基于专利引文的智能安防技术子域和技术原理挖掘

陈悦　祝嘉欢　宋凯　汪玲

摘 要：本文以Derwent专利数据库和WoS引文数据库为数据源，从技术供给侧探索智能安防技术发展的知识空间。作为技术知识的主要载体，专利的论文引文和专利引文反映了技术原理和技术单元对技术发展的支撑作用。本文采用LDA模型对主题进行分类，进一步利用专利—论文混合共被引分析方法，识别出对智能安防技术发展具有推动作用的基础研究，为我国推进安防及相关领域技术的研发和应用提供一定的理论参考。

关键词：智能安防技术;LDA主题模型;专利—论文混合共被引分析;技术原理

中图分类号：G353.1;TU89    文献标识码：A    文章编号：1671-0037（2020）3-57-14

DOI：10.19345/j.cxkj.1671-0037.2020.03.007

1 引 言

智能安防技术是指包含图像传输和存储、数据存储和处理等技术的具有综合性的复杂系统，随着现代安防系统与互联网联系的日益紧密，人工智能化成为安防行业发展的必然趋势。任何技术的发展都是由内在的技术体系发展和外在的社会经济发展需求而决定的。我国的安防行业发展迅速，主要得益于国家政策支持、市场需求旺盛和技术的不断进步。2016年以来，国家层面发布了数十项与安防相关的政策，其中，《中国安防行业“十三五”（2016—2020年）发展规划》[1]明确指出：“十三五”期间，产品和服务迈向中高端水平，安防制造向规模化、自动化、智能化转型升级。但从技术发展的本质而言，技术体系内部的技术知识结构还是最为根本的。本文正是基于此从技术供给的视角对智能安防技术予以知识解构，为我国智能安防的持续性发展提供理论参考。

专利文献是进行技术知识解构的适用数据资源，专利引文是技术原理性知识（科学论文）和应用性知识（技术专利）之间产生关联的媒介。引文分析法是一种揭示知识关联的重要方法，专利引文分析一直是专利文献计量学中的重要内容，主要包括两种关系：专利引用专利和专利引用论文。专利和论文之间的引用关系体现了基础研究对技术创新的重要影响。通过对国内外已取得的研究成果进行分析，发现这些研究大都围绕以下四个方面展开[2]：①对专利进行聚类[3-4];②对技术进行评估和识别[5-7];③知识流动分析[8-10];④分析基础研究对技术创新的影响[11-14]。在大多数研究中，仅以专利引用专利或专利引用论文作為分析对象，并未将二者结合起来进行研究，因而本文基于智能安防技术专利数据，采用LDA模型对主题进行分类，在此基础上，进一步利用关键词共现和专利—论文混合共被引分析方法（图1），探索智能安防技术发展的知识空间，识别出对智能安防技术发展具有推动作用的基础研究，为我国推进安防及相关领域技术的研发和应用提供一定的理论参考。

2 数据来源

根据智能安防技术体系，结合国家知识产权局公布的智能安防检索词表，并经智能安防领域专家指导，制作出智能安防关键词表（附表）。依据此词表，在专家指导下对各个技术关键词之间的概念层次关系和引用关系进行梳理，对这些检索词进行整理后增加通配符，并用智能和安防进行主题限定，确定了具有概念层级关系的智能安防技术检索式①，在Derwent专利数据库中检索到17 280条智能安防专利文献（图1，检索时间：2019年1月）。

如图2所示，在全球范围内，20世纪90年代初智能安防技术专利申请量呈持续增长趋势。尤其是2010年人工智能进入爆发式增长期以及大数据、云计算支撑人工智能产业的再次爆发，通过与互联网大数据相关联，可以有效地处理庞大的数据，智能安防技术也由此迈入新的阶段。

3 基于LDA主题模型的智能安防领域技术子域划分

专利所引用的论文反映了基础研究与技术创新之间的联系，对于技术的发展具有重要的作用。通过专利引用文献的分析，可以反映出不同技术主题所对应的理论研究基础，为技术的发展等提供理论支撑。本文利用LDA主题模型和LDAvis交互式的主题模型可视化来进行主题提取和可视化。LDA是一种文档主题生成模型，即认为一篇文章中的每个单词都是以一个特定概率来选择某个特定主题，并以一定概率从这个主题中选择某个词语。利用LDA主题模型从每条专利标题中提取出有价值的文本信息，并采用“平均轮廓系数”确定最佳聚类数目，然后通过构建模型来得到聚类结果。轮廓系数是用来评价聚类效果好坏的一种方法，根据不同类别下的轮廓系数走势来寻找最佳的聚类数目，一般将畸变程度最大处作为最佳值。分别选取聚类数2～8进行迭代，最终选取最佳聚类数目为5（图3）。

为了更好地解读每个主题的意义，采用LDAvis[15]将LDA主题模型的分析结果进行可视化展现（图4）。其中，气泡圆圈的大小表示主题出现的频率，其解答了每个主题有多普遍的问题;气泡圆圈间的位置距离表示主题之间的关联性，其解答了主题间有什么关联的问题。图中右侧色带中红色部分代表所选词语在该主题下专有性的比例，蓝色部分代表所选词语在该主题下更频繁出现的比例。据此，智能安防领域共有五个技术主题，即“控制系统与终端”“视频监控系统”“前端数据采集设备”“物联网安防”和“机器视觉技术”。

控制系统与终端（子域1）结合传感器技术、无线通信技术、计算机技术、电子技术等，能够协同地实时监测和感知覆盖区域中监测对象的实际情况，并通过无线设备发送给观测者，为智能安防的发展提供了全方位的技术支持。

视频监控系统（子域2）是对重要场所或各行业关键部门进行实时监控的物理基础，它可以记录和存储图像，及时监控和记忆突发异常事件的过程，可用以提供高效、及时的指挥，以及最有利的现场证据等。该技术子域一直伴随着安防监控系统技术的发展，通过在监控系统中加入智能视频分析模块，采用图像处理、模式识别和计算机视觉等技术，自动识别监控画面中的人、车辆和物体，分析并抽取关键信息，辨别可疑人员或车辆，及时向监控中心人员发出报警信号。未来随着技术的不断成熟，该系统将会得到越来越广泛的应用。

前端数据采集系统（子域3）主要由智能视频监控系统、报警控制系统、远程图像传输设备、门禁管理子系统、访客管理子系统、人脸识别子系统、停车管理子系统、智能手机采集子系统等组成，能够实现对前端数据以及发生时间的全面感知。随着安防行业的不断发展，安防设备的重要性也不言而喻，产品性能低下、设备的升级改造、系统大规模联网后出现设备的不兼容等问题是导致安防产品不断更新换代的主要原因。

机器视觉技术（子域4）是通过机器视觉产品（即图像摄取装置）将捕捉对象转换为图像信号，并将其发送到专用图像处理系统，以获取被摄对象的形态信息。图像系统对这些根据像素分布和亮度、颜色等信息转变成的数字化信号进行各种运算以提取目标的特征，进而根据所确定的结果来控制现场设备的动作。特征识别包括体态识别、人脸识别、指纹识别、人体特征提取、异常行为分析、视频摘要分析、车辆识别、车牌识别、车辆特征提取等技术，联网传输子系统可以实现视频、图片化数据的可靠接入，处理后发送至应用平台。

物联网安防（子域5）是近年来蓬勃发展的新技术，其以感知为目的，实现人与人、人与物、物与物的全面互连。智能安防是我国物联网应用最早的行业，它以视频信息为“物”，利用IP地址使得各单位采集的视频信息通过物联网传输，将智能家居、车辆出入管理、报警服务系统、城市一卡通等联系起来，形成人和物的统一。物联网安防技术的实现体现了安防智能化[16]。

4 基于“专利—论文”混合引文的智能安防领域的技术原理挖掘

在17 280条智能安防技术专利文献中，分别对五大技术子域进行原理性知识挖掘。考虑到基础研究的存在形式以及数据的可获得性，本文以只包含专利引文和WoS论文引文的10 036件专利文献为分析对象（如图5，各技术子域的数据情况见表1）。然后创建“专利—文献”混合引用矩阵，以可视化的方式寻找到那些承载着技术原理性知识的论文。

4.1 控制系统与终端

该技术域又可细分为通信网络、电子信息技术、目标定位与身份识别、监测与识别技术和网络技术五个主题（图6），与其相关的重要论文列于表1中。

在信息传送的过程中，通过对数据进行加密，可以保障数据在传输过程中的安全，防止数据被泄露或破坏，而网络加密与密钥管理技术就是保护通信网络传输信息的实用手段。半导体如今早已广泛地用于家电、通讯、工业制造、航空航天等领域，针对半导体材料的研究对安防终端产品包括前端产品如摄像机以及后端产品如视频存储器、行车记录仪等具有重要的意义。目标定位与身份识别技术广泛应用于各个领域，且由于目标种类多样、背景復杂，因而对于不同的应用场合设计不同的方法具有重要的意义。监测识别技术广泛应用于运动分析、导航、环境监测、生物医学、军事刑侦等领域中，由于环境的复杂性以及目标行为的多样性等，对事件进行监测和识别的研究具有十分重要的应用价值。而针对通信网络跨层设计的研究使系统能够不断适应通信环境的变化，满足各种业务的不同需求，因而针对网络安全方面的研究则为系统安防提供了有力的保障。这些论文正是对智能安防领域专利技术在通信技术、传感器技术、生物识别等领域的重要基础研究。

4.2 视频监控系统

该技术域又可细分为光纤通信技术、软硬件技术、网络协议、入侵检测四个主题，与其相关的重要论文列于表2中。

光纤通信是利用光波作载波，以光纤作为传输媒质传递信息的通信方式。光纤通信作为现代传输的主要手段，在有线电视、安防和电力通信控制等系统中发挥着积极作用。针对分布式硬实时系统的研究可以减少抖动对处理器的影响，从而提高cpu和通信资源的利用率。对多媒体移动应用开发进行研究，可以从传感器获取信息，通过相机拍照或图像过滤处理等进行远程服务连接。通过对开放服务网关协议（OSGi）、通用标准网管协议即简单网络管理协议（SNMP）进行研究，能够实现对视频监控网内所有网络设备、服务器的管理，在合理规划和调配网络资源的基础上预测和检测网络故障，从而提高网络运行的可靠性。关于网络环境入侵检测的基础研究，异常检测和误用检测是其重要部分，可对网络传输进行实时监视，在发现可疑传输时发出警报或者主动采取措施来维护网络安全。这些论文正是对智能安防领域专利技术在算法、传感器技术、入侵检测等领域的重要基础研究（图7）。

4.3 前端数据采集系统

该技术域又可细分为数据采集技术、设备材料两个主题，与其相关的重要论文列于表3中。

数据采集技术广泛应用在各个领域，摄像头、摄像机、麦克风等设备都是数据采集工具，在监控现场安装各种信息采集设备（传感器、摄像头等）作为系统的监控前端。用户可以通过网页或客户端提交或发送服务请求，监控中心向监控终端发送请求命令，以控制监控设备完成数据采集。监控终端将站点所采集的监控信息转换为数字信号，并将其发送到服务器。数据处理完成之后，服务器会将反馈提交到管理员或用户。这种数据采集监控系统能够进行大量的数据采集，具有很好的稳定性。安防监控等光学下游市场的快速发展，对于光学玻璃、光学镜头镜片等元件的产品性能提出了更高的要求。高分子材料是电子、微电子工业必不可少的绝缘材料，广泛应用于各种仪器仪表中，薄膜、塑料、纤维、胶粘剂等材料为通讯产业的发展做出了重要的贡献。这些论文正是对智能安防领域专利技术在特征识别、装置设计、设备材料等领域的重要基础研究（图8）。

4.4 机器视觉技术

该技术域又可细分为智能识别分析技术、安防技术、网络技术、导航定位技术四个主题，与其相关的重要论文列于表4中。

机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、图像增强和分析算法等。人工智能识别技术近年来得到了快速发展，已经在多个领域获得广泛应用，如机器人领域、智能交通信号灯等。针对驾驶行为信号识别研究可对驾驶员的疲劳状态和其他不良驾驶行为进行监控与数据分析，将危险信号传达给驾驶员，实现安全驾驶。卷积神经网络是深度学习的代表算法之一，可以进行监督学习和非监督学习。过去几年，卷积神经网络在计算机视觉应用领域中取得了突破性的研究进展，被广泛用于图像识别、物体识别、行为认知、语音识姿态估计等领域。而采用基于神经网络的导航定位技术，可以有效提高定位信息的实时性和准确性。这些论文正是对智能安防领域专利技术在视频分析、图像处理、入侵检测、特征识别等领域的重要基础研究（图9）。

4.5 物联网安防

该技术域又可细分为显微图像技术、地理围栏技术、身份识别技术三个主题，与其相关的重要论文列于表5中。

物联网是以感知为目的，通过各种信息传感器、全球定位系统、红外感应器等装置与技术，实现人与人、人与物、物与物全面互连的网络。智能安防是我国物联网应用最早的行业之一，为安防行业带来了一系列的变革。智能图像技术在众多领域都得到了广泛的应用，无论是在显微系统中、模式识别中还是在具有报警、监控等功能的安防系统中。随着机器视觉的发展，人工智能与医疗行业的结合也越来越紧密。地理围栏技术即使用GPS卫星网络或者本地无线射频识别（RFID）（如Wifi/蓝牙）在真实的地理区域上建立虚拟的边缘或者界限，当设备进入、离开或停留于某个特定地理区域时，硬件/软件应用会自动接收、推送、通知等以进行响应。物联网技术的目的是提供基于位置的服务，其核心问题是如何确定物品和人员的位置。地理围栏技术融入生活，可以使得人们的生活变得更加安全的同时，生活效率也变得更加高效。US8086867等专利是关于身份识别技术的相关研究。随着科技水平的不断进步以及现代电子通讯产品的蓬勃发展，采用密码、验证码、证件号码等作为身份识别标志的传统安防识别方式远远不能满足需求，指纹识别、人脸识别、虹膜识别等身份识别技术日趋成熟，应用场景不断拓展，在解决安全问题及提高工作效率方面具有显著的表现。这些论文正是对智能安防领域专利技术在计算机视觉、人脸识别、物体追踪等领域的重要基础研究（图10）。

5 技术原理性知识贡献国家间比较

统计被引论文的国家来源，有助于我们制定相应的创新策略，推动我国智能安防领域基础研究发展。五大技术领域专利所引用的WoS科学论文共来自于70多个国家，这意味着世界上70多个国家为智能安防技术的发展贡献了技术原理性知识。

图11显示了技术原理性知识贡献度比较大的国家，可以看出，源自美国的论文引文数量远大于其他国家。美国在智能安防领域的基础研究成果对其技术开发及商业化应用无疑发挥了强大的推动作用。中国位居第二，但与美国差距很大。值得关注的是，日本是一个资源有限的国家，却在技术原理性方面有不小的貢献，这与日本企业在该领域起步较早且更加注重研发有关。尽管智能安防技术的基本原理更多掌握在国外企业手里，但目前国内的研究也正呈现逐年递增的趋势。随着企业、研究院所以及技术人员创新能力和科研能力的不断提升，中国将在智能安防领域具有极大的发展潜力。

6 结论与启示

本文以Derwent专利数据库和WoS引文数据库为数据源，从技术供给侧探索智能安防技术发展的知识空间，识别出对智能安防技术发展具有推动作用的基础研究，对我国着力推动基础技术、产品应用技术、平安城市等发展以及引导中国安防企业走向世界具有重大的战略意义。

①本文采用LDA模型对主题进行分类，得到五大技术主题，分别是：控制系统与终端、视频监控系统、前端数据采集系统、机器视觉技术、物联网安防。

②作为技术知识的主要载体，专利的论文引文和专利引文反映了技术原理和技术单元对技术发展的支撑作用。本文利用专利—论文混合共被引分析方法，识别出了各领域对智能安防技术发展具有推动作用的基础研究。

③依据智能安防技术论文引文的国家来源，分析不同国家在智能安防技术原理性研究中的贡献程度。其中，美国在该领域技术原理性研究的贡献方面位居第一，中国在技术原理性研究方面位居第二。目前，国内智能安防技术领域的研究力度正呈现逐年增加的趋势，我国在继续加强技术原理性研究的同时，不断加强技术应用性研究，即重要基础专利的开发和申请，进一步推进我国智能安防领域相关技术的研发和应用。

本文基于智能安防技术专利数据，探索了智能安防技术发展的知识空间，在一定程度上加深了对智能安防领域相关技术的研发和应用的认识，但基于专利引文探索产业基础研究，是一个不断改进与完善的过程，其局限性在所难免，主要体现在以下几点。

①专利引用的非专利文献，包含论文、图书、新闻报道、使用说明等多种文献形式。对于学术论文而言，考虑到数据的可获得性，本文只提取了被Web of Science核心合集所收录的论文进行分析，也有许多未被收录的科学论文被过滤掉了。

②本文采用LDA主题模型对专利进行了分类，并采用LDAvis进行可视化呈现，但每个聚类主题在命名标签时，采用人工判读的方式，依然存在一定的主观性。

③专利引用的学术论文较其引用的专利而言相对过少，而共被引分析方法是根据被引文献的高被引频次进行选取的，故在数据处理的过程中保留了共现频次较低的专利—论文、论文—论文的文献加以分析。

后续将对各个国家在智能安防技术领域的研究重点和技术创新能力差异进行深入研究，掌握自身技术存在的不足，找准目标，补足短板，为加快我国智能安防技术快速健康发展提供理论支撑。

注释：

TS= （（" intelligen* secruit*" and "intellect* secruit*" and "wisdom secruit*" and " intelligen* secure" and "intellect* secure" and "wisdom secure"） OR （（secruit* OR secure ） AND （（（video* OR imag* OR picture* OR graph*） AND （monitor* OR supervis* OR surveillance OR scrutin*）） OR （（face OR vein OR gait OR voice OR iris OR irid OR pupil OR fingerprint） AND （detect* OR recogni* OR identif* OR distinguish）） OR （（move OR moving OR movement OR motive ） AND （detect*） AND （Trace OR track* OR trail）） OR （（abnorm* OR unusual OR eccentric* OR suspicious OR questionable OR dubious OR doubtful OR irregular OR illicit OR lawless OR illegal OR illegitimate OR unlawful） AND （action OR active OR activit* OR behav* OR performance*） AND （analys* OR analyz*）） OR （（Move OR moving OR movement OR motive OR intrusion） AND （detect*） AND （system OR alarm* OR warn*）） OR （（Vehicle*） AND （（characteristic* OR feature*） AND （extract*））） OR （（Locat* OR orient* OR position*） AND （Camera OR photo*） AND （monitor* OR supervis* OR surveillance OR scrutin*）） OR （（（Three dimension* OR 3D OR stereo* OR depth） AND （rendering）） OR （（Superposition OR Overlay OR overlie OR overlap OR superimpose） AND （synthesi* OR synthetic OR combin* OR merg*））） OR （（video* OR imag* OR picture* OR graph*） AND （abstract*） AND （analys* OR analyz*）） OR （（monitor* OR supervis* OR surveillance OR scrutin*） AND （video* OR imag* OR picture* OR graph*） AND （Coding OR code* OR encod* OR compress* OR decod* OR decompress* OR uncompress*）） OR （（perimeter） AND （alarm OR warn*） AND （system）） OR （（home OR family） AND （secruit* OR secure ） AND （management） AND （system）） OR （（"Vehicle* entrance-exit" OR "Vehicle* In-Out" OR "Vehicle* access"） AND （control OR management） AND （system）））））.

参考文献：

[1] 《中国安防行业“十三五”（2016-2020年）发展规划》[EB/OL].（2016-09-30）[2020-2-10].http：//news.dichan.sina.com.cn/2016/09/30/1216284.html.

[2] 何春辉，王孟然.专利引文分析应用研究综述[J].图书情报研究，2019，12（4）：72-78.

[3] 王贤文，刘趁，毛文莉.基于专利共被引方法的技术聚类分析：以苹果公司专利为例[J].科学与管理，2014，34（5）：31-37.

[4] 李颖.国内竞争情报研究演进态势：共词分析视角[D].湘潭：湘潭大学，2010.

[5] 黎欢，彭爱东.竞争对手识别的三种专利引文分析方法研究：以全息摄影技术为例[J].情报杂志，2014，33（10）：78-82，71.

[6] EPICOCO M.Knowledge patterns and sources of leadership： Mapping the semiconductor miniaturization trajectory[J]. Research Policy，2013，42（1）.

[7]BREITZMAN A，THOMAS P.The Emerging Clusters Model： A tool for identifying emerging technologies across multiple patent systems[J].Research policy， 2015，44（1）：195-205.

[8] 杨中楷，刘倩楠，于霜.基于专利引文网络的技术领域间关系探析[J].科研管理，2011，32（5）：149-155.

[9] 孙轶楠.基于专利引用的技术领域主题的知识流动时间研究[J].情报杂志，2015，34（7）：95-99.

[10] 魏红芹，周成.专利间知识流动与技术融合趋势研究[J].科技进步与对策，2018，35（22）：17-22.

[11] 赵志耘，雷孝平.我国生物科技领域技术创新与基础研究关联分析：从专利引文分析的角度[J].情报学报，2013，31（12）：1283-1289.

[12] LO S.Scientific linkage of science research and technology development： A case of genetic engineering research[J].Scientometrics，2009，82（1）：109-120.

[13] 李向阳，刘小平.我国医药产业技术创新与基础研究关系的专利计量分析[J].现代情报，2015，35（12）：111-118.

[14] 高继平，丁堃，滕立，等.专利—论文混合共被引网络下的知识流动探析[J].科学学研究，2011，29（8）：1184-1189，1146.

[15] 1SIEVERT C， SHIRLEY K.LDAvis： A method for visualizing and interpreting topics[C]//Proceedings of the workshop on interactive language learning， visualization， and interfaces. 2014： 63-70.

[16] 毛亮，付倩文.物联网携手智能安防开启智慧城市之门[J].中国公共安全，2017（Z1）：105-108.

Mining of the Sub-fields and Principles of Intelligent Security Technology based on Patent Citations

Chen Yue， Zhu Jiahuan， Song Kai， Wang Ling

（Research Institution of Science of Science and S&T Management & WISE Lab， Dalian University of Technology， Dalian Liaoning 116024）

Abstract： From the perspective of technology supply side， this paper used Derwent patent database and WoS citation database as data sources to explore the knowledge space for the development of intelligent security technology. As the main carrier of technical knowledge， the articlecitations and patent citations of patents reflect the supporting role of technical principles and technical units on technological development. This article used the LDA model to classify the topics， and further used the patent-article hybrid co-citation analysis method to identify the basic researchwhich can promote the development of intelligent security technology， thus providing certain theoretical reference for China's advancement in the research &development and application of technologies in security and related fields.

Key words： intelligent security technology; LDA topic model; patent-article hybrid co-citation analysis; technical principle

收稿日期：2020-01-02

作者簡介：陈悦（1975—），女，教授，博士生导师，研究方向：科学计量学、创新管理、技术管理;祝嘉欢（1993—），女，硕士研究生，研究方向：科学计量学、科技管理;宋凯（1993—），女，博士研究生，研究方向：科学计量学、科技管理;汪玲（1996—），女，硕士研究生，研究方向：科学计量学、文本挖掘。