AI智能分析在學校安防中的使用

趙耀

人工智能（Artificial Intelligence），也就是常說的AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

人工智能是計算機科學的一個分支，它試圖理解智能的本質是什么，并在此基礎上，生產出一種模擬人的智慧思考的一種智能機器。這個方向的研究包括很多不同的領域，如機器人技術、圖像語音識別、自然語言處理（NLP）以及無人駕駛等。人工智能技術已經提出很久，因為大數據與機器學習的蓬勃發展，使得理論和技術越來越成熟，應用領域也在不斷進行拓展。能夠想象得到，未來人工智將給人類帶來更多的便利，相應的技術產品也必將成為人類智慧的“容器”。

傳統意義上的人工智能主要是指“人工智能之父”McMcarthy以及一些其他不同學科的專家在1956年Dartmouth大學召開會議時提出的一種概念，現在已經成為一門計算機學科。

當前人工智能己在如下一些領域和方向取得了深入的應用和發展：機器人，金融，零售，無人駕駛，智能醫療等。但是隨著國內國外恐怖主義抬頭，傳統的監控已經不能滿足目前的需求，本文主要從以下幾個方案來闡述AI智能分析特別是人臉識別和動作識別在校園市場的使用。

一、傳統的視頻監控的特點與痛點

傳統視頻監控雖然已經可以實現回放，并將監控數據存儲一段時間，甚至能夠通過無線網絡實現遠程通信，但是依然不能實現目標識別，無法對一些目標信息進行主動判斷，如智能識別盜賊與路人。現階段，要想實現目標信息的全方位監控，依然需要在現場對可疑目標進行檢索查證，這樣就需要大量的工作人員時刻關注監控視頻的動向，來完成對實況目標的監測。對于已經發生的事故，需要對監控視頻回放，查找相關可疑人員、目標線索等。這種傳統的監控方式顯然會造成人力資源的大量消耗。而且人為操作的一個缺點就是，可能會因為操作人員疏忽而錯過重要的信息，導致一些本可以避免的悲劇發生。

所以由于傳統的視頻監控系統缺乏智能，在很大程度上依賴于人的判斷。然而，人類有著自身難以克服的弱點，比如：（1）人力有限，由于人類自身一些弱點，使得反應速度與處理速度可能在某些時候有局限，就會導致有些時候不能時刻監控目標信息。（2）人的主觀能動性，由于人類具有主觀思考的能力，所以有的時候人類做出的決定可能是不正確的，甚至有的時候不能及時發現威脅，從而錯過最佳處理時間。

綜上所述，在一些較大規模的視頻監控的情形下，AI智能分析變得快速高效，當系統具備一定的分析能力之后，就有可能成為輔助人類工作的一種不可或缺的技術。有時候巨大的人力物力資源的投資，并不能改善人類自身存在的一些弱點，這樣就有可能造成資源浪費。以學校為例，傳統的視頻監控智能被動防御，即記錄發生的事情，而不能在事故發生之前主動介入，有時會發生一些不必要的悲劇與糾紛。

二、人工智能在視屏監控的表現

人工智能可以智能分析監控屏幕中感興趣的目標視頻，提取可疑的人物、車輛、物體等目標信息，生成結構化語義描述，實現對特定目標的快速定位、查找和檢索。人工智能在視頻內容的特征提取和內容理解方面具有天然優勢。前端攝像頭內置人工智能芯片，就可以對視頻內容、移動對象進行實時分析與檢測，識別人和車輛屬性信息，并將信息傳輸到后端人工智能云服務器進行數據存儲。將大量的城市信息收集聚合之后，可以利用云服務器強大的計算能力進行智能分析。人工智能可以對可疑人物的信息進行實時分析與判定，因此可以給出最有可能的建議，及時鎖定嫌疑目標的動向，節約事故處理時間。其強大的交互能力也可以用自然語言與人交流，真正成為學校管理方面的專家助理。

AI智能視頻技術可以在很多地方得到應用。主要應用在以下幾個：

1.高級視頻移動檢測：在復雜天氣條件（如雨、雪、霧、大風等）下，準確檢測和識別單個或多個物體的運動，包括運動方向和運動特性。

2.對象跟蹤：檢測到移動的對象后，根據對象的運動情況自動發送PTZ控制命令，使攝像機能夠自動跟蹤對象。當該物體超過攝像機的監視范圍時，會發送信息給臨近區域的攝像機進行繼續監視。

3.人臉識別：自動識別人臉特征，通過與數據庫人臉信息進行比對，能夠驗證出目標人臉信息。這種類型的應用程序可以分為兩類：“合作類型”和“非合作類型”。“合作類型”應用程序要求監視器在攝像機前停留一段時間，通常使用訪問控制系統。“不合作類型”指的是人群中的特定個體。這些應用程序可以在機場、火車站和體育場等安全應用程序中發揮重要作用。

4.車輛識別：識別車輛的形狀、顏色、車牌號碼等特征，并將其反饋給監視器。這種類型的應用程序可以用于諸如被盜車輛跟蹤之類的場景。

5.非法停留：當物品（如盒子、包裹、車輛、人員等）在敏感區域停留過長或超過預定時間時，會產生報警。典型應用場景包括機場、火車站、地鐵站等。

6.交通流控制：用于監測道路交通狀況，如車輛通過次數、平均車速、違規停車、故障車輛等數據。

人工智能AI可以通過收集的信息進行大數據分析，得到管理者所需要的信息。

三、AI監控在學校監控的應用模式

進校，在學校門口安裝道閘機，進行人臉識別，由于智能監控能夠通過人臉來識別學生，同時可以通過學生行為，衣著的識別，可以快速地檢查學生行為衣著是否合規，如果不合規迅速記錄到數據庫中，為學校對學生考核打下數據基礎，不需要值周老師進行一對一統計，減輕學校老師的負擔

1.行為管理，通過教室里安放行為和人臉識別設備，通過分析，可以對學生的坐姿、聽課程度、自習課紀律、書寫進行分析，對不符合行為規范的學生進行記錄，然后把學生的圖片直接發送到老師的手機上，減少中間環節，直接提高班級管理效率。

2.校園安全，對于危險地方，池塘、墻頭、上下樓梯地方可以設置周界報警，越線報警，當學生進入危險區域，可以產生報警信號，同時聯動學校廣播系統，對進入危險區域的學生進入警報。學生放學時，如果產生上下樓擁擠，也可以產生警報。

3.就餐，學生進入食堂直接進行人臉識別，然后系統會根據學生的身體狀況，進行合理化的菜單推薦，當學生選定菜單以后可以進行人臉識別付款。

4.放學，學生放學離校以后可以進行人臉識別通過門禁。

由以上流程可以看出，人工智能監控可以將學生在學校的一天的行為習慣，記錄成數據，未來如果和學生的成績、作業等方面結合起來，必然產生巨大的效果。

四、智能分析面臨的問題及未來發展趨勢

1.智能分析技術的難點

智能分析技術面臨的難點是：智能分析的準確率、智能分析對環境的適應性及不同場景使用的復雜性。

（1）檢測精度未達到預期結果。視頻分析的準確性在某些地方很難達到人類識別標準。

（2）智能分析對識別場景具有較高的要求，光的變化會導致目標顏色和背景顏色的變化，有可能導致錯誤檢測與跟蹤。不同的顏色空間可以減輕光照變化對算法的影響，但這種影響并不能完全消除。

（3）安裝調試復雜。智能分析應用程序幾乎都需要為每個應用程序場景執行不同的參數調試，并涉及大量的專業參數調試。非專業人員根本無法調試出最理想的結果。

2.大數據與智能分析的融合

大數據與視頻監控具有天然的聯系，據統計，每天全國新產生的視頻數據達PB級別（PB=1024T），占全部大數據份額的50%以上，因此視頻就是大數據。在安防領域，主要的數據來源是視頻，與其他行業結構化的數據不一樣，視頻本身就是一種非結構化的數據，不能直接被計算機進行處理或分析。因此，安防要進行大數據應用，首先就要采用智能分析技術將非結構化的視頻數據轉換成計算機能夠識別和處理的結構化信息，即將視頻中包含的各種信息（主要是運動目標及其特征）提取出來轉成文字描述并與視頻幀建立索引關聯，這樣才能通過計算機來對這些視頻進行快速搜索、比對、分析等。

綜上分析，智能分析具有如下發展趨勢：

（1）算法準確率和環境適應性不斷提高，特別是機器學習、人工智能等技術的不斷進步，促進智能分析應用的大規模部署。

（2）前端智能不斷發展，各種SMART IPC不斷涌現，包括專注某幾種智能分析算法的專用IPC。

（3）智能分析與云計算、大數據的融合應用將越來越多。

五、結束語

目前，視頻的高清化已經成為現實，制約智能分析分辨率的障礙已經消除，未來基于智能分析技術的安防應用將會是安防發展的一個大方向。給視頻裝上大腦，實時看得懂視頻、快速檢索歷史視頻成為新常態。傳統的視頻監控系統將會因為智能分析技術的大規模應用，逐步向智能大數據綜合應用系統發展。這些發展必將對學校的管理產生巨大的影響。

編輯 劉瑞彬