合安防应用了。为此，本期以这两者为切入点，看看安防行业新的技术常态。

安防行业为什么需要人工智能+大数据

为什么安防行业对于人工智能+大数据大肆追捧。可以从几个方面来理解：

安防行业本身已经对人工智能求贤若渴

从比特大陆、君正等人工智能芯片厂家以及商汤、云从、以萨等AI方案商进入安防可以看出，安防是人工智能技术落地最好的行业之一。而这主要源于安防本身的两大特性：以视频技术为核心的安防行业拥有海量的数据来源，可以充分满足人工智能对于算法模型训练的要求；安防行业中事前预防、事中响应、事后追查的诉求与人工智能的技术逻辑完全吻合。此外，安防整个产业链的人工智能布局已经成型。目前，在整个行业上下游环节的AI参与方分别包括：上游：包含了视频算法提供商、芯片制造商、图像传感器、镜头模组等其他核心零部件；中游：硬件供应商、软件服务商、系统集成商、运营服务商；下游：为终端行业应用，涉及政府、行业、民用等领域，涵盖公安、交通、金融、学校等应用领域。

人工智能迎来政府红利，在安防深度应用需与多技术交差

2016年6月份，工信部等部门发布的《“互联网”人工智能三年行动实施方案》指出，智能安防将作为人工智能产品创新的重点应用推广领域。《方案》提出，实施智能安防推广工程，鼓励安防企业与互联网企业开展合作，研发集成图像与视频精准识别、生物特征识别、编码识别等多种技术的智能安防产品，推动安防产品的智能化、集约化、网络化。依据方案，人工智能可谓名正言顺进入安防，展开大规模应用。那么应用在安防行业的人工智能，主要有以下几种技术分支。

机器视觉：计算机视觉技术运用由图像处理操作及机器学习等技术所组成的序列来将图像分析任务分解为便于管理的小块任务。机器学习是从数据中自动发现模式，模式一旦被发现便可以做预测，处理的数据越多，预测也会越准确。

自然语言处理：对自然语言文本的处理是指计算机拥有的与人类类似的对文本进行处理的能力。例如：自动识别文档中被提及的人物、地点等，或将合同中的条款提取出来制作成表。

机器人技术：近年来随着算法等核心技术提升，机器人取得重要突破。例如：无人机、家务机器人、医疗机器人等。

生物识别技术：生物识别可融合计算机、光学、声学、生物传感器、生物统计学，利用人体固有的生体特性如指纹、人脸、虹膜、静脉、声音、步态等进行个人身份鉴定，最初运用于司法鉴定。

这几种技术分支与安防行业极为密切，但都需要与大数据、云技术、物联网、移动互联等热点技术相互交叉融合，产生安防行业化综合性应用。

大数据解决人工智能下安防诸多痛点问题

记得2016年北京安防展会，科达展台宣传语“让大数据用起来”给记者很深印象。安防大数据用起来的关键是数据挖掘，再结合甲方的业务流程展开定制化应用。对于公安和交通行业就是增加实战力，对于商业领域就是增加商情效益和业务管理。如果是AI时代下的安防，那么大数据的具体应用主要是，提供强大的分布式计算能力和知识库管理能力，是人工智能分析预测、自主完善的重要支撑。其包含三大部分：海量数据管理、大规模分布式计算和数据挖掘。海量数据管理被用于采集、存储人工智能应用所涉及的全方位数据资源，并基于时间轴进行数据累积，以便能在时间维度上体现真实事物的规律；大规模分布式计算使得人工智能具备强大的计算能力，能同时分析海量的数据，开展特征匹配和模型仿真，并为众多用户提供个性化服务；数据挖掘是人工智能发挥真正价值的核心，利用机器学习算法自动开展多种分析计算，探究数据资源中的规律和异常点，辅助用户更快、更准地找到有效的资源。这三个方面，就是人工智能安防结合大数据应用的实质。

以此来看，能用起来的大数据，能解决目前人工智能安防应用痛点：

人流密度分布、变化趋势、活动的动态监测，预测踩踏指数，实现大型活动和重要区域的风险管理；

空间状态分析，车流密度分布、变化趋势，道路状态及变化监测，主要用于预测拥堵指数，实现交通信号的预测调节;

数据融合、关联，实现同号搜索，人、车轨迹跟踪等；

有序过程与随机过程分析，成为社会治安关键因素，进行常态与暂态分析，实现社会治安风险评估，事件预警；

高风险因素监控和关联分析，主要应用于扩大社会掌控面;制定有效防范措施和反应预案；

融合定位、通信、网络等技术，提高对高风险因素（人、物、事、时间、地点等）掌控的精度、粒度，建立重大事件风险评估、预警机制，提高防范能力，进而实现犯罪高发分布及分类基础性研究及综合治理方案的制定；

高风险单位、区域、活动安全管理，利用大数据，进行风险和脆弱性分析，结合历史数据的回归统计;成功和不成功案例的分析，建立风险管理机制，指导安防系统建设；

各类系统效能分析，主要应用公共安全系统建设、评价；

安防基础理论研究数据库，通过数据融合、关联及历史回归统计，开展大数据应用;建立安全基础研究和预警理论研究基础数据库。总之，大数据应能解决公共安全的关键问题，支撑公共安全系统建设。

这些痛点都是目前在安防行业所面临的，而单一的人工智能加入还很难彻底解决上述问题。当大数据加入后，一切迎刃而解。

人工智能+大数据的安防深度应用解析

之前也强调，人工智能下的安防行业，需要与大数据、云技术、物联网、移动互联等热点技术相互交叉融合，产生安防行业化综合性应用。这是一种安防新的技术常态，那么我们从行业领域来看具体应用。

智慧公安、数据至上，形成全时空治安的人工智能感知网

如果说行业化，公安一定是安防、大数据、人工智能最大的应用领域。

2017年6月20日召开的全国公安科技信息化工作会议，大数据和人工智能成为会议关键词。

会议要求，各级公安机关要以大数据建设和应用为重点，紧密结合四项建设任务，把大数据理念贯穿于基础信息化建设全过程、各环节，不断推动公安科技信息化建设提档升级。要贯彻落实《“十三五”平安中国建设规划》和公安部《关于推进公安信息化发展若干问题的意见》要求，加强顶层设计、做好统筹规划，加快推进“十三五”公安信息化项目建设，确保公安信息化建设战略布局顺利实施；要加强数据中心建设，积极构建公安大数据体系；要着力实现不同地区、不同部门、不同警种的资源共享与业务协同，最大限度地提升信息应用效能；要大力强化安全技术保障体系建设，全面加强信息安全管理，切实保护公民个人信息安全，为公安信息化发展提供有效的安全支撑。

根据以上会议的相关重要指导思想来看，其为安防企业在公安行业的技术和应用研发，包括市场推进提出了发展方向，尤其对正在大力推动大数据和人工智能的安防企业来说，这一指导思想将有利于相关技术和应用系统的先后落地，做全国公安信息化同路人。

浙江是全球安防最重要的研发制造区域，而该区域对于大数据安防从2016年开始。截至目前，他们推进了“天网”、“天算”、“天智”工程建设，积极开展警务大数据应用，着力打造数据警务、智慧公安，开创了具有浙江特色的公安信息化建设与应用新模式。依据2017全国公安科技信息化会议的指示要求，之前的三大工程建设也出现了一些应用中的难点，比如之前提到的行业痛点外，加入了人工智能的安防应用也有其他束缚。比如：环境适应性差，目前鉴于车辆及道路环境的相对标准化，识别率相对较高，但对于人脸的准确识别则很容易受到光照不足、图像模糊、目标尺寸过小或相互遮挡等环境影响，以致影响到识别准确率；数据资源分散，现阶段浙江监控数据的开放性和共享程度还在提升之中，很难开展多维数据的交叉融合分析，这使得人工智能分析缺乏有效的数据支撑，同样也会影响准确率；场景理解受限，目前的智能分析多为单场景的目标检测和行为分析，很少涉及大范围场景的关联行为分析，以致很难用于公安对于异常行为分析和风险预测。为此，2018年3月8日，浙江省公安厅召开“云上公安、智能防控”大数据建设智能化产品发布会，集中在人工智能安防的大数据应用方面进行突破。

记者很多年前在与海康威视高层沟通时得知，浙江是该企业国内最大的区域市场，可见在浙江有安防高端技术的诸多应用，近水楼台先得月。在浙江，现在一张全时空治安要素的人工感知网已形成。目前浙江“云上公安”数据量已达500多门类的1600多亿条，建成拥有3.5亿张照片的全省共享人像库，并完成搭建兼容三大通信运营商的新一代移动警务平台。在重视人员、案件、物品等传统基础信息采录工作的同时，浙江依托现有各类信息系统、视频监控、新型传感器、固定与移动终端、有线与无线实时传输设备，在全省编织了一张全时空的“人、地、物、事、组织”等治安要素感知网。截至目前，由于海康、大华AI前端化的潮流引导，浙江全省联网应用的重点公共区域视频监控点位已超过39.6万个，其中 AI和智能分析机点位接近8万个，全省建成车辆卡口智能点位11万个，每天向“云平台”汇聚数据2亿多条。智能感知体系的建设，为实施公安大数据战略提供了不竭的实时数据来源，为数据警务和智能防控打下了坚实基础。

此外，浙江省“云上公安”建设完成了全息档案、关系网络、全时空轨迹、超级搜索、超级碰撞等通用功能建设，为基层一线民警提供便捷高效的大数据应用服务，为实战提供精确的信息支持。在一个茫茫人海的视频截图上揪出小偷，如果靠传统的人海战术，这是很难完成的任务，但是在浙江公安第一战略信息资源服务平台上，经过“超级搜索”，作案嫌疑人很快能被锁定并推荐给办案民警，有效缩小侦查范围。

现在，浙江省“云上公安、智能防控”“第一战略”建设完成了全息档案、关系网络、全时空轨迹、超级搜索、超级碰撞等通用功能建设，为基层一线民警提供便捷高效的大数据应用服务，为现实斗争提供精确的信息支持。民警可以根据实战需要适时地在系统提起开通“技术应用淘宝店”，下载和上传分享需要的应用。通过系统应用，实战民警可以将包括手机、车牌、银行卡、虚拟身份等散落在各处的信息“珍珠”建立关联，串成有使用价值的数据“项链”。落脚点、标签画像等基于大数据的分析应用，实现信息应用由钓鱼式“大海捞针”向拖网式“一网打尽”转变。而且，这样的数据分析变得越来越简便，民警可以通过自己的配置订阅，只需在电脑界面上执行“拖”“拉”“勾”“选”这些简单的操作，复杂的数据运算即可“信手拈来”，且分析结果非常精准。

依据上面介绍，浙江“云上公安、智能防控”建设就是人工智能安防下公安大数据应用的最佳范例。

人工智能+大数据，解救交通顽疾的灵丹妙药

如何让交通聪明起来，这是2016年杭州云栖大会召开时，杭州市政府就联合阿里巴巴推出了城市大脑智慧城市建设计划的目标。传统安防企业也在人工智能+大数据的架构下展开交通深度应用。

记者参加专业交通展会并不多，有幸去年在南京交通展时，接触到了科达。该企业此次展会的宣传主题是“人工智能+大数据，重新定义智能交通”。随着交通卡口的大规模联网，汇集的海量车辆通行记录信息，对于城市交通管理有着重要的作用。科达利用深度学习技术，可识别车标、车型、年款等车辆特征。对于车标的识别，过往智能交通不是抓取车标有效特征困难，就是识别车标时出现误判。为此，科达的一体化智能卡口采用大数据加深度学习技术，车辆车标的过度曝光或者车标被人为去掉等引起的局部特征提取与识别问题将不复存在；除了车牌，对于现阶段的车型、年款、车辆颜色、车辆品牌等信息，科达成熟的深度学习和图像清晰化处理技术，克服了由于光照条件变化、相机硬件误差所带来的车辆颜色不稳定、过度曝光等一系列问题，因此解决了图像颜色变化导致的识别错误问题，从而使卡口关于车辆颜色、年款等信息的识别率大幅度提升。对于交通管理方，这些人工智能感知而来的数据如何用起来。专用于交通的科达海燕车辆二次分析系统，以深度学习算法、车辆大数据，高性能服务器为支撑，具有对车辆信息及驾驶行为做二次识别的功能，凭借高车辆识别准确率与千亿级数据秒级检索能力，能够实现准确、快速、多维度搜车，大数据研判及车辆的缉查布控，是规范驾驶人行为、进行车辆管理、辅助刑侦破案的有力武器。交通OD分析能够通过对历史交通流量的分析，在电子地图上直观显示交通流向的趋势，包括社区交通发生量、吸引量，地理分布等等，具有交通诱导作用，可以为道路、土地规划、交通管控、公交路线的制定提供科学的决策依据。

易华录是交通领域的上市公司，其母公司中国华录是央企，可见该企业雄厚的实力与背景。2017年底，易华录通过交通运输部认定，成为综合交通运输大数据行业研发中心。所以2018年该企业以综合运输大数据产业为发展主线，以实现科技成果转化为目标，将产业经营与资本经营相结合，围绕大数据共享交换与智能管控、大数据高可靠融合处理、大数据智能辅助决策、大数据人工智能应用、大数据仿真应用这5个重点方向。

易华录的“易慧”综合交通资源平台，将城市数据湖与交通业务融合，注入互联网+交通大数据+人工智能算法等多重基因的智能交通新产品。主要以向易华录提供数据汇聚、存储、加工、交换、共享能力为主，支持与公安交管指挥平台统一版无缝对接，且能提供与BAT的交换接口。该平台还用于2017年河北省公安机关路面动态科技防控工程项目中，项目额度3.59亿元，其中标书中明确写明人工智能+交通大数据应用需求。

人工智能在交通大数据应用，主要分为三大场景：交通拥堵、智慧出行和交通部门的智能管控。至于具体哪些应用内容记者已经在杂志四月刊《人工智能在智能交通应用大剖析》一文中有详细介绍，在此不在重复。只强调一点，AI+交通大数据，还是应该贴近实战，充分挖掘有价值的数据，让交通数据有用武之地。

结束语

加入人工智能的安防行业，大数据应用目前主要在公安和交通行业，其他行业深度应用几乎没有，或者应用程度十分简单，比如：智慧工地的大数据+AI安防应用，也只是对视频进行浓缩摘要、检索处理。原本5分钟的监控视频，通过AI提取，进行浓缩分析。看似有数据管理和数据挖掘的AI表象，但无实质性的业务改善和提升，依旧是智能视频分析的常用功能。所以记者在文章开头只是说明安防行业人工智能有许多领域的需求，但结合大数据应用却不明显，公安和交通是其中应用代表。

因此，在安防行业的人工智能+大数据，必定是翻天覆地的实质性变革，因为它们是新安防之下的两种常态技术，势必开启安防新时代。