華安泰AI智能分析在校園安全防護的應用

岑兆祥 王意 楊理文 胡俊 王小滿

摘 ?要：視頻AI行為分析預警系統是基于計算機視覺技術發展的新興視頻分析技術，其中AI行為分析是該系統的核心技術，通過AI神經網絡深度學習算法將人體骨骼關鍵點進行深度解析，從而獲得人體活動規則，實現系統對人體行為特征進行分析，識別，主動預警。視頻AI行為分析技術將傳統視頻從“會看”“會聽”升級到“會思考”，AI視頻行為分析將逐漸代替人眼并具備遠超于人眼分析能力的預警系統，往智能識別，主動預警，有效處置的方向發展。

關鍵詞：AI;人工智能;校園安全;行為分析

中圖分類號：TP181 ? ?文獻標識碼：A文章編號：2096-4706（2021）14-0151-03

Abstract： Video AI behavior analysis early warning system is an emerging video analysis technology based on the development of computer vision technology， and AI behavior analysis is the core technology of the system therein. The key points of human skeleton are deeply analyzed through the deep learning algorithm of AI neural network， so as to obtain human activity rules， and realize the system to analyze， identify and actively warn human behavior characteristics. Video AI behavior analysis technology will upgrade the traditional video from “watching” and “listening” to “thinking”. AI video behavior analysis will gradually replace the human eye and have an early warning system far beyond the human eye analysis ability， developing in the direction of intelligent identification， active early warning and effective disposal.

Keywords： AI; artificial intelligence; campus security; behavior analysis

0 ?引 ?言

事實上經過近30年的發展，國內傳統視頻監控設備趨于飽和，而視頻監控的后處理技術的需求存在巨大市場空間[1]。作者于2003年—2008年在華為技術有限公司從事無線終端產品研發試制工作，進入華安泰智能科技有限公司一直負責產品研發工作，經過大量市場一線的調研和實地需求測試工作中瞄準視頻分析處理技術這一方向[2]，基于本單位實際項目對AI智能分析應用進行論述。

1 ?視頻分析技術發展三階段

1.1 ?第一階段：移動偵測技術

以移動偵測技術為視頻分析關鍵技術，主要技術方案是通過視頻畫面中的碼流變化程度來實現的[3]，還不具備真正的“行為”分析能力，人的移動和物體的移動、甚至風吹草動都會觸發移動偵測報警，準確率不高，如圖1所示。

1.2 ?第二階段：圖片識別的傳統人工智能視頻分析技術

2012年前后，隨著人臉識別、人形識別、物體識別、視頻結構化等圖片識別的傳統人工智能視頻分析技術的興起，基于視覺深度學習算法，對視頻圖像的結構化處理，解析出視頻場景中的人形，再結合、目標檢測、目標跟蹤、移動偵測等技術，分析出視頻中的異常，識別準確率相對提高[4]。這也是目前市場上主要的視頻分析產品應用技術，如圖2所示。

但隨著大型安防項目的開展，動輒成百上千路的視頻監控應用對傳統人工智能視頻分析技術帶來了極大的挑戰，識別效率、準確率跟不上，同時，由于過度依賴于視頻分析，當視頻場景中出現光線變化、風吹草動或非人體行為的變化，會頻繁產生誤報，反而加大監看工作人員工作量。

1.3 ?第三階段：視頻AI行為分析技術

近兩年，基于AI神經網絡深度學習算法的人體行為分析技術逐漸發展起來。AI人體行為分析技術是視頻AI行為分析預警系統的核心技術，通過AI視覺算法深度解析人體骨骼關鍵點，將人體結構與周圍環境進行區分，并學習人體的運動屬性（求救、打架、跌倒、攀爬、瞌睡、闖入、離崗等），結合時間屬性、人數、動作及區域等維度，將行為識別范疇擴展至安防領域所需要識別的人體異常行為，如聚集、獨處、人員熱力、滯留、徘徊、缺崗等，進行準確檢測及高效預警，如圖3所示，識別率高，誤報率低，應用前景明朗。

2 ?AI行為分析預警系統在校園安全防護應用中的應用優勢

AI行為分析預警系統在校園安全防護應用中的優勢主要有：

（1）不依賴于視頻場景，有效避免誤報。AI行為分析預警系統采用人體獨有的骨骼架構、骨骼運動模式檢測方法，結合時間屬性及統計技術，使AI行為分析預警系統在識別監控畫面、排除干擾方面具有獨特優勢，對比傳統的利用移動偵測技術、圖像比對技術、區域劃線技術等視頻分析系統，AI行為分析預警系統準確率達到95%左右，可以有效避免誤報，提高識別的準確率。校園安保人員配備數量有限，校園安保現狀不容樂觀[5]，較高的行為分析準確率能有效防范校園安全事故的發生，及時處置各種安全風險。同時，較低的誤報率也能有效降低校園安保人員的工作強度，提高工作效率。

（2）GPU運算，識別效率高。AI行為分析預警系統基于GPU算力分析架構，圖像處理能力、并發效率比CPU更高[6]，發生異常事件3秒內即完成檢測及實時告警。國產化適配后的單臺分析服務器性能最大可接入近1 000路視頻圖像進行同時分析，對比市場上分析16路、32路、64路CPU架構傳統視頻分析服務器，從應用性和經濟性來講，大大提高了系統的管理效率和經濟效益。目前中小學視頻監控點位主要部署在校園周界、室內外公共活動場所，樓頂、教室等區域，數量眾多，傳統的CPU分析方式效率低下，分析結果往往會存在5～10秒的延時，無法滿足校園報警處理及時性要求。AI行為分析預警系統通過GPU方式進行分析，充分利用GPU的視頻解碼能力，大大提升了并發處理效率，有效確保各類報警在3秒內上報給校園安保人員，老師及領導、同時無懼多個視頻點位同時觸發報警。

（3）獨立取流，同時分析多種行為。AI行為分析預警系統具備獨立取流分析的功能，可以實現同時分析多種行為。該系統通過從攝像機或者視頻平臺取流分析，當同一路視頻流（攝像機）出現多種異常行為時，客戶端界面迅速彈出報警信息，以一分屏、四分屏、九分屏等形式播放告警位置的實時視頻，同時進行語音播報提醒，可以有效避免漏報、報警延時等情況。而傳統是行為分析系統每一種行為分析均需要拉取一遍視頻流，給視頻源增加負擔的同時，也會消耗數倍的行為分析服務器硬件資源，增加建設成本，華安泰AI行為分析預警系統在實現多種行為分析功能的基礎上，還能夠大大減少服務器成本。

（4）后臺操作簡單。在實際應用方面，AI行為分析預警系統客戶端后臺操作簡單，值班人員通過基本的計算機培訓即可進行設置，無須專業技術人員進行部署。比如，添加攝像機，通過后臺選擇攝像機品牌、碼流及事件設置等。區域的部署僅需選擇對應有效區域進行區域調整，如圖4事件區域設置所示，必要時添加無效區域，并設置觸發時間及檢測時間段。

（5）系統擴展性強。由于AI行為分析技術基于人體骨骼關鍵點算法及運動軌跡算法等行為識別算法開發，同時支持人臉識別算法、物體識別等模塊，在行為識別的同時，實現人員人臉檢測比對及不明物品檢測、非法傳遞等分析預警。

（6）系統兼容性強。AI行為分析預警系統前端可兼容任何第三方品牌的攝像機接入系統進行分析，后端可直接對接任何品牌的安防平臺或門戶平臺。完美兼容前后端，無須改變任何架構或者更換任何設備均可達到使用條件。校園安防建設情況不一，同一個校園的視頻監控系統也存在不同廠家，不同類型的情況，只有完美兼容第三方品牌的攝像機，才能真正筑牢校園行為分析安全防范網。

（7）多系統聯動功能。AI行為分析預警系統可以實現與第三方平臺系統對接：消防系統、門禁系統、廣播系統聯動報警處置，并與安防綜合管控平臺、智慧信息巡更終端系統無縫對接。當攝像機檢測到異常事件發生時，智慧信息巡更終端接收到前端攝像機報警同時顯示詳細信息，如：觸發事件類型、時間、實時視頻、報警源圈圖（即：報警位置地圖標注圖），超過規定時間后逐級上報至分控中心安防綜合管控平臺客戶端。如果分控中心客戶端平臺當在規定時間內未處理報警事件后，繼而推送至指揮中心綜合管控平臺客戶端，實現三層逐級報警與處警模式。

3 ?行為分析預警系統校園應用場景

近年來高校安全工作面臨的風險和挑戰日益凸顯，各類新問題、新盲點層出不窮，扭轉被動局面、增強安全工作主動性的必要手段就是提升校園安防智能化水平[7]，形成貫穿安全事件“事前—事中—事后”全生命周期體系，構建事前的全面預防、事中的快速響應和應急處置，以及事后的追溯總結等完整閉環，實現“大事不出、小事減少、管理有效、秩序良好”的平安校園目標。

隨著全國智慧校園2.0要求，對校園內存在的安全行為預警、行為體征采集、異常點識別管理等應用為校園管理者提供有效管理手段，必將大大提高校園安全管理水平[8]。智慧校園的應用當中，AI智能分析預警系統實現了對校園周界、教學樓、宿舍樓、操場、食堂、公共活動區域、保安值班室等幾乎全校園所有人員及異常物品的智能分析預警，如圖5所示。

如在校園周界，部署入侵（闖入）、攀爬、雙重警戒線等事件;在樓道走廊部署獨處、徘徊、攀高等事件;在公共活動區域部署聚眾、徘徊、打架、求救、倒地、逆行等事件;在考場部署物品傳遞等事件;在保安值班室、分控室、指揮中心等，可部署離崗、睡崗、缺崗事件等。

事前風險分析可對各類異常維度數據匯總、分析，有效展示出熱點風險，如：高風險預警區域、高風險預警種類、高風險預警時段、整體預警趨勢等，讓管理者針對安全風險整改有的放矢。

事中預警提示可在事件發生時，采用多種方式進行預警提示，如：視頻彈窗、語音提示、前端喊話提示等，讓安保人員能夠直接關注到預警情況，并進行及時的干預，如圖6所示。

事后現場還原可在事件發生后，還原整個事件發生現場過程，如：現場抓圖、事件發生時間點的前后15秒錄像，如圖7所示。

4 ?結 ?論

人工智能時代下的視頻AI行為分析預警系統，從提高識別效率、降低誤報率、解決大型安防項目需求出發，切入監控智能行為分析痛點，已進入到各行各業的安防應用清單中，尤其在校園生命安全防護領域發揮著不可估量的作用。通過視頻行為分析、體態行為特征、運動和平時生理數據采集與學生心理評測數據結合，對學生身心健康進行長期跟蹤，對異常行為及心理健康問題能及時預警和提前干預，幫助學生、家長和學校共同構建堅強的校園安全防護。

參考文獻：

[1]王建中.淺析軟件定義攝像機的應用與發展[J].中國安防，2020（8）：98-100.

[2]張文生.對人工智能現在和未來的思考[J].廣西科學，2021，28（3）：209-214.

[3]曾令卉.智能視頻監控系統中移動偵測算法的研究與實現[D].武漢：武漢郵電科學研究院，2012.

[4]周楠，陸衛忠，丁漪杰，等.基于深度學習的人體行為識別方法研究綜述[J].工業控制計算機，2021，34（8）：116-117+119.

[5]何文，尹長源，劉海宏.湖南校園安全保衛工作現狀研究[J].現代交際，2021（2）：44-47.

[6]何健，袁雙，李芳，等.基于GPU+FPGA異構計算資源的目標信息智能處理技術[J].空天防御，2021，4（3）：10-16.

[7]張培榮.我國中小學校園安全問題研究[J].法制與社會，2019（25）：137-138.

[8]武永嬌，黃寧.“教育信息化2.0”視域下智慧校園建設研究[J].數字技術與應用，2019，37（8）：51-52.

作者簡介：岑兆祥（1979.10—）男，漢族，安徽滁州人，總經理兼研發中心總監，本科，主要研究方向：AI人工智能與物聯網技術創新。