大數(shù)據(jù)時代下的智能安防淺析

■文/公安部科技信息化局安全技術(shù)防范工作指導(dǎo)處 姚德生

關(guān)鍵字：人工智能 大數(shù)據(jù) 智能安防 視頻監(jiān)控

1 引言

2016年，谷歌DeepMind研發(fā)的AlphaGo在圍棋人機大戰(zhàn)中戰(zhàn)勝韓國九段棋手李世石，這一舉世矚目的歷史性事件徹底激發(fā)了社會各界對人工智能的熱情，將人工智能的研究及其應(yīng)用等領(lǐng)域推向了一個新的高峰。雖然同二十年前的“深藍”大戰(zhàn)加里·卡斯帕洛夫一樣，在2016年這場人機大戰(zhàn)中，與新聞界進行對話交流的主要是失利方李世石以及谷歌DeepMind研發(fā)團隊人員，因為機器人仍然不具備像人類一樣進行反應(yīng)的能力。但是，借助于深度學(xué)習(xí)這雙強大的翅膀，人工智能實現(xiàn)了里程碑式的發(fā)展，這也使得許多人相信深度學(xué)習(xí)將引領(lǐng)人工智能進入通用AI時代。

一時間，人工智能的熱潮涌入人們生活的方方面面。從發(fā)展方向來看，人工智能已經(jīng)被國家列為“引領(lǐng)未來的戰(zhàn)略性技術(shù)和經(jīng)濟發(fā)展新引擎”，大到產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級和產(chǎn)業(yè)布局調(diào)整，小到社會管理、生產(chǎn)運營、服務(wù)民生等諸多方面，人工智能都被視作“銀彈”。所謂“銀彈”思維，來源于Fred Brooks 在1987年發(fā)表的一篇關(guān)于軟件工程的經(jīng)典論文，該論述強調(diào)在軟件開發(fā)過程中沒有銀彈，即沒有萬能的殺傷性武器，只有各種方法綜合運用，才是解決之道?！盁oAI，不安防”成為眾人熱議和媒體報道的焦點。國家通過《新一代人工智能發(fā)展規(guī)劃》（國發(fā)〔2017〕35號）和《工業(yè)和信息化部關(guān)于印發(fā)〈促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018-2020年）〉的通知》（工信部科〔2017〕315號）等文件對安防領(lǐng)域人工智能技術(shù)應(yīng)用提出了明確的要求，其核心在于推動構(gòu)建公共安全智能化監(jiān)測預(yù)警和控制體系，提出要“重點培育和發(fā)展視頻圖像身份識別系統(tǒng)，支持生物特征識別、視頻理解、跨媒體融合等技術(shù)創(chuàng)新，發(fā)展人證合一、視頻監(jiān)控、圖像搜索、視頻摘要等典型應(yīng)用，拓展在安防、金融等重點領(lǐng)域的應(yīng)用”。

近十年來，在平安城市建設(shè)深入推進的過程中，我國安防行業(yè)一直將智能化作為發(fā)展的主要方向之一，在視頻前端感知、視頻數(shù)據(jù)結(jié)構(gòu)化以及后端大數(shù)據(jù)挖掘、深度學(xué)習(xí)、分析研判、預(yù)測預(yù)警等技術(shù)應(yīng)用方面取得了較大進步，不少技術(shù)應(yīng)用走在了行業(yè)領(lǐng)域的前列。然而對于新一代人工智能的要求來講，這些成果仍是初步和粗淺的，由于目前缺乏對人工智能系統(tǒng)理論和標(biāo)準的研究，以至于許多企業(yè)把智能化發(fā)展的一些初級成果當(dāng)成人工智能去宣傳和渲染，過度商業(yè)化的炒作不僅會混淆概念、誤導(dǎo)市場，有時甚至連自己也會產(chǎn)生方向性錯覺。試問：我們真的理解人工智能嗎？真的掌握了其核心算法及關(guān)鍵技術(shù)嗎？真的擁有了足夠可用的大數(shù)據(jù)嗎？

2 人工智能及大數(shù)據(jù)

2.1 人工智能的概念

人工智能（Artificial Intelligence），英文縮寫為AI，是研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門技術(shù)科學(xué)。人工智能是計算機科學(xué)的一個分支，它試圖了解人類智能的本質(zhì)和運作機制，并研究開發(fā)出一種能以人類智能相似的方式做出反應(yīng)的機器人。人工智能領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能自誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域不斷擴大。隨著研究的不斷深入，人工智能已經(jīng)可以對人類的意識、思維的信息過程進行簡單模擬。不過，人工智能還是有別于人類智能，人工智能的定義包含兩個部分，即“人工”和“智能”，“人工”是指人類設(shè)計制造，“智能”則具有豐富的內(nèi)涵和外延。實際上，目前人類對于自身智能的認識非常有限，對人類智能的本質(zhì)和運作機制的理解并不徹底，所以當(dāng)前的人工智能仍處于初級階段并將長期處于初級階段，也許在未來有一天可以達到甚至超過人類智能。

2.2 人工智能的技術(shù)“網(wǎng)紅”

近年來，人工智能領(lǐng)域特別是圖像識別和語音識別取得了突破性進展，主要歸功于深度學(xué)習(xí)（Deep Learning）的巨大發(fā)展，深度學(xué)習(xí)也成了當(dāng)前人工智能研究領(lǐng)域的“網(wǎng)紅”技術(shù)之一。

深度學(xué)習(xí)來源于人工神經(jīng)網(wǎng)絡(luò)的研究，其動機在于建立、模擬人腦進行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，其實質(zhì)是一種特定類型的機器學(xué)習(xí)，自2006年被正式提出，在近幾年取得了突破性的進展，讓我們真切地感受到人工智能給人類生活帶來改變的潛力。因為人工智能的真正挑戰(zhàn)在于解決那些對人來說很容易執(zhí)行、但很難形式化描述的任務(wù)，比如識別圖像中的人臉或人們所說的話。對于這些問題，我們?nèi)祟愅梢詰{直覺輕易地解決。為了應(yīng)對這些挑戰(zhàn)，研究人員提出了深度學(xué)習(xí)，即讓計算機從經(jīng)驗中學(xué)習(xí)，并根據(jù)層次化的概念體系來理解世界，而每個概念通過與某些相對簡單的概念之間的關(guān)系來定義。深度學(xué)習(xí)可以理解為：層次化計算機構(gòu)建的較簡單概念來學(xué)習(xí)復(fù)雜概念，如果繪制出表示這些概念之間關(guān)聯(lián)關(guān)系的一幅圖，我們將得到一張具有一定“深度”（層次較多）的圖。由此，我們稱這種方法為AI深度學(xué)習(xí)。

形象地說，機器學(xué)習(xí)的方式就類似于呀呀學(xué)語或小兒識字，要教嬰幼兒喊爸爸媽媽或者認識一個字，必須要反復(fù)聽說并模仿或觀看并讀寫，經(jīng)過多次重復(fù)形成強關(guān)聯(lián)性的記憶，當(dāng)達到一定的程度自然就會了。同樣，要讓計算機識字，首先也要讓它反復(fù)觀看一個字的圖案，還要教計算機通過自己“大腦”分析特征并總結(jié)分類，以后計算機再碰到類似的圖案，只要符合總結(jié)的規(guī)律，計算機就可以確定該圖案是什么字了。用專業(yè)術(shù)語來描述，給計算機觀看學(xué)習(xí)的圖片稱為“訓(xùn)練數(shù)據(jù)集”；“訓(xùn)練數(shù)據(jù)集”中，不同類別數(shù)據(jù)之間具有不同的屬性，稱為“分類特征”；計算機分析特征并總結(jié)分類的過程，稱為“建立模型”；計算機分析總結(jié)出來的模型，稱為“模式”；計算機通過反復(fù)觀看學(xué)習(xí)，分析特征并總結(jié)分類，最后完成文字識別的過程，稱為“機器學(xué)習(xí)”。

不難看出，機器學(xué)習(xí)的關(guān)鍵環(huán)節(jié)是“建立模型”，這也是傳統(tǒng)機器學(xué)習(xí)的真正挑戰(zhàn)和技術(shù)瓶頸所在。深度學(xué)習(xí)把機器要學(xué)習(xí)的“訓(xùn)練數(shù)據(jù)集”交給一個復(fù)雜的、多層的深度神經(jīng)網(wǎng)絡(luò)處理，經(jīng)過該網(wǎng)絡(luò)篩選得到數(shù)據(jù)結(jié)果并檢查結(jié)果是否符合預(yù)期。如果符合預(yù)期，就將這個網(wǎng)絡(luò)作為適用“模型”；如果不符合預(yù)期，就調(diào)整參數(shù)配置，直到輸出結(jié)果符合預(yù)期為止。這就意味著，深度學(xué)習(xí)是機器自己通過分析總結(jié)并“建立模型”，其工作原理和機制更加貼近于人腦學(xué)習(xí)過程，實踐亦表明深度學(xué)習(xí)的算法性能優(yōu)于其它傳統(tǒng)機器學(xué)習(xí)算法。

2.3 為什么需要大數(shù)據(jù)？

世間一切事物都包含靜態(tài)的信息數(shù)據(jù)，此外任何事物的活動都在產(chǎn)生數(shù)據(jù)，而且這些數(shù)據(jù)都是有意義的，這為深度學(xué)習(xí)提供了大量的數(shù)據(jù)基礎(chǔ)。同時，計算機硬件性能和網(wǎng)絡(luò)傳輸速度的不斷提升，云技術(shù)的蓬勃發(fā)展，以及人工智能的算法和技術(shù)的飛速發(fā)展大大降低了分析大量數(shù)據(jù)所需的門檻，從而使大數(shù)據(jù)的應(yīng)用普及成為可能，推動信息數(shù)據(jù)成為繼物質(zhì)、能源之后的第三大戰(zhàn)略資源。

深度學(xué)習(xí)的前提條件是擁有足夠可用的訓(xùn)練數(shù)據(jù)，任何一個人工神經(jīng)網(wǎng)絡(luò)搭建完成以后，只有通過各種類型訓(xùn)練數(shù)據(jù)的檢驗，才算完成對實際應(yīng)用場景的模擬。而大數(shù)據(jù)可以為深度學(xué)習(xí)提供訓(xùn)練數(shù)據(jù)，基于數(shù)據(jù)，可以觸摸、理解和逼近現(xiàn)實復(fù)雜系統(tǒng)，這就是需要大數(shù)據(jù)的根本原因。

同時，大數(shù)據(jù)的重大價值和現(xiàn)實意義還體現(xiàn)在：大數(shù)據(jù)是提升國家治理能力的新途徑，政府可以透過大數(shù)據(jù)揭示政治、經(jīng)濟、社會事務(wù)中采用傳統(tǒng)技術(shù)難以展現(xiàn)的關(guān)聯(lián)關(guān)系，并對事物的發(fā)展趨勢做出準確預(yù)判，從而在復(fù)雜情況下做出合理、優(yōu)化的決策；大數(shù)據(jù)是促進經(jīng)濟轉(zhuǎn)型增長的新引擎，大數(shù)據(jù)與實體經(jīng)濟深度融合，將大幅度推動傳統(tǒng)產(chǎn)業(yè)提質(zhì)增效，促進經(jīng)濟轉(zhuǎn)型、催生新業(yè)態(tài)，同時，對大數(shù)據(jù)的采集、管理、交易、分析等業(yè)務(wù)也正在成長為巨大的新興市場；大數(shù)據(jù)是提升社會公共服務(wù)能力的新手段，通過打通各政府、公共服務(wù)部門的數(shù)據(jù)，促進數(shù)據(jù)流轉(zhuǎn)共享，將有效促進行政審批事務(wù)的簡化，提高公共服務(wù)的效率，更好地服務(wù)民生，提升人民群眾的獲得感和幸福感。

3 大數(shù)據(jù)時代下的人工智能應(yīng)用于安防領(lǐng)域

3.1 “如魚得水”

過去的20年高速發(fā)展中，安防行業(yè)經(jīng)歷了從模擬到數(shù)字、從數(shù)字到高清的發(fā)展變革，2017年迎來了“安防AI元年”。雖然人工智能總體水平仍處于初級階段，但這并不妨礙人工智能在特定領(lǐng)域（比如安防領(lǐng)域）得到廣泛的應(yīng)用并且取得巨大成功。

實際上，人工智能具有天然在公共安全視頻監(jiān)控的圖像信息分析處理中落地的場景、需求和應(yīng)用，在該領(lǐng)域中人工智能技術(shù)主要應(yīng)用于人體檢測、人臉識別、人臉特征識別，車輛檢測、車牌識別、車輛特征識別，行人特征識別，人員軌跡分析，行人步態(tài)識別，人群密度分析等場景，通過人工智能技術(shù)將前端采集的視頻圖像進行自動化解析，由機器自動完成非結(jié)構(gòu)化的視頻圖像數(shù)據(jù)向準結(jié)構(gòu)化或結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換，再通過模式匹配，實現(xiàn)身份識別、分析研判、預(yù)測預(yù)警等功能，充分發(fā)揮了視頻監(jiān)控圖像信息的實戰(zhàn)價值。其中，基于模式匹配的人臉識別智能系統(tǒng)在公安實戰(zhàn)中大放異彩，人臉識別主要分為靜態(tài)人臉比對和動態(tài)人臉識別比對，在公安實戰(zhàn)中主要用于布控排查、邊境防控、犯罪嫌疑人識別、司法人臉鑒定、重點場所門禁等場景，在實際應(yīng)用時都需要面對海量的視頻數(shù)據(jù)，通過基于大數(shù)據(jù)的智能視頻監(jiān)控系統(tǒng)協(xié)助一線民警實現(xiàn)分析研判及預(yù)測預(yù)警，在一定程度上將基層警力從繁重的視頻圖像分析工作中解放出來，對于全面深化公安改革，釋放警力，實現(xiàn)改革強警、科技興警的目標(biāo)具有重要的現(xiàn)實意義。

3.2 “道阻且長”

雖然目前人工智能在安防領(lǐng)域得到廣泛的應(yīng)用并取得巨大成功，但是仍處在自然界最低級生物的智能都能夠超過我們最智能機器人的階段，人工智能技術(shù)研究與應(yīng)用還有很長的路要走。當(dāng)前，智能安防主要存在以下問題：一是目前人類科學(xué)對于自身智能的認識非常有限，對人類智能的本質(zhì)和運作機制的理解并不透徹；二是深度學(xué)習(xí)算法技術(shù)瓶頸逐漸凸顯，當(dāng)數(shù)量級飽和之后，圖像分類的精確度和規(guī)模不再呈現(xiàn)線性關(guān)系，大規(guī)模深度學(xué)習(xí)無法進一步提升模式識別的能力；三是數(shù)據(jù)治理體系遠未形成，原始數(shù)據(jù)資源豐富，然而數(shù)據(jù)壁壘依舊存在、法律法規(guī)發(fā)展滯后，制約了數(shù)據(jù)資源中所蘊含價值的挖掘與轉(zhuǎn)化；四是在安防行業(yè)中，許多企業(yè)把智能化發(fā)展的一些初級成果當(dāng)成人工智能去宣傳和渲染，進行過度商業(yè)化的炒作，卻忽視了將產(chǎn)品和技術(shù)落地。

面對當(dāng)今及未來愈演愈烈的公共安全威脅和日益嚴峻的治安管理態(tài)勢，智能化自動化必將成為安防行業(yè)未來的發(fā)展趨勢，智能安防的發(fā)展形勢只會越來越好。針對上述問題，筆者認為：一是研究人員要不斷加強基礎(chǔ)科學(xué)研究，助力人工智能領(lǐng)域取得新的突破性進展，同時要不斷加強技術(shù)創(chuàng)新和算法融合，促進物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算與機器人等技術(shù)的融合應(yīng)用；二是管理人員要不斷完善體制機制，穩(wěn)步推進國家大數(shù)據(jù)戰(zhàn)略和公安大數(shù)據(jù)戰(zhàn)略的實施，建設(shè)自主可控大數(shù)據(jù)技術(shù)體系和產(chǎn)業(yè)生態(tài)，構(gòu)建完整的數(shù)據(jù)治理體系，為全面推進大數(shù)據(jù)的綜合應(yīng)用注入強大動力；三是企業(yè)人員要堅持實戰(zhàn)應(yīng)用為主，以公安業(yè)務(wù)為核心，拓寬實戰(zhàn)產(chǎn)品深度，整合智能安防解決方案，大力推進產(chǎn)品、解決方案與公安實戰(zhàn)應(yīng)用的融合，在自己擅長的領(lǐng)域深耕，拋棄紛繁的概念炒作，將產(chǎn)品和技術(shù)落地，踏踏實實解決具體的智能安防領(lǐng)域問題。

4 結(jié)語

迎來第三次高峰的人工智能是幸運的且具有巨大魔力，此次人工智能熱潮不僅獲得了國家相關(guān)政策支撐，而且吸引了大量社會資本的投入，其中安防行業(yè)更是當(dāng)仁不讓，智能安防成為人工智能開花結(jié)果的成功典型。然而，通過冷靜反思，我們發(fā)現(xiàn)深度學(xué)習(xí)熱度已經(jīng)大大下降，人工智能的這一輪風(fēng)口日漸疲軟。正如墨菲定律所說：如果事情有變壞的可能，不管這種可能性有多小，它總會發(fā)生。所以在筆者看來，人工智能的第三個冬天一定會來臨，而且會來的比我們想象的要早。無論人工智能領(lǐng)域是處于高峰還是處于低谷，希望各位安防從業(yè)人員都能不忘初心、砥礪前行，要摒棄“銀彈”思想和一勞永逸觀念，腳踏實地解決智能安防領(lǐng)域依舊存在的問題，主動構(gòu)建、優(yōu)化與生態(tài)圈合作伙伴的關(guān)系，共同營造共生、互生、再生的局面，合力持續(xù)推動智能安防行業(yè)不斷向前發(fā)展，助推公安改革工作，為維護公共安全和社會穩(wěn)定、為我國社會治安綜合防控體系建設(shè)貢獻自己的力量。