基于AI的非接触式视频监控技术及标准研究

易晓珊/文

随着云计算和大数据技术的发展，基于AI的非接触式视频监控技术能够实现更大规模的应用，为社会安全和治安维护提供更加全面和精细的保障。

传统的视频监控系统依赖人员监控和录像来保证安全。但当监控点过多时，人员监控无法覆盖所有监控场景，而且传统的“被动录像”只能在事件发生后通过录像回放来获取证据，因此，传统的视频监控系统无法提供主动、高效的安全保障。

基于AI技术的视频监控系统可有效解决此类问题。利用AI机器视觉技术，系统通过对摄像机拍摄的图像序列进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，既能完成日常监测管理，又能在异常情况发生时及时做出反应。

基于AI的非接触式视频监控系统架构

基于AI的非接触式视频监控系统由IoT设备接入层、应用功能层以及安全保护层组成，其系统架构，如图1所示。

图1 基于AI的非接触式视频监控系统架构

IoT设备接入层

支持IoT设备的统一连接管理和设备管理功能，提供统一安全的物联网网络接入方式，同时为上层算法和应用屏蔽接入设备的接口差异。

应用功能层

包含AI算法管理、智能算法服务、监测应用和用户展示四个功能模块，其具体功能如下：

AI算法管理为安全监测应用提供访问、利用人工智能算法的能力和资源，并通过智能算法服务模块进行服务管理、状态监控等操作；

智能算法服务根据场景化的智能分析任务，提供相应AI算法或算法组合的智能分析服务能力；

监测应用面向各类应用场景和需求，提供相关的应用功能，如实时预览、历史回放、智能布防、智能分析、告警处置和管理中心等；

用户展示提供用户交互的展示界面，主要用于对应用进行功能和数据展现，例如通过APP、小程序、Web、HTML5等形式。

安全保护层

对用户、数据、系统等提供安全保护能力，应根据具体应用场景选择满足GB/T22239-2019《信息安全技术网络安全等级保护基本要求》中相应等级的安全要求。

基于AI的非接触式视频监控关键技术

戴口罩人脸识别技术

在戴口罩人脸识别技术中，被广泛应用的基于卷积神经网络的深度学习算法，通过预处理、检测分割、特征提取、特征补偿、特征匹配等步骤，生成一个模拟的完整人脸特征，并将该特征与预先保存在系统中的人脸图片进行匹配，从而判断两个人脸采集数据是否来自同一个人。可采用基于注意力机制的网络来精细控制遮挡信息。同时，可考虑使用多个网络级联的结构，将低级特征和高级特征相结合，提高模型的鲁棒性和准确性。

红外热成像测温技术

在人群密集区域应用红外热成像测温技术具有许多优势。首先，它采用非接触式的测温方法，避免交叉感染的风险。其次，该技术可以快速对大面积人群进行体温排查，节省了人力和时间成本。而且红外热成像测温技术不受光照等环境因素的影响，对不同肤色、不同穿着厚度的人群都具有较高的准确性和稳定性。

在红外热成像测温技术与人脸识别功能相结合的应用中，可见光摄像头捕捉到人脸图像，并与公安部门的身份信息数据库进行联动，这种联动功能可以快速筛查出潜在的病毒携带者，及时采取相应的防控措施，避免疫情的扩散和蔓延。

基于头肩模型的人群密度分析技术

基于头肩模型的人群密度分析是一种高效且准确的非接触式方法，通过梯度计算获取人群图像的边缘信息，确定人员的头肩区域，再通过统计头肩区域内的个体数量和区域面积，就可以估算人群的密度。为提高算法的鲁棒性，可对局部直方图进行对比度归一化处理，以适应不同环境下的光照和背景变化。与传统的人工统计方法相比，基于头肩模型的人群密度分析具有更高的效率和准确性。

人体行为识别技术

人体行为识别技术主要依赖于对人体骨骼关键点的识别，这些关键点通常包括头、颈、肩、手臂、腰、膝盖、脚等部位。利用深度学习模型识别人体骨骼关键点，并通过计算关键点之间的角度、距离、方向等信息，推导出人体的姿态和运动轨迹。基于这些信息，实现对人体动作行为的评估，从而提前研判和防御潜在风险，提高对突发事件的应急处理能力。

基于AI的非接触式视频监控标准研究

国内相关标准现状

国内人工智能领域国家标准由全国信息技术标准化技术委员会人工智能分技术委员会（TC28/SC42）牵头开展相关工作，所涉及范围包括人工智能基础、技术、风险管理、可信赖、产品及应用等。团体标准方面，中国电子工业标准化技术协会围绕企业成熟应用实践案例，发布了《人工智能基于深度学习的计算机视觉算法接口技术要求》《人工智能深度合成图像系统技术规范》《智能人体温度检测与识别系统技术要求和测试评价方法》等一批人工智能团体标准。

国内视频监控领域的国家标准和行业标准的制修订工作主要由全国安全防范报警系统标准化技术委员会（TC100）负责。截至目前，该标委会共发布视频监控相关标准40余项，其中国家标准10项，标准内容涉及视频监控的设备规范、系统技术规范以及工程设计规范，对国内视频安防监控系统具有很大的影响力。

公安、通信、邮政、电力、海关、交通等部门或行业也根据自身的实际需求，结合不同的行业应用场景，研制并发布了适用于相应领域的视频监控技术规范。

关键技术标准研究

GB/T30147-2013《安防监控视频实时智能分析设备技术要求》

安防监控系统作为一种重要的技术防范手段，在城市社会治安综合防控体系中发挥着关键作用。GB/T30147-2013是国内首个视频智能分析方面的国家标准，为嵌入式视频实时智能分析设备的设计、生产和检验提供依据。该标准的实施也进一步规范了安防监控嵌入式视频实时智能分析设备，为安防监控视频智能分析技术的发展奠定基础。

GB/T31488-2015《安全防范视频监控人脸识别系统技术要求》

近年来，“平安城市”“智慧城市”和“天网”工程的建设推动了基于人脸识别的智能视频监控技术的发展。GB/T31488-2015统一了安全防范视频监控人脸识别系统的主要指标及相应的测试方法，为安全防范视频监控人脸识别系统的测试与建设提供了基准和依据，有利于促进人脸识别技术在视频监控领域的发展和完善。

T/CESA1035-2019《信息技术人工智能音视频及图像分析算法接口》

随着深度学习等技术与智能安防、智能家居等场景结合程度的持续提高，视频分析领域衍生出了众多需求，如车牌识别、人脸识别、行为分析、场景分析等。T/CESA1035-2019通过定制统一的接口，解决算法接口标准化的问题，实现系统对多种算法的兼容，也避免因缺少统一的算法接口标准导致的开发成本浪费。

T/CESA1108-2020《智能人体温度检测与识别系统技术要求和测试评价方法》

智能人体温度检测与识别系统能自动识别人员是否佩戴口罩，自动检测人员体温，通过人脸识别对发热或未佩戴口罩的情况发出告警提示。T/CESA1108-2020的发布与实施有助于规范智能人体温度检测与识别系统的功能性能指标及外部接口，指导面部温区精准识别、红外图像测温、发热人员区分、接触人员排查等工作，实现对体温异常人员的有效排查，对公共安全行业起到支撑作用。

T/SZS4016-2020《基于AI的工作场所非接触式视频安全监测技术指南》

T/SZS4016-2020是国内首个AI工作场所安全监测技术标准，可为防疫智能系统的研发和建设提供参考。智能安全监测技术在新冠肺炎防控中发挥着重要价值。使用AI技术对视频数据进行结构化处理后，将场景中出现的多维度信息进行深度挖掘，有效支撑高危感染场景的研判与定位、涉疫人员的精准快速回溯以及防控工作的指挥调度等。

基于AI的非接触式视频监控应用前景

人员筛查

利用人脸识别、行为分析等AI算法，可以快速准确地识别出人员是否符合特定的筛查条件，如是否佩戴安全帽、是否携带危险物品等。该技术还可以应用于疫情防控中，通过对人员体温、口罩佩戴等信息的监测，实现对潜在传染源的快速筛查，有助于控制和阻断疫情的传播。未来，还可不断扩展至交通管理、商业安全、社会治安等更多领域，提高安全防范的及时性和应急响应能力。

人员追踪

利用AI深度学习算法对人脸、体态、行为等特征进行有效识别，可以实现对特定人员的辨认和追踪，对于安保、犯罪侦查等领域具有重要意义。通过AI对人群密度分析可以实现对人流量的实时监测和统计，为商场、车站、地铁等公共场所的运营管理及防控提供参考依据。因此，基于AI的非接触式视频监控技术在人员追踪领域具有广阔的前景，极大提高了人员追踪的效率和准确性，为社会安全和管理提供更好的支持。

区域监控

基于AI的非接触式视频监控技术可以根据预设的规则和模型，对监控区域内的事件进行实时分析，自动识别异常事件并进行预警。通过对历史数据的分析和挖掘，预测未来可能发生的事件，提供更加准确的安全预警和决策支持。随着技术的不断进步和应用场景的不断拓展，基于高效性、准确性、实时性等优势，AI的非接触式视频监控技术将为监控系统提供更智能化、更精细化的服务，提高监控区域的安全性和运行效率。

基于AI的非接触式视频监控技术具有广阔的应用前景。随着人工智能和计算机视觉技术的不断发展，该技术将进一步提高识别准确率和处理速度，为人员筛查、人员跟踪、区域监控等领域带来更大的便利和效益，为社会安全和治安维护提供更加全面和精细的保障。