當下,大數據快速積累、大規模并行計算的實現以及新算法不斷涌現成為了深度學習爆發的催化劑,這也直接推動了人工智能在很多傳統領域中的進展。在安防行業中,人工智能也從概念逐步落地,人臉識別、圖像識別等技術與視頻監控系統的深度結合使得智能安防有了實質性的發展。
對數據的理解是安防大數據的入口
隨著平安城市建設的不斷推進,監控點位劇增,視頻監控系統成為社會立體化防控的重要組成部分。據數據統計,2016年的高清攝像頭每天產生的數據比2015年產生多337PB。而目前在城市數據中,視頻監控也成為所有數據中占比最高的部分,未來在城市數字化建設中,視頻必然將在數據采集以及分析中扮演更重要的角色。
但不得不承認的是,在所有垂直行業中安防行業是最難將原始數據向結構化數據轉換的領域:一方面,安防領域中的拍攝環境復雜多變,且數據存儲質量參差不齊;另一方面,視頻監控中的畫面都是在非配合的情況下記錄的,且信息價值呈冪律分布。也就是說絕大部分的留存的數據是無效的,有效的信息可能只分布在一個極短的瞬間,但這一瞬間的數據價值卻最為關鍵;最后,安防監控視頻體量超乎想象。在視頻監控大聯網、高清化推動下,我們身邊的攝像頭不僅越來越多,還7*24小時夜以繼日的工作,觸發了視頻監控數據井噴。
因此,如何將這些圖像數據資源充分利用,使數據能夠更好地服務于公共安全的情報研判、輿情監控、預知預警等業務工作,成為整個安防行業步入SDT(Security Data Technology,安防大數據)時代的入口和首要目標。此時深度學習、云計算以及智能識別分析技術和大數據的結合為行業發展提供了新的契機,全國各地也掀起了自頂向下的視頻平臺建設,積極用創新技術構筑視頻監控防控體系,為治安防控、社會治理和城市管理提供信息支撐和智能管理辦法。
曠視(Face++)人像識別系統解構
在大多數情況下,安防場景中的智能分析體現在系統的“視覺能力”上,即能否對監控攝像機捕捉到的場景畫面進行即時的結構化處理,通過語義分析等技術對視頻數據進行分類處理存儲,并通過后端服務器的智能分析功能進行業務處理,將人、車、物的信息從數據中分離出來。
每種智能技術發展都有一個逐步成熟的過程。目前,動態人臉識別技術已經實現了突破,從前端攝像頭對人臉的采集、現場實時布控到行為軌跡追蹤的應用都相繼落地。曠視(Face++)作為國內人工智能代表性企業,不斷追求計算機視覺技術的創新與升級,近年來積極推進人臉識別技術在各個行業中的發展。在安防領域,曠視通過整合智能感知、視頻技術與多種人工智能技術,建立了分層架構的產品體系,為智能安防提供了全新的解決方案。
曠視的智能安防解決方案包括從前端攝像頭部署到與后端服務器的搭建,可以與公安系統已有的靜、動態防控網實現無縫銜接,幫助公安機關高效完成從數據采集到匯聚存儲,再到結構化處理與深度挖掘的視頻偵查工作。在具體業務應用中,曠視的產品分為針對人流密集的人像卡口大數據系統、針對超大庫人員檢索的靜態人像比對系統以及針對案件高發區域的臨時布控系統。基于領先的人臉識別技術,系統不僅可以對視頻監控中的過往人群與底庫中的布控人員進行實時比對和報警,還可以基于時間、地點、性別、年齡、戴眼鏡等條件對抓拍信息進行檢索,方便辦案人員從海量的圖像數據中快速鎖定目標嫌疑人。
偵查從“由案到人”走向“由人到案”
早期的公安刑偵中,辦案人員通常通過案情來選擇圖像數據進行定向追蹤,且一個案件往往需要動用大量人力對視頻信息進行幾小時、幾十小時甚至上百小時的比對分析,而且每一個細節、每一幀圖像都不能疏忽,才能在茫茫人海中找到一絲關于涉案人員身份的信息。
針對公安各種業務應用場景中對人員身份確認的強烈需求,曠視(Face++)給出了智能化的解決方案并成功幫助某地方市局在一次案件中打造了從案發到抓捕25分鐘破案的神話。
過去幾年,曠視(Face++)同時開展了對于一定開放空間下動態人臉識別技術應用的研究并取得了一些實際成效。2016年初,無錫市公安局便通過曠視(Face++)的動態人臉識別系統成功抓獲在逃人員許某。據悉,許某曾因賭博案被云南警方上網通緝5年之久,而落網的經過卻令人頗為意外。據辦案人員介紹,一天深夜接到了人臉識別系統的報警,系統顯示來自市醫院急診室的高清攝像機抓拍到一名男子與在逃人員許某的比對結果超過特定閾值。合成作戰中心在第一時間對情報做了進一步的人工甄別并基本鎖定了犯罪嫌疑人的車輛和在醫院的行蹤,隨后根據對車輛軌跡的跟蹤和視頻研判,民警追蹤到了許某的住處并對其實施了抓捕工作。
而類似上述的案件并不在少數,如今,曠視(Face++)的智能安防產品已經在全國25省的公共安全領域落地?;谌四樧R別技術的智能視頻分析系統在安防中的應用大大提高了公安系統的辦案效率,也對犯罪嫌疑人和犯罪行為形成了實質的威懾力。更重要的是,通過建立以人為本的數據中心使以往的“由案到人”模式轉向了“由人到案”,也讓公安業務率先邁進了大數據應用時代。