- 数字政府
- 人工智能
近日，爱分析在京举办了2019爱分析·中国人工智能论坛。深醒科技解决方案部董小海受邀发表了题为《人机协同，智慧安防新模式》的主题演讲。
董小海指出，智慧安防从被动监控向主动识别过渡，未来将形成少量警力+公安大脑+人工智能的业务模式。
现将董小海的演讲实录分享如下。
智慧公安的建设模式
董小海：大家下午好！我来自深醒科技，深醒科技的主要业务方向是计算机视觉和大数据。我们拥有自主可控的算法，希望让机器像人一样看懂世界，通过大数据技术向行业赋能。
智慧安防是一个比较大的领域，我今天主要介绍一下智慧公安的建设模式。主要从以下三方面进行分享，第一是智慧公安的建设模式，第二是案例的分享，第三是AI+安防未来的发展。
首先要讲的是智慧警务目前面临的问题，第一个问题是海量异构数据处理难，公安和其他行业一样，有海量的异构数据，存在数据孤岛问题。
第二个问题是数据缺乏关联性，某些地区公安虽然已经打通了数据孤岛，但数据之间缺乏关联性，如何加深大数据的挖掘，增强实战能力是我们需要解决的问题。
第三个问题是缺乏全警种的智能应用，公安数据虽然已经打通，但是想要通过数据实现智能的预警能力，还需要建立智能化的模型来共享机制，这是目前智慧警务主要面临的三个问题。
除了智慧警务面临的问题，智慧公安正经历着智能化的演进。首先是视频监控的智能化演进，主要分为三个阶段，第一阶段是看得见，我们知道原来都是通过模拟摄像机进行部署，这种视频只是解决看得见的问题，清晰度普遍比较低。
第二阶段是看得清，这一阶段模拟摄像机已经无法满足我们的要求，所以IPC和高清摄像机普遍应用，基本上解决了我们看得清的问题。
虽然解决了看得清的问题，但是需要通过人来看，这个时候我们又想能否再进一步，用机器代替人，因为机器可以像人一样进行识别并且不眠不休。我们公司主要的研究就集中在第三阶段，通过算法让机器像人一样看得懂。
关于技战法向分析模型的演进，传统的公安是通过自己的经验模式，以视频查看，比如说发生了一个案件，以公安的多年经验，再通过视频查看分析案件的情况，到底是哪个人，什么车做的案。而现在新的业务导向是通过数据模型分析，用模型进行自动预警，通过视频复核的方式实现智能化的应用。
业务模式的演进上，未来会从被动处理向主动预防演进，实现信息主导警务，由被动到主动，由事后到事前的转变。首先，在侦查模式上，原来是大量的警力加少量的IT系统辅助侦查，未来会发展成少量的警力加上公安大脑再加上人工智能，来进行侦查的模式。
第二，在队伍的建设上，传统的队伍建设是以老带新，经验传承，就是传帮带的模式，未来是通过公安大脑让每一名基层公安快速成长为警务专家。
第三，在效率的提升上，原来需要大量的警力从事日常重复性劳动，未来通过公安大脑实现数据预测、预警、预防的能力，大量减少重复警力。
接下来，我想介绍一下公安大数据的融合演进，公安业务中围绕着视频数据的应用涉及视频监控、人脸识别大数据、车辆大数据、视频场景分析等。这些应用可能在数据层面、应用层面都独立存在，未来通过将这些视频类数据进一步融合，构建起公安视频大数据应用，，除了这些数据之外，移动端的大数据也可能会融入到公安视频大数据中，。公安视频大数据进一步与公安业务数据、社会资源数据以及互联网等数据融合构建公安大数据。
公安视频大数据的总体架构按照GA/T 1400标准， 整体架构采用“双网双库双平台”，双网是指视频专网和公安信息网。在视频专网，视频解析平台通过视频平台获取视频流、图片流进行解析，包括视频结构化，人体结构化，车辆结构化和行为分析等，结构化后的数据写入视频图像信息库，通过安全边界传到公安信息网。
公安视频大数据的逻辑架构由感知层、网络层、数据层、能力层、应用层构成。感知层是前端的摄像头，包括人脸抓拍机，车辆抓拍机等，通过互联网、电子政务外网、公安信息网，将视频数据和结构化数据存储于视频云存储平台和大数据存储平台。通过能力层，为视频图象提供解析能力，图像检索能力以及数据挖掘能力等，共同支撑整个应用层的应用。
视频解析方面，可以实现人脸识别、视频结构化与视频行为分析。整个视频平台把视频的数据结构化之后，提供人员、车辆比对、查询、检索等应用支撑，这是目前我们公司的核心能力。
公安视频大数据的应用包括很多方面，一是视频监控类的应用，比如视频的实时浏览、录像回放等。二是人员类的应用，如人脸比对、以图搜图。另外，还有车辆的检索比对、移动终端类应用、多维数据碰撞等，比如人车数据碰撞、人机数据碰撞分析。
在公安大数据的建设思路上，我们以公安视频大数据为基础，通过身份信息打通公安数据和社会数据，如案件数据、户籍数据、住宿数据等，形成标签库、主题库、关系库，从而构建公安大数据一体化防控平台，实现信息指导警务，由被动到主动，由事后到事前。
逻辑架构上，我们接入公安的各类数据，接入后通过数据中台进行数据的存储、治理，构建数据仓库，根据公安五要素生成主题库，建立关系库、轨迹库、标签库等， AI能力层可通过人脸识别、语音识别、机器学习、自然语言处理、知识图谱等AI技术，为公安大数据平台的各个业务应用赋能。
智慧公安的落地案例
下面简单分享几个案例。这是我们在某个省做的平安城市、雪亮工程项目，我们主要做视频解析，整个架构是按照GA/T 1400的架构规范建的。
在为某市公安局搭建的视频大数据分析模型中，例如偷盗电动车技战法模型。具体来说，我们通过人脸识别比对目标的运动轨迹，分析目标都经过了哪些区域，再通过视频结构化，将目标每天所骑的车的特征进行结构化分析，如果十天之内同一个人频繁地换电动车，他很有可能是偷盗电动车的嫌疑犯。我们用技术结合规则实现模型的预测，为公安进行自动预警。
我们为公安做了很多类似的模型，系统自动推送预警信息，，公安的业务专家再根据推送结果进行排查，有效提高了公安的预测预警能力。
另外一项应用是智慧监狱解决方案，主要解决监狱里犯罪人员的点名问题。原来由狱警点名，会浪费大量的时间，耗费大量的警力，我们通过监狱的摄像头，利用人脸识别实现自动点名，这会节省很多的警力，而且非常快。
大家知道监狱有AB门，通过指纹的方式也可能造假，我们通过人脸识别，对进出人员身份进行核实，为监狱安全提供了保证。另外一个是巡更，基于摄像头实现自动的巡更。通过集成其他的安防设备进行多系统的联动，进行可视化的展示和调度。
在智慧社区解决方案中，通过建立四道防线，第一道防线在出入口进行人车的管控，并在社区的外墙设置电子围栏，第二道防线在社区内布置视频监控、人脸识别、视频结构化以及电子巡更实现公共区域内的管控，第三道防线在单元楼门通过智能门禁实现单元楼的管控，第四道防线在单元楼内可通过视频监控结合区域入侵监测分析提高单元楼内的预测预警能力，比如高楼层通过区域入侵监测，可以发现可疑活动人员。
在智慧校园解决方案中，除了传统的大门口出入管控，通过人脸识别实现自动点名，减少老师点名的时间。另外，可以通过行为分析，识别追跑、打闹等危险行为，及时对校方进行预警。
除了上述的几个场景外，深醒科技在智慧城市、园区、车站、重要场所等有很多应用。
AI+安防的未来发展
最后，介绍一下AI+安防的未来发展趋势。首先，介绍一下人工智能的发展历程。第一代人工智能，宏观层面模拟人类的某些行为，构建规则模型，通过知识进行驱动，例如原先的专家系统，将经验知识进行沉淀，实现智能化的推理。优势是可解释性比较强，但对于大量的常识知识通过符号无法精确描述，比如对图片信息的解读，判别图片中的物体等，基于知识驱动的方式比较难实现。
第二代人工智能，是基于数据驱动，它的代表是深度学习，无需人类描述，自动发现规律，需要大量的高质量的标注数据，可以实现端到端的训练。目前基于深度学习的训练模型识别率比较高，但深度学习的训练过程是一个黑盒，模型可解释性差。
第三代人工智能，结合了第一代和第二代人工智能的优势构建白盒化AI模型，给出可解释的决策依据，能在恶意攻击等情况下仍保持判断力。
举个例子，警方拥有一千个犯罪现场的录像以及大量常规视频，现在有一个犯罪现场需要找出谁是嫌疑人，深度学习怎么做？其实很简单，把之前的犯罪录像和常规视频进行训练，直接把当前的犯罪现场的视频放进去就得到每个人的犯罪率。
但对于现在的人工智能来说，为什么A是嫌疑人而不是B呢？如果错了怎么办？其实是无从知晓的，它就告诉你他是犯罪嫌疑人。
而第三代人工智能会得出结论。例如，通过之前的训练，发现犯罪现场有97%的嫌疑人会手抖，95%的嫌疑人会面目表情僵硬，通过分析发现有2人面部僵硬，3个人手抖，有一个人两种现象都有，因此找到了嫌疑人，就是通过可解释的方式向人们证明此人就是嫌疑人。
这是举了一个例子，主要是让大家了解第三代人工智能到底是一个怎样的实现方式，未来的第三代人工智能是可解释的人工智能。
谢谢大家，我的分享就到这里。