人工智能在公安視頻監控領域的應用探討

林文婷 福建省三明市尤溪縣公安局

隨著平安城市的建設，監控視頻已經遍布大街小巷。相關統計結果顯示，在一個中型城市中，監控數量達到幾萬到幾十萬路，每天產生的數據信息相當于幾千億張圖片。針對這些信息，傳統人工處理模式不滿足管理需求，必須構建信息化管理系統。以下結合實踐，探討了人工智能技術在公安視頻監控中的運用。

1 公安視頻監控領域人工智能技術的應用現狀

1.1 車輛識別技術

基于人工智能下，車輛識別技術(VLPR)分為兩種：一是車牌識別，采集車牌信息后，和車輛信息庫相關聯，然后開展相關業務，常用在停車場、電子警察、卡口處。二是車輛特征識別，能獲得車牌以外的信息，例如車輛類型和品牌、車身顏色、車牌類型、安全帶使用情況、司機有沒有用手機等。車輛識別技術，本質上是采用圖像處理、模式識別、計算機視覺等技術，對圖像和視頻進行分析處理，在公安視頻監控領域可實現車輛信息特征、運動軌跡、實時定位等功能，是智慧交通管理的“好幫手”。

1.2 人臉識別技術

人臉識別技術（FR），就是采集人臉的特征信息，然后進行匹配、分析的過程。考慮到人們多處于運動狀態，這就提高了人臉識別的難度，因此公安視頻監控領域，多采用動態人臉識別技術。以人臉抓拍機為例，一般安裝在寬度為2.5-3.5m 的單一通道中，將抓拍照片傳輸至系統，和數據庫進行比對，標注出重點人員、高危人員，實現實時監控、自動報警、聯網布控，從而達到威懾、防范與打擊等多重效能。目前，人臉識別技術在公安視頻監控中的應用，集中在身份認證、人員防控等方面。

1.3 行人再識別技術

行人再識別技術即ReID，是人臉識別技術的重要補充[2]。該技術是利用計算機視覺，判斷圖像或視頻中是否存在特定行人，可以彌補固定攝像頭的視覺局限。在實際生活中，不同攝像設備之間有差異，行人外觀也會受到衣著、姿態、遮擋、視角等因素的影響，應用ReID技術對行人面部以外的特征進行捕捉，從而實現跨鏡頭跟蹤，進而對采集到的數據進行碰撞、挖掘、檢索，在公安視頻監控領域是一種智能分析研判工具，應用前景廣闊。

2 人工智能技術在公安視頻監控中的應用價值

2.1 助力公安偵查

傳統的視頻監控技術，可對視頻進行存儲、回放，但不能對視頻中的人、物進行識別、定位、檢索。人工智能技術的應用，可以提取視頻內容的某個特征，對視頻信息進行更好地理解。實際操作中，在攝像機內置入人工智能芯片，能對運動對象進行自動檢測，提取出屬性信息；然后經網絡傳輸至數據中心，將信息存儲起來。在數據中心，不僅運算能力強，而且人工智能分析后，可在最短時間內獲取有用的信息，例如發現嫌疑人的軌跡、破案線索，助力公安偵查，加快案件偵破速度。

2.2 提高管理效率

人口管理是公安管理的重要內容，隨著經濟社會快速發展，人們的流動性增強，采集人口信息、對人口進行管理，均存在較大的困難。對基層公安而言，如何獲得真實全面的人口信息，實現轄區人口全覆蓋，成為急需解決的問題。利用人工智能中的人臉識別技術，可對小區進出人員進行監控，通過分析進出規律、過夜頻率，判斷是不是小區內的居住人員。如果是小區居住人員，但長時間沒有回到小區，系統可將信息推送給社區民警，通過實地核查了解人口流動信息，獲得及時準確的人口信息。如果重點人員、前科人員進入小區，系統能將信息推送給公安平臺客戶端、民警手機終端，進一步跟進調查。

2.3 智能預測犯罪

2011 年開始，PPS 系統在美國率先應用。該系統是對海量的案件信息進行分析，從中找到犯罪行為模式，例如案件發生時間、特定地點等?；谟嬎銠C算法下，可以預測未來一段時間內，哪些地區可能發生犯罪案件，標注出犯罪高危區域，有利于配置警力資源。在國內，PPS系統已經在蘇州市公安局應用，相關指標達到設計要求，運行效果良好。智能預測犯罪，從事后控制轉變為事前預測，是將人像識別、視頻監控、人工智能分析等技術相結合，根據目標人的體貌、行為、步態、攜帶物品等信息，預測誰可能犯罪、在哪里犯罪、犯罪危害程度等，為公安管理提供支持，顯著提高犯罪打擊力度。

3 人工智能技術存在的問題和未來發展趨勢

3.1 存在的問題

第一，環境適應性差。人工智能分析視頻內容時，會受到光照、天氣、目標大小、地物遮擋、圖像質量的影響，可能引起誤判斷、誤分析現象。

第二，數據分散。傳統的公安視頻監控體系，各平臺的數據沒有共享，無法用多個維度進行分析。以人臉識別技術為例，要想提高識別準確率，不僅要改進算法算力，還要獲得不同層面的數據，例如社交、車輛、定位、消費等，通過數據整合進一步提高識別準確率。

第三，場景理解受限。一方面，技術和經驗不足；另一方面，視頻監控以單場景靜態環境為主，沒有將多場景、關聯行為結合起來。

第四，缺乏自主能力。人工智能是基于“人工”下的智能，并沒有自我成長的能力，必須根據人工設定的條件進行分析，因此還有較大的發展空間。

3.2 發展趨勢

第一，識別人、物的軌跡。公安視頻監控能識別人、物的軌跡，是傳統管理體系向智能管理的轉變。具體劃分，包括虛擬警戒線、人數統計、自動PTZ 跟蹤、物體出現和消失、人員突然奔跑等。對人、物的軌跡進行分析，除了統計數量，還要判斷過程，發現異常就進行報警，例如：有人員進入警戒區域、廣場一角有人群聚集等。

第二，環境干擾判斷和補償。公安視頻監控系統中，環境干擾因素主要有雨、雪、霧，夜間低照度，攝像頭遮擋或抖動等[4]。應用人工智能技術，對環境干擾進行判斷和補償，可在復雜環境中正常監控。例如：在環境干擾下導致視頻不清晰，通過判斷攝像頭的偏移情況，及時發出報警，輸出智能分析結果。

第三，自然語言處理。自然語言處理即NLP，指的是計算機對人類文本語言進行識別和掌握，是人類語言學、計算機科學相互交叉整合的結果?？梢哉f，NLP 技術是人工智能的最終發展目標，將其應用在公安視頻監控領域，是通過語音識別判斷人的聲紋身份，利用語音中的文字信息，為公安偵查提供支持。

4 實際案例分析

以尤溪縣公安視頻監控系統為例，目前全縣已建成覆蓋重點單位、重點部位的視頻監控2926 路，其中整合接入各類社會資源1368 路，面向情報、指揮、刑偵、圖偵、派出所等用戶。為了進一步提高日常管理水平，提高重大突發事件的反應能力，在監控系統中利用人臉識別技術即用特寫一體攝像機采集含有人臉的圖片或視頻，自動檢測和跟蹤，通過特征提取、五官定位等技術與人員庫進行比對、匹配，從而篩選并識別出人員身份信息。該技術的應用，包括人臉采集攝像機、人臉識別綜合應用平臺、存儲器等，能對人臉進行靜態比對、動態布控。經過一段時間的運行，應用成果如下：①能及時發現黑名單人員進入視頻監控范圍，平臺預警后方便警務人員進行研判。②對視頻監控中的人員進行軌跡分析，預測可疑分子和可疑行為，提高出警主動性。③根據特征圖片進行檢索，對可疑分子進行定位，助力案件偵破。

5 結語

綜上所述，在公安視頻監控領域，人工智能技術的應用主要有車輛識別技術、人臉識別技術、行人再識別技術等，能助力公安偵查、提高管理效率、智能預測犯罪。在未來，隨著人工智能的發展，還能識別人、物的軌跡，對環境干擾判斷和補償，并處理自然語言，進一步推動公安管理工作發展。