人工智能技术让安防变得更效率、更准确

随着平安城市建设的迅速发展，视频监控点位覆盖率也随着增长，业务的应用也更加复杂，仅依靠有限的人力已无法充分利用所建设的资源。让人工智能胜任一些通常需要人类智能才能完成的复杂工作，协助人工更效率、更准确的完成业务工作已成为大势所趋。

近些年，深度学习的出现大大推动了计算机智能的实际应用效果，特别在视频智能分析方面取得了突出进展，LFW（非受控网络图片数据库）国际人脸识别比赛，机器首次超越人眼识别准确率，2015达到99．55％，准确率还在持续提升，这让深度学习为视频智能分析在平安城市中的应用提供了更多可能。

对于前端而言，看得清，看得远，看得更智能以及满足对各种环境的适应成为主流趋势。对于后端平台而言，随着数据量和数据种类的爆炸性增长，如何在海量视图数据中快速碰撞、提取出有价值的线索，成为主要课题。随着人工智能技术的发展，以视频内容分析识别技术为核心，通过对非结构化的数据进行结构化描述，提取出浓缩和摘要信息，实现快速检索和查找，并通过类似于人类大脑思考一样从而进行大数据分析和信息碰撞成为可能。

安防领域下的人工智能应用

通过大数据技术，可对视频、图片、WIFI信号、电子车牌等不同种类的数据进行分析、碰撞、发现潜在联系，抽取中有价值的信息，并形成可视化结果呈现，下面就一些安防领域下的人工智能大数据应用进行浅谈。

人员分析应用，依托人工智能系统的人员特征识别服务输出的结果，进行数据分析，实现人员身份的识别、人员布防、人脸轨迹等功能。

车辆分析应用，可以满足全地图操作，实现可视化的应用，包括：轨迹分析、跟车分析、碰撞分析、频次分析、套牌分析、隐匿车辆挖掘等功能。

多资源时空应用，可以基于GIS地图的指挥调度，通过地理信息系统实现对各项视频资源进行一体化管理，实现监控图像的直观可视化应用。实现快速调取需要关注的监控点或监控区域图像，实现目标在线追踪。通过视频图层叠加、视频资源搜索和视频定位，将道路情况、资源分布情况、人员分布情况、地理坐标信息、警力部署情况以图形化的形式展示出来，直观的对全局信息进行全面多维的展示，使指挥调度更加直观高效。

视图内容预警、自动告警联动应用，对视频的内容进行自动预警。当触发预先设置的预案后，联动的摄像机将会同时打开监控图像，形成对案发地的监控封锁，同时实时报警。布控智能规则分析功能包括：区域入侵、绊线检测、非法停车、徘徊检测、打架检测、物品遗留、物品丢失、非法尾随、人群聚集、车流统计、车牌特征识别、烟火检测等。

视频实时标注应用，可以利用实时视频进行实时结构化，包括人、车、运动目标进行特征提取，实时视频标注将视频数据转化为公安实战所用的情报，实现视频数据向信息、情报的转化。

人像快速比对查找应用，可对嫌疑人员进行比对，快速确认目标身份，提供智能、精准、快速的人脸比对和完善的视频图像大数据分析挖掘应用。综合解决人像实时追踪监控预警、人员身份快速比对检索核准、人员历史轨迹追踪倒查等查人、找人、预警、追踪等的人员管理监控问题。

视频图像智能研判应用，可以对多种格式视频、图片采用适用于多种场景、多种情况的图像处理算法，实现对模糊图像的清晰化处理。还提供视频智能标注服务和检索服务，实现对视频、图片中涉案嫌疑目标的智能（系统自动提取描述信息）结构化描述，减少人工标注录入的结构化描述信息的工作量，同时满足多种检索方式，提高视频查看的速度和效率，达到快速查找、定位嫌疑目标的目的，减少案事件视频中嫌疑目标信息遗漏的可能。

车辆数据碰撞挖掘应用，可以对卡口图片车辆数据的二次识别，包括车牌号码、车辆品牌、车辆子品牌、车辆年款、车辆颜色、车牌颜色、车辆类型、车牌类型、年检标、遮阳板、安全带等车辆细节信息，将车辆的运行轨迹，活动规律等进行数据碰撞比对，从而挖掘隐藏的案事件线索实现可视化的应用，功能包括：轨迹分析、跟车分析、碰撞分析、频次分析、套牌分析、隐匿车辆挖掘等。

车辆实时布控应用，可针对于被盗车辆、违章车辆、涉案车辆、高危人员车辆、重点车辆等，对特定移动目标对象的特征属性（如车牌号码、车型、颜色、空间区域等）及其组合进行在线即时布控功能。

结语

随着采集手段的不断丰富，数据内容的不断增长，以及技术的不断成熟，智能辅助人工进行工作已经成为必然趋势。这里讲的大数据技术只是人工智能的一个方面体现，相信随着技术的发展，会有越来越多的智能化应用在更多的领域落地，使人工智能不仅在安防领域发挥重要作用，同时借助人工智能在更多领域发挥作用，从平安城市上升到真正的智慧型城市。