视频监控AI 在应急管理中应用研究与实践

徐淑珍，官 静，曹雪松，康翠雯

（天讯瑞达通信技术有限公司研究总院，广东广州 510623）

0 引言

随着社会现代化水平的快速发展，各类突发事件和灾害高发频发，且具有传播迅速、影响巨大、跨领域等特性，严重影响社会稳定和人民生命财产安全。

应急管理部门自2018 年重组改革以来，针对城市应急突发事件，协同政府其他智能部门投入了大量的人力、物力和财力。但是过往的投入更多的是聚焦在灾后救援中，对于应急突发事件的提前感知和防范仍存在诸多不足。2022 年1 月10 日中共中央国务院发布《中共中央国务院关于推进防灾减灾救灾体制机制改革的意见》（简称《意见》），《意见》明确提出要坚持以人民为中心的发展思想，坚持以防为主、防抗救相结合，努力实现从注重灾后救助向注重灾前防范转变，从应对单一灾种向综合减灾转变，全面提升全社会抵御自然灾害的综合防范能力。因此研究新兴技术在预防应急突发事件具有重大的现实意义，这也是当前应急管理工作迫切需求。

视频监控作为采集现场画面、监控实时现状在城市安防中发挥了越来越重要的作用[1]，随着智慧城市的全面铺开，视频监控的覆盖面越来越广。如此海量的视频监控，对于捕捉潜在的应急突发事件和异常大多数还停留在通过值班工作人员肉眼识别手段，效果颇微，工作量大，对于视频监控智能识别和感知急需加强，真正实现从“人盯死守”向“智能感知”转变。

1 视频监控AI 在应急管理中应用的需求和痛点

应急管理部门聚焦自然灾害、安全生产提出了系列视频监控AI 的建设指引和需求，例如，2019 年《安全生产风险监测预警系统地方建设任务书》、2020 年《危险化学品安全生产风险监测预警系统地方建设任务书》中都提到要开展重点区域视频智能识别，利用视频智能分析相关技术，动态感知企业重点场所、关键部位、特殊岗位的安全隐患，对现场异常状况、人员违规违章行为、作业控制措施、设备设施安全隐患等实现视频智能分析；2021 年《危险化学品仓库监测联网和视频存储智能分析地方建设任务书》提出要新增视频智能分析功能，实现企业值班人员脱岗睡岗、受限区域违规闯入、人员超限、异常火点、异常烟雾等的智能识别，并进行分级分类监测预警；2022 年《“十四五”国家应急体系规划》也提到要整合安全生产、自然灾害、公共卫生等行业领域监测系统，汇聚物联网感知数据、业务数据以及视频监控数据，实现城乡安全风险监测预警“一网统管”。

通过分析建设指引、业界研究[2]、应急管理工作的实战要求，本文总结了视频监控AI 在应急管理中的三大核心需求和痛点。

1.1 海量视频监控标签化

来自政府部门、运营商等各方铺设在城市各处海量的视频监控摄像头，时时刻刻都有海量的视频数据被存储，哪些视频数据与应急管理工作相关？视频数据的价值如何？传统的人力肉眼识别不再可行，必须要借助AI 智能化的分析能力，实现视频监控的智能标签化，与应急管理业务相关的如水库、加油站、森林等智能打标签，这些是视频监控在应急管理领域的深度应用，同时也是核心需求之一。

1.2 视频监控的智能预警

围绕大应急的自然灾害和安全生产两大业务域，整合各类监测系统，按照建设指引，通过接入各类应急场景下的视频监控资源，开展视频监控AI 智能分析，动态感知城市内涝点、雨窝点、山体滑坡点和企业重点场所、关键部位、特殊岗位的安全隐患，对恶劣天气如台风、强降雨可能造成的隐患和企业现场异常状况、人员违规违章行为、作业控制措施、设备设施安全隐患等进行视频智能分析和智能预警，并根据异常情况的严重程度分别推送预警信息给企业和各政府监管层级，实现自动化预警及处置闭环。

1.3 视频监控AI 的准确性

大应急场景下涉及诸多场景，业务复杂，监控画面干扰因素繁多，如森火场景下的烟雾画面，与之相似的有雾霾天气的雾霾和三餐时间的烟囱烟雾，这给森火烟雾识别造成了极大的干扰，严重影响森火烟雾识别的准确性，也经常会出现误报。如何提升视频监控AI的准确性，减少误报又不漏报，这是应急管理工作中的又一大核心需求[3]。

2 视频监控AI 在应急管理中的应用方案

为深入贯彻落实应急管理工作预防为主、防抗救相结合的工作思路，围绕上述应急管理工作的核心需求，以视频监控为数据底座，以AI 算法为核心能力，打造AI 智能预警平台，即汇聚和提供大应急领域视频监控资源，聚焦安全生产、自然灾害重点领域的应急场景，进行AI 算法的研发、汇聚、训练和运行，将AI 算法实时运行结果推送至AI 智能预警平台，形成AI 智能场景化应用，提升大应急智能监测预警能力。

面向应急管理的视频监控AI 智能预警平台架构如图1 所示。

图1 面向应急管理的视频监控AI 智能预警平台架构

（1）算力资源池。算力资源池主要是承载视频监控AI 的算力基础设施，为平台提供主机资源池、存储资源池、网络资源池和安全资源池，AI 平台使用容器技术对异构的算法模型在基础设施层进行适配兼容。

（2）算法（DL）框架。算法框架使用国际与国内业界主流的深度学习计算框架，计算框架屏蔽底层高深的数学原理，屏蔽硬件上使用CPU、GPU 还是TPU 的差异，使算法模型研发人员专注于业务模型的建立，计算框架还支持分布式计算模型，可以大大加快模型的迭代速度。

（3）数据中心。数据中心用于存储从各个数据源采集到的图片等多种类型的数据集，还负责存储标签数据和标注数据。在结构化数据存储方面，AI 平台支持关系数据库与分布式文件系统两种数据源类型，关系数据库存放AI 平台的管理数据与标签数据和标注数据等数据，考虑到对可用性、扩展性、数据安全等多方面有较高的性能要求，AI 平台使用业界通用的MinIO 存储图片等非结构化数据。

（4）模型训练中心。AI 平台中可以使用已经标注的数据集和内置的训练算法进行模型的在线训练，可以对模型训练进行可视化的管理，训练完成后得到的模型可以进行评估与进一步的优化。模型训练中心包括两大组成部分：算法库和模型库。数据中心的数据进行标注后，用户可以使用算法库里的算法工具进行算法模型的训练，模型训练后得到的模型会存储在数据中心，这些模型经过模型评估、测试与优化后，在AI 平台中进行统一纳管，同时AI 平台还会引入成熟的开源算法模型形成AI 模型库。

（5）场景中心。利用积累与纳管的算法原子能力，通过封装、编排、组合算法的方式，建立贴合业务场景的服务能力和提供更加丰富与完善的人工智能能力，从而更好地满足客户需求。

（6）开放平台。AI 模型服务成功部署后，服务并不会立即对外开放，算法服务只有通过审批后才能注册到AI 能力开放平台，提供给外部进行调用。AI 能力开放平台作为统一的AI 服务流量管控入口，通过动态路由、安全认证、限流限速、IP 黑白名单控制、监控报警、服务治理等能力控制功能与安全措施，为后端的算法模型服务提供安全屏障，全方位保护AI 服务安全调用。

（7）大应急应用。上层应用聚焦自然灾害、安全生产、城市安全等应急管理领域风险监测业务场景需求，核心研发了烟火识别、积水识别、周界防范等十余个算法模型。

3 视频监控AI 在应急管理中的实践

近年来，某应急管理厅始终坚持没有信息化就没有应急管理能力现代化的核心理念[4]，在应急管理信息化建设项目“一网统管”中汇聚海量政府各部门包括交通、水利、公安等视频监控和运营商乡村视频监控，并创新引入视频AI 智能分析，打造视频智能监管应用系统，推动安全监管智能化升级转型。

某省属于沿海省份，海洋、湖泊、水库等涉水地域较多，同时也是自然灾害高发易发频发之地，每年4—10 月份都属于高度集中的防汛时期，而其中暑假期间涉水地带更是该省关注的重点区域。该省应急管理厅与运营商合作，将运营商自建运营的乡村视频监控全部汇聚到省厅的信息化系统，并通过标签化识别出涉水地带的视频监控，将涉水地带的视频监控进行防溺水AI 分析，一旦有人进入涉水地带平台立刻触发告警，并联动涉水地带周边的大喇叭进行喊话驱散涉水人员，并同步给相关政府部门发送告警短信，确保第一时间将人员撤离，避免造成人员生命安全隐患。

防汛保障结束后便是入冬时节，整体天气偏干燥，应急管理部门高度重视森林防火工作，按照“打早、打小、打了”的工作原则，某厅在森火防范工作中结合无人机和视频监控等技术，引入视频监控AI 包括烟雾识别、烟火识别等，发现告警和异常时，无人机第一时间高空喊话提醒，方便工作人员第一时间了解现场情况，为应急管理监测预警工作提供辅助决策[5]。

4 视频监控AI 在应急管理中的未来挑战

随着海量视频监控数据的汇聚和网络安全监管要求的提高，视频监控AI 在应急管理工作中仍存在诸多挑战，主要包括以下两大方面。

4.1 视频监控AI 对算力的要求越来越高

视频监控是一种大数据形式，处理大规模视频需要强大的算力，分析和处理大量的视频数据需要高性能的计算设备和合适的算法来确保实时性和准确性，在实践中需要不断优化算法和架构，提高硬件效能。

4.2 视频监控数据安全监管越来越严格

视频监控AI 技术通常需要访问和分析大量的视频数据，其中可能包含个人身份、敏感位置或其他隐私信息。因此如何保护这些数据的隐私和安全成为一个关键问题。必须确保仅授权的人员能够访问和处理这些数据，并采取措施避免滥用和未经授权的访问。

5 结语

视频监控作为智慧城市的基础组成部分，已经在应急管理工作中发挥了强大的实战成效，随着大应急管理工作的不断深入，视频监控AI 在自然灾害、安全生产、城市安全等大应急领域具有广泛的应用前景。它不断在推动应急管理监测预警从“人盯死守”向“智能感知”转变，助力实现灾后救援向灾前防范转变，提升应急管理科技信息化水平。然而视频监控AI 的应用仍然面临了诸多挑战，需要综合考虑算力、环境、资源和法律等方面的因素，加强攻关和研究，不断以新技术推动应急管理体系和能力现代化。