人工智能將在司法安防大展拳腳

□ 文/何　遙

司法部門對維系社會的安全穩定起著至關重要的作用，而安防在其中扮演了重要角色。以獄所來說，隨著社會治安形勢和押犯結構的變化，監獄安全穩定面臨著新的考驗和挑戰。在推進監獄治理創新過程中，司法部門要求牢固確立信息主導警務理念，堅持問題導向，強化實戰引領，注重科技創新，構建以指揮中心為中樞，智能管理大平臺為依托，監、測、控、處信息技術為支撐的“全方位、多層次、一體化”安全技術防范新體系，有些地區基本實現了“精準感知、超前預警、整體聯動、有效管控”。將人工智能（AI）應用于司法安防，成為新的趨勢。

從人防到技防，AI才露尖尖角

傳統的安全防范體系里，對人的依賴度比較強。監獄在投入大量的財力、物力建設安防工程后，不僅沒能有效地緩解基層的警力緊張問題，反而加劇了這種態勢。直到智能分析技術出現后，尷尬的局面開始得以緩解。

在充分考慮監獄警力資源的限制等原因之下，監獄建設智能監控系統，能夠實時對監控圖像作出分析，以具體的監控情況劃分重點區域，進行運動物體檢測。在有異常運動物體出現時提示值班干警進行監控，這樣能有效的分辨出需要重點監視的監控視頻圖像，使其提高監控效率與精確度，提前防范突發事件。

目前公檢法系統都在高調宣傳“向科技要警力”。司法部門的領導在多個場合強調今后一個時期要著力抓好“建設完善安全防范系統，實現安全防范智能化”。從各省市的安防投標文件來看，智能分析功能已然成為監控攝像機打入監獄市場的先決條件。

如今，隨著新一代人工智能的發展，攝像頭采集、大數據分析、人臉識別等技術越來越多地被用于司法安防領域中。從犯罪高發地預測到潛在罪犯預警，從協助審訊嫌疑人到輔助司法量刑，逐漸利用機器學習和深度學習算法預防和打擊犯罪。

AI在司法安防中將大展拳腳

通過機器學習進行預測與布控

犯罪發生區域的預測，有利于警方合理安排警力。現實當中，地方警局的人手和工作時間都是有限的。傳統的巡邏相對而言效率不是很高，現在利用算法和機器學習，就可以幫助警局安排警力資源，提升打擊犯罪的效率。

20世紀90年代，紐約市就曾用數據信息來預測哪些地鐵站是犯罪高發區。隨著人工智能的發展，世界上已經有一些國家和地區開始利用最新的機器學習算法預測犯罪。他們在城市里安裝了可以檢測槍聲的聲音感應器收集數據，加上城市路邊的攝像頭數據，通過機器學習算法做了一個“罪案預測系統”，能預測搶劫、槍擊案的罪案地點。

通過機器學習預測潛在犯罪

通過機器學習技術，除了能預測犯罪高發地區，還能預測出有可能會出現的罪犯。通過收集犯罪案例，使用機器學習方法，將這些數據“喂給”電腦程序，包括年齡、性別、郵編、第一次犯罪的年齡以及一長串先前可能相關的犯罪記錄（酒后駕車、虐待動物、涉槍犯罪等）。通過機器學習，得出哪些人是重復犯罪，需要監禁哪些二次犯罪風險較高的人。甚至，基于環境以及新生兒父母的過往，在一個人出生的時候就預測出他/她是否會在年滿18歲時犯罪。

比如，警方拿出“預測罪犯熱點名單”告訴警員，附近街區最有可能犯罪的前 20 名嫌疑犯名字和照片，甚至可以具體到這樣的程度：“此人可能在 18個月內有 25% 的可能性參與暴力事件。”根據芝加哥警局透露的信息，這個名單已經有 400 人。上榜的人不一定有犯罪史，住在罪案高發地地區，或者朋友、家人有人犯罪的，都是這個名單背后的算法考慮的因素。

人工智能測謊儀協助審訊

傳統的測謊儀對于有一定“經驗”的犯罪嫌疑人而言，有相當大的局限性。審訊過程中，利用人工智能技術（包括人臉識別、語音識別、語義識別、形態識別、生理探測、智能決策等）可以更加精準判斷嫌疑人是否在說謊。通過攝像頭捕捉人臉關鍵點，配合非接觸式傳感器分析性別、微表情、膚質、顏色、局部溫度、心率、語音等神經、生理的外在表現，根據對應的唯一關系，反推心理，探測出內心的傾向，相比傳統的情緒識別更進一步。

利用生物識別技術搜索追蹤嫌疑人

生物識別技術又可分為很多種，如人臉識別，指紋識別，虹膜識別，步態識別等等，在一些場景中根據需求會混合使用這些技術。以人臉識別為例，人臉識別技術是基于人的臉部特征信息進行身份識別的一種生物識別技術，包括人臉圖像采集及人臉檢測、人臉特征提取，以及特征相似度匹配與識別等過程。在種類身份識別領域，人臉識別不僅具有唯一性與低可復制性，還具有非強制性、非接觸性、并發性等特點。人臉也是人類在自然環境中最主要的身份識別基礎。

人臉識別，尤其是動態人臉識別技術，有助于安保系統在動態的人群中高效、迅速鎖定犯罪嫌疑人并部署抓捕，打擊犯罪。深圳威富科技、川大智勝等一批安防企業都在這方面頗有建樹。

特別值得注意的是，由于人工智能的發展，包括人臉識別在內的安防技術進入主動安防的時代，在司法中的應用也相應地將發揮更大的能動性。