在我国,以互联网、计算机为主的人工智能技术也是在20世纪的90年代才慢慢被认可,视频监控能够通过图像来进行安全、交通等安全防范,很快受到重视。
1 人工智能技术在视频监控发展中的必然性
从当前我国的发展形势来看,传统的视频监控系统已经不能满足人们日益提升的生产和生活需要,而且传统的监控系统具有很大的局限性,达不到人们想要的结果,更不能为城市建设的安全起到保驾护航的作用。一是实时监控效果不佳;二是视频录像查询困难;三是难以进行准确定位。可以看出,传统视频监控系统已不能满足需要,它只能达到视频的存储和回放功能,无法进行定位及查找,而且依靠人工方式全程全方位的盯着电脑屏幕的工作方式,不仅会耗费大量的人力资源,而且准确率也非常低下,影响视频监控的效果。只有发展以人工智能技术为主的视频监控系统体系,才能够满足城市建设与发展的需要,才能够通过智能化的视频监控来对视频资料进行技术性的分析和研究,为城市安防事业的发展奠定基础。
2 人工智能技术视频监控的应用范围
人工智能在视频监控中的应用范围非常广泛,它可以通过智能化的方式来获取人、车、物的各种信息,并且还能进行智能化的查找,发现传统视频监控中容易被人们所忽略的一些细节性问题,还能够对不同的数据信息进行分类分析,找出内在的关系,作出有价值的信息分析,并能够以可视化的结果呈现到人们面前。具体而言:
2.1 以人脸识别的人工智能技术来进行搜索
一些犯罪嫌疑人的流窜范围越来越大,而且还可以利用各种交通工具随时进行转移,如果依靠传统的视频监控是很难将这样的流窜犯捉拿归案。但是人工智能技术在视频监控中的应用,可以运用它智能化的系统在全国各城市进行部署,再利用智能化数据分析的结果去进行布控和布防,以达到快速破案的目的。
同时,在人工智能技术中,人脸识别的功能更加强大,它能够在对几个嫌疑犯进行人脸识别后,迅速做出判断,为公安人员提供精准、可靠的信息依据。而且,随时时代的发展,人脸识别系统也已经被运用到实时追踪监控预警系统当中,这样就可以顺着人员的轨迹去进行监控和查询,达到快速定位、检索核准的作用。
2.2 对交通事故的监控
各大城市的私家车辆迅猛增加,给交通管理部门的管理工作带来了巨大的压力和挑战,近年来各地的交通事故呈现出逐年上升的趋势,要想避免这样的交通事故发生,除了要加强交通政策及法规方面的教育之外,更要能够通过视频监控去随时发现车辆行驶中的不安全因素,并加以制止,对驾驶员进行实时的教育和整改,而要想完成这一监控过程,就必须要运用人工智能技术来对机动车辆进行随时的视频监控,这样不仅可以随时掌握和了解各个地区的路况问题,还能够对一些驾驶员的违规行为进行教育和处罚,以达到交通事故的有效管控,有效降低事故发生率。
而以车辆分析为核心的人工智能技术可以对卡口图片车辆数据进行二次识别,通过识别再对这些车辆的行走路线和运行轨迹等细节进行分析,进一步挖掘事故发生的时间、地点以及事故发生的原因,这样的二次识别,不但包括车辆的品牌、颜色、类型以及车牌号码进行分析,还能够对它的活动规律进行分析,从而归纳总结出车辆是否存在各种违章行为,为交通管理部门的工作提供最大的便利条件。
2.3 对警卫活动进行视频监控
在现实中,警卫活动总是会浪费大量的人力和物力,给公安部门的正常工作带来困扰,而以人工智能技术手段来为视频监控工作做好各种布防和布控,可以有效减少安保人员的工作,因为通过这些视频画面可以进行设置自动预警功能,当自动预警被触发时,所联动的摄像机就会自动打开监控图像,在实时报警的同时,对案发地点实施监控和封锁。
3 人工智能技术的具体分析
人工智能技术所包涵的范围很多,除了人脸识别技术之外,还有步态识别、虹膜识别、静脉识别、声纹识别等等。而在这些生物识别人工智能技术中,人脸识别在当前的社会应用中最为广泛,其核心算法的发展非常迅速,发挥出了真正的实效性,是一种非常成熟的人工智能技术,具有非常广阔的前景。而且随着科学技术的不断进步,视频监控领域也以其人工智能技术的发展为导向,将越来越多的智能化应用融入到城市安防领域,如海康威视的慧视人像大平台,不仅可以提供完善的视频图像信息,进行实时的监控,而且还能够通过人像比对及数据挖掘等等来进行有针对性的监控和侦查工作,特别是人像识别技术在公安系统的应用,为提高公安部门的破案速度,建立现代公约的社会治安防控体系奠定了坚实的基础。
3.1 人像识别技术的发展
人像识别技术是以人脸为基础的,可以利用计算机对人脸图像进行人工智能技术的采集,并作出身份的确认,这种人像识别技术是在20世纪的90年代兴起的,至今已经被广泛的应用到安全和金融等多个领域,作为身份鉴别的一种方法。而人像识别的方法不仅包括基于面部特征人像的识别、基于特征脸的人像识别,而且还有基于学习的神经网络人像识别,这将是未来视频监控中进行大量样本图像获取的一个主要方法,因为它不需要通过人工去进行特征的选取,通过在训练的过程中进行学习,其准确度更高,识别效率更快。
3.2 人像识别技术的创新
随着深度学习在人工智能领域的发展和应用,人像识别技术的发展空间越来越大,尤其以慧视人像大平台为代表的人工智能技术,则以更加先进的人像识别技术融入到全国各地各领域之中,在公安警务实战性工作中取得了非常明显的成果。而人像大平台主要是由人像识别算法、大规模运维、高性能计算等等核心部件组成,不同的算法适应的范围不一样,在实际的视频监控工作中可以根据具体情况来进行合理的选择。
3.2.1 核心算法的创新
在人像大平台的智能化技术应用中,需要融合深度学习和统计学习图来进行核心算法的创新,这样才能够达到各项数据的高精准度,保证在任何复杂的情况下都能够达到最佳的人像识别效果。创新一,深度学习。进行人像识别至少需要经过两步:人像的检测定位与识别比对。所以在进行人像特征的获取时,可以采用代数特征的方法、几何特征的方法、弹性模型的方法、神经网络的方法以及形变模型的方法,而基于神经网络的深度学习则是人像识别中最特殊的一种,它不需要进行人工特征的获取,就能够在样本训练过程中进行学习,以取得更加高效而精确的数据信息。深度学习的过程不需要督促,也不需要干涉,它是机器学习研究中的一个创新,是以模拟人脑为根本的神经学习网络,所以这种视频监控在实际应用中识别率非常之高。
创新二,统计学习模型。深度学习虽然在人工智能技术上得到了广泛的应用,但随着数据量的增大,需要学习和训练的时间也要增长,为了解决这一问题,人工智能技术又进行了升级和创新,把统计学习图模型算法应用到视频监控的应用当中,这种方法只要获取一个小样本便可进行高精度的识别,非常的迅速和便捷。所以说与深度学习相比,虽然没有得到普及和推广,仍然有着不可忽视的研究价值,能够发挥出巨大的作用。
3.2.2 人工智能技术高效应用
虽然人工智能技术已经由传统的监控方式发展到了人像识别等等高端技术,但在实际的应用中要想达到高效性,成为警务实战工作中的有力助手,就必须要建立健全警务体系。
其一,在建立人像库。只在建立和完善一个全世界最大的人像库,才能够在实际警务应用中,做到得心应手,据调查,在2016年已经建立了约十亿级的人像库,这样就能够在需要时进行迅速的识别和对比,达到秒级返回的效果,为警务实战工作命中率打下基础。
其二,结成相互联通的侦查方式。人像大平台需要各级、各部门进行协力合作,比如说可以通过省级去建立常驻人口以及各种有犯罪前科、涉嫌人员等等的人口库,并进行各种接口的设置,这样就可以为下级部门提供更加便利的服务,使他们能够对一些流动人口实施监控和查询,这种相互联通、跨省、市、县的视频监控,可以让警务工作以人工智能的方式实现数据共享,达到全方位配合和共赢。
3.3 人工智能技术在视频监控应用中的优势分析
3.3.1 人像的静态识别
进行静态人像识别的过程也就是人像比对的过程,这也是在公安系统的人像识别中最常见的一种方法,就是要通过人像与人像库里的目标图片进行对比,从其相似度上进行依次排除。静态识别的功能非常强大,它可以从15亿级别的人像库中迅速的锁定目标人物,还能够进行各种的处理工作,是警务等等工作中命中率最高的一种人工智能技术。
而且静态人像识别不仅能够对高清照片以及证件照能够瞬间秒回,而且对于一些分辨率较低的照片或人像也具有十分强大的识别能力,它可以运用高科技术对图像的清晰度进行复原,使其面部轮廓恢复到原状,最终达到高清人像识别的目的,这也是静态人像识别最大的优势。
3.3.2 人像的动态识别
动态视频是将经过卡口的人像进行实时的获取和捕捉,可以通过动态人像卡口对一些重嫌疑犯等等进行重点布控和布防,这种人像动态识别的方式通常会被应用到火车站、地铁口等等一些人流量大、人口密集的地区,可以加强对这些地区人流现状进行实时的查询和轨迹追踪。而且随着科技水平的进一步提升,动态人像识别功能也变得越来越强大,可以达到预先示警等等特效功能。因此,人像的动态识别在对人像数据及结构化特征进行存储之后,就能够为视频监控画面提供依据,而且错误率非常低,能够随时给警务人员进行预警,使之对目标人物立马实施盘查,而且对路人的轨迹侦测也具有很强的实战性,只要系统锁定目标人物和区域,就能够自动画出这个人员的行动路线,并为其寻找提供可靠的信息依据,可以减少许多人力、物力的浪费。使视频监控工作达到一个新的高度。
4 结束语
总之,随着我国城乡一体化建设步伐的加快,人工智能技术在视频监控中的应用越来越得到普及,而且各地、各部门也已经在人像识别等技术方面取得了丰硕的成果。要想使人工智能技术在视频监控应用中获得进一步的发展,除了要提高工作人员的综合素质和专业水平之外,更要进行不断的创新与改革,在向着智能化及实战性的方向转变,为我国和谐社会的创建提供更加坚实的技术支持和保护。
参考文献
[1] 张刘锋.人工智能技术在智慧工地管理系统中的应用[J].中国公共安全,2018,(01):65-70.