计算机图像识别技术“AI+安防”助力服务实战应用研究

◆姜威

行业与应用安全

计算机图像识别技术“AI+安防”助力服务实战应用研究

◆姜威

（辽宁警察学院 辽宁 116036）

图像识别技术作为人工智能（AI）中十分重要的技术，在安防领域发挥着重大作用，实现了智能安防。本文首先简单介绍计算机图像识别技术的原理，其次阐述目前在安防行业这一技术有哪些具体应用，分析其与传统安防行业相比带来的新改变。最后浅析未来几年，随着图像识别技术的成熟完善，在实际应用中，人工智能技术与安防结合的发展趋势。

图像识别；安防领域；应用

近几年，人工智能（AI）技术不断发展，已经在安防、金融、医疗、法律、教育等不同行业中被广泛应用。其中，图像识别技术作为人工智能的一个重要领域，得到了学术界、媒体界和产业界等前所未有的关注，其实战应用最好的行业之一当属安防领域。如今安防监控领域已进入数据“大爆炸”的时代，面对井喷式增长的视频监控数据量，只停留在浅层次分析识别的传统智能算法，已无法满足深层次数据价值挖掘的需求。因此，AI在安防行业的落地水到渠成。

1 图像识别技术与人工智能

人类具有超强的图像识别能力[1]。图形通过刺激感觉器官，使人们认识到它是曾经看过的图形的过程，叫作图像再认。每个图像都有它的特征，图像识别技术的基础就是图像的主要特征。计算机图像识别技术则是用计算机代替人类去自动处理大量的物理信息，以图像的主要特征为基础，利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。从而解决人类无法识别或者识别过于耗费资源的问题，在很大程度上减轻人类的劳动力。为了编制模拟人类图像识别活动的计算机程序，人们提出了不同的图像识别模型。例如模板匹配模型，将过去的经验中有这个图像的记忆模式，称为模板。如果当前的图像能和模板匹配，就可以识别出这个图像。在此基础上又提出原型匹配模型、“泛魔”识别模型等更复杂的模型。

人工智能应用在安防领域时往往采用多种技术[2]。当在机场、火车站等特定场景需要对人脸进行识别时，采用包含指纹识别、步态识别、虹膜识别等生物特征识别技术；当对视频内容进行分析时，则主要涉及了数据分析、深度学习、模式识别、图像处理等大数据及视频结构化技术。前端摄像机通过智能分析算法将画面中至关重要且有实际应用效果的信息提取出来，并进一步生成结构化的数据，实时传给后端做存储或深度二次分析，实现视频图像智能分析的价值最大化。

2 “AI+安防”应用场景

2.1 公安领域

为满足公安工作的需要，公安领域对智能安防的应用包括图侦、实战以及预判三层[3]。公安行业借助图像识别技术获取机场、火车站、地铁、商场、小区、主干道路等各种公开场合人、车、物品等目标的信息，并将所得信息转换为结构化数据供后端智能设备进行分析，此类过程的应用可以包括对比高危人员、实时布控、以图搜图、多点碰撞、语义搜索等多种方面。例如，现场抓拍机抓拍识别到的人脸信息可以实时与警方的黑白名单进行比较，当发现可疑人员时，能够及时报警处理，后端设备不仅能智能分析，也具有存储作用，将现场抓拍照片保存后，可以为智能检索的建设提供较大的帮助。此外，利用人工智能技术不仅能综合控制建筑的安防、能耗，也应用于实时监控进出大厦的人、车等，从而保证核心区域的稳定安全，实现智能楼宇。

2.2 交通领域

交通领域不仅可以抓拍记录车辆违法驾驶行为，而且可以分析每辆车的违法行为，将每条记录生成结构化的文本数据和非结构化的视频、照片数据，至于交通违法行为究竟该如何处理则交由后端的智能管理与分析系统。基于大数据和视频结构化分析技术，实时分析交通流量、过车高峰期等丰富的交通数据，为城市交通流量管控提供翔实的数据支撑。为了实现合理调配资源提高道路的通行效率，通过智能交通管理系统分析车流量数据，合理规划交通道路、调整红绿灯间隔。

2.3 消费商业领域

在消费商业领域中，我国对人脸识别技术的应用已经呈现出势不可挡的趋势。将人脸识别功能应用于ATM机，是我国自主研发的全球首台具有改功能的ATM机，招商银行类的传统银行开始试点人脸识别应用，众多互联网企业的消费类应用也纷纷推出“刷脸支付”功能，这几方面说明支付等消费金融领域的应用相较于其他领域比较靠前，为支付带来便利。另外，现在市场很多手机具备“刷脸”解锁功能，增强手机的隐私保护能力。现在智能安防在公安、交通、消费商业等诸多实际场景中都在发挥着作用。

3 AI对传统安防带来的改变

3.1 提高工作效率

AI对传统安防行业带来的改变可以分为两个方面[4]。首先，在图像识别技术的驱动下，步入了“新安防”的时代。传统安防仅把摄像头作为工具来捕捉图像，在实战场景中以人工方式对视频进行筛查，工作量大大增加，浪费大量的时间和精力。而“新安防”将图像识别技术全面渗透到公共安全问题的实际情境中，通过智能分析视频中的内容、将有效信息提取出来，转化为结构化数据一系列过程，使视频监控的使用者从传统安防中走出来，迈入智能化安防的新大门。利用视频图形材料进行智能静态、动态对比，给出多维度解决方案，安防工作的效率得到大幅度提升。

3.2 效能提升显著

随着图像识别技术的突破，安防领域目标识别、物体检测、场景分割、信息提取标签化、数据检索等各项技术应用也在不断取得新的进展，相比于传统安防，智能安防的效能提升尤为显著。体现在具有更强的环境适应性，可以应用到更广泛的环境中，“AI+安防”在环境特征的提炼过程中，提取到的特征参数更丰富、适合，从而具有更强的环境适应性；其次，识别分类对象的准确率更高，原因在于，对于原始数据，高度智能的设备会从中提取出表达能力强、具有高阶语义的特征，而正是这些特征使得具有更好的分类效果。

3.3 推动思维变革

安防领域应用人工智能中的图像识别技术不仅带来了视频监控实战物理变化，更是促进了传统安防思维的变革。在以往的实际安防工作中主要采用比较传统的方式，包括调查访问、排查摸底、蹲点守候等。但是目前公安在办案时首先想到的是对犯罪嫌疑人开展人像比对、智能分析、轨迹还原、预警布控等现代人工智能技术手段。可以说AI技术推动了新时代安防工作的智慧化转型和升级。

4 智能安防发展趋势

4.1 前端设备不断发展

首先高清显示技术将会不断发展，如在4K级别整合3D图像，从2D转向3D获取更立体的深度数据，或根据人眼仿生原理使得识别系统和光学系统能够相互实时反馈获得远距离物体的清晰图像，或为了能够在夜间仍具有高品质的监控，可以使用星光摄像机，其具有更高的对比度，同时拥有更好的色彩表现。除了高清显示技术外，前端设备更应向智能化方向发展，即前端设备不应该仅仅具有录像的功能，同时应该有智能分析的能力。

4.2 图像识别算法改进

目前在实际应用中仍有一些限制因素会导致对人、车识别的准确率降低，未来在图像识别算法准确率提高方面具有很大的发展空间，在实际应用场景中，会有许多因素影响着算法精度，有时算法精度之间只差几个百分点，但是错误的识别率就能达到几倍以上。很小的差距会直接导致该项技术可用和不可用，因此图像识别与处理的算法也越来越复杂，要求越来越高，未来技术发展要不断提高算法的精度。同时考虑算法在实际应用中准确率，只有在实战中才能获得用户最真实的需求。让行业用户积极主动地摸索和钻研这些技术和产品在实战中的应用情况，并依据实际应用结果如实反馈一些建设性、创造性的意见和建议，开发者和实际应用者一起在实战中不断改进产品和技术，共同解决技术落地的难题。不断地改进算法，使精度不断上涨、客户的工作效率不断提升。

4.3 多维数据融合

当前的智能分析大多是以单一的场景进行图像识别和数据分析，缺少大范围场景的关联行为分析，这在一定程度上，限制了AI安防在一些业务场景领域发挥出最大价值。而多维数据融合分析则是为大范围场景业务而生，并且更贴近实战应用需求。无疑，公安、交通、平安城市等行业应用实战需要平台级的多维数据融合分析技术。例如，对于警务侦查领域，由于单一维度的数据分析难以落地人员身份，所以也已经无法解决当下的警种工作实际需求。同时，也无法对运动目标进行全面刻画，形成轨迹追踪难、预警难的问题，而且单一维度的侦查和管控手段容易被规避。此外，动态人脸识别中存在错误率，即便很小只有百万分之一，也会导致系统报错率太高而失去实用价值。虽然提高人工智能算法和芯片识别率能降低错误率，但是并不能完全使该问题得到解决。若想解决此类问题，还需要扩充数据维度，即可以将视频数据与手机定位数据、消费数据或者社交软件中的数据整合，通过多维数据联合分析使识别效果更加显著。

5 总结

整体来看，随着安防领域图像识别技术的快速发展，智能安防已经得到了越来越广泛的应用，并且可以细分为公安、交通、司法、教育等多种行业应用，在未来，对于智慧景区类的新兴场景，智能安防可以帮助工作人员检测物品遗留问题、统计客流量甚至实现智能化巡检等问题。在AI领域中，图像识别技术占有非常重要的地位，目前已经应用于人类生活的多个方面，AI与安防的结合更是给人们的实际生活带来了巨大的帮助。

[1]肖潇.深耕计算机图像识别技术“AI+安防”助力服务实战应用[J].中国安防，2018（9）：20-23.

[2]任晓瑞，陈晓磊.安全关键系统中操作系统的安全分析[J].航空计算技术，2020，50（3）：117-121.

[3]倪伟东，武利会，王俊丰.基于自主安全芯片的配网自动化系统网络安全防护及硬件加速[J].电力科学与技术学报，2020，35（3）：166-172.

[4]李楠.考虑安全规范的电动汽车安全问题综述[J].环境技术，2020，38（3）：216-223.