在我國，以互聯(lián)網(wǎng)、計(jì)算機(jī)為主的人工智能技術(shù)也是在20世紀(jì)的90年代才慢慢被認(rèn)可，視頻監(jiān)控能夠通過圖像來進(jìn)行安全、交通等安全防范，很快受到重視。

1 人工智能技術(shù)在視頻監(jiān)控發(fā)展中的必然性

從當(dāng)前我國的發(fā)展形勢來看，傳統(tǒng)的視頻監(jiān)控系統(tǒng)已經(jīng)不能滿足人們?nèi)找嫣嵘纳a(chǎn)和生活需要，而且傳統(tǒng)的監(jiān)控系統(tǒng)具有很大的局限性，達(dá)不到人們想要的結(jié)果，更不能為城市建設(shè)的安全起到保駕護(hù)航的作用。一是實(shí)時(shí)監(jiān)控效果不佳；二是視頻錄像查詢困難；三是難以進(jìn)行準(zhǔn)確定位。可以看出，傳統(tǒng)視頻監(jiān)控系統(tǒng)已不能滿足需要，它只能達(dá)到視頻的存儲(chǔ)和回放功能，無法進(jìn)行定位及查找，而且依靠人工方式全程全方位的盯著電腦屏幕的工作方式，不僅會(huì)耗費(fèi)大量的人力資源，而且準(zhǔn)確率也非常低下，影響視頻監(jiān)控的效果。只有發(fā)展以人工智能技術(shù)為主的視頻監(jiān)控系統(tǒng)體系，才能夠滿足城市建設(shè)與發(fā)展的需要，才能夠通過智能化的視頻監(jiān)控來對(duì)視頻資料進(jìn)行技術(shù)性的分析和研究，為城市安防事業(yè)的發(fā)展奠定基礎(chǔ)。

2 人工智能技術(shù)視頻監(jiān)控的應(yīng)用范圍

人工智能在視頻監(jiān)控中的應(yīng)用范圍非常廣泛，它可以通過智能化的方式來獲取人、車、物的各種信息，并且還能進(jìn)行智能化的查找，發(fā)現(xiàn)傳統(tǒng)視頻監(jiān)控中容易被人們所忽略的一些細(xì)節(jié)性問題，還能夠?qū)Σ煌臄?shù)據(jù)信息進(jìn)行分類分析，找出內(nèi)在的關(guān)系，作出有價(jià)值的信息分析，并能夠以可視化的結(jié)果呈現(xiàn)到人們面前。具體而言：

2.1 以人臉識(shí)別的人工智能技術(shù)來進(jìn)行搜索

一些犯罪嫌疑人的流竄范圍越來越大，而且還可以利用各種交通工具隨時(shí)進(jìn)行轉(zhuǎn)移，如果依靠傳統(tǒng)的視頻監(jiān)控是很難將這樣的流竄犯捉拿歸案。但是人工智能技術(shù)在視頻監(jiān)控中的應(yīng)用，可以運(yùn)用它智能化的系統(tǒng)在全國各城市進(jìn)行部署，再利用智能化數(shù)據(jù)分析的結(jié)果去進(jìn)行布控和布防，以達(dá)到快速破案的目的。

同時(shí)，在人工智能技術(shù)中，人臉識(shí)別的功能更加強(qiáng)大，它能夠在對(duì)幾個(gè)嫌疑犯進(jìn)行人臉識(shí)別后，迅速做出判斷，為公安人員提供精準(zhǔn)、可靠的信息依據(jù)。而且，隨時(shí)時(shí)代的發(fā)展，人臉識(shí)別系統(tǒng)也已經(jīng)被運(yùn)用到實(shí)時(shí)追蹤監(jiān)控預(yù)警系統(tǒng)當(dāng)中，這樣就可以順著人員的軌跡去進(jìn)行監(jiān)控和查詢，達(dá)到快速定位、檢索核準(zhǔn)的作用。

2.2 對(duì)交通事故的監(jiān)控

各大城市的私家車輛迅猛增加，給交通管理部門的管理工作帶來了巨大的壓力和挑戰(zhàn)，近年來各地的交通事故呈現(xiàn)出逐年上升的趨勢，要想避免這樣的交通事故發(fā)生，除了要加強(qiáng)交通政策及法規(guī)方面的教育之外，更要能夠通過視頻監(jiān)控去隨時(shí)發(fā)現(xiàn)車輛行駛中的不安全因素，并加以制止，對(duì)駕駛員進(jìn)行實(shí)時(shí)的教育和整改，而要想完成這一監(jiān)控過程，就必須要運(yùn)用人工智能技術(shù)來對(duì)機(jī)動(dòng)車輛進(jìn)行隨時(shí)的視頻監(jiān)控，這樣不僅可以隨時(shí)掌握和了解各個(gè)地區(qū)的路況問題，還能夠?qū)σ恍{駛員的違規(guī)行為進(jìn)行教育和處罰，以達(dá)到交通事故的有效管控，有效降低事故發(fā)生率。

而以車輛分析為核心的人工智能技術(shù)可以對(duì)卡口圖片車輛數(shù)據(jù)進(jìn)行二次識(shí)別，通過識(shí)別再對(duì)這些車輛的行走路線和運(yùn)行軌跡等細(xì)節(jié)進(jìn)行分析，進(jìn)一步挖掘事故發(fā)生的時(shí)間、地點(diǎn)以及事故發(fā)生的原因，這樣的二次識(shí)別，不但包括車輛的品牌、顏色、類型以及車牌號(hào)碼進(jìn)行分析，還能夠?qū)λ幕顒?dòng)規(guī)律進(jìn)行分析，從而歸納總結(jié)出車輛是否存在各種違章行為，為交通管理部門的工作提供最大的便利條件。

2.3 對(duì)警衛(wèi)活動(dòng)進(jìn)行視頻監(jiān)控

在現(xiàn)實(shí)中，警衛(wèi)活動(dòng)總是會(huì)浪費(fèi)大量的人力和物力，給公安部門的正常工作帶來困擾，而以人工智能技術(shù)手段來為視頻監(jiān)控工作做好各種布防和布控，可以有效減少安保人員的工作，因?yàn)橥ㄟ^這些視頻畫面可以進(jìn)行設(shè)置自動(dòng)預(yù)警功能，當(dāng)自動(dòng)預(yù)警被觸發(fā)時(shí)，所聯(lián)動(dòng)的攝像機(jī)就會(huì)自動(dòng)打開監(jiān)控圖像，在實(shí)時(shí)報(bào)警的同時(shí)，對(duì)案發(fā)地點(diǎn)實(shí)施監(jiān)控和封鎖。

3 人工智能技術(shù)的具體分析

人工智能技術(shù)所包涵的范圍很多，除了人臉識(shí)別技術(shù)之外，還有步態(tài)識(shí)別、虹膜識(shí)別、靜脈識(shí)別、聲紋識(shí)別等等。而在這些生物識(shí)別人工智能技術(shù)中，人臉識(shí)別在當(dāng)前的社會(huì)應(yīng)用中最為廣泛，其核心算法的發(fā)展非常迅速，發(fā)揮出了真正的實(shí)效性，是一種非常成熟的人工智能技術(shù)，具有非常廣闊的前景。而且隨著科學(xué)技術(shù)的不斷進(jìn)步，視頻監(jiān)控領(lǐng)域也以其人工智能技術(shù)的發(fā)展為導(dǎo)向，將越來越多的智能化應(yīng)用融入到城市安防領(lǐng)域，如海康威視的慧視人像大平臺(tái)，不僅可以提供完善的視頻圖像信息，進(jìn)行實(shí)時(shí)的監(jiān)控，而且還能夠通過人像比對(duì)及數(shù)據(jù)挖掘等等來進(jìn)行有針對(duì)性的監(jiān)控和偵查工作，特別是人像識(shí)別技術(shù)在公安系統(tǒng)的應(yīng)用，為提高公安部門的破案速度，建立現(xiàn)代公約的社會(huì)治安防控體系奠定了堅(jiān)實(shí)的基礎(chǔ)。

3.1 人像識(shí)別技術(shù)的發(fā)展

人像識(shí)別技術(shù)是以人臉為基礎(chǔ)的，可以利用計(jì)算機(jī)對(duì)人臉圖像進(jìn)行人工智能技術(shù)的采集，并作出身份的確認(rèn)，這種人像識(shí)別技術(shù)是在20世紀(jì)的90年代興起的，至今已經(jīng)被廣泛的應(yīng)用到安全和金融等多個(gè)領(lǐng)域，作為身份鑒別的一種方法。而人像識(shí)別的方法不僅包括基于面部特征人像的識(shí)別、基于特征臉的人像識(shí)別，而且還有基于學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)人像識(shí)別，這將是未來視頻監(jiān)控中進(jìn)行大量樣本圖像獲取的一個(gè)主要方法，因?yàn)樗恍枰ㄟ^人工去進(jìn)行特征的選取，通過在訓(xùn)練的過程中進(jìn)行學(xué)習(xí)，其準(zhǔn)確度更高，識(shí)別效率更快。

3.2 人像識(shí)別技術(shù)的創(chuàng)新

隨著深度學(xué)習(xí)在人工智能領(lǐng)域的發(fā)展和應(yīng)用，人像識(shí)別技術(shù)的發(fā)展空間越來越大，尤其以慧視人像大平臺(tái)為代表的人工智能技術(shù)，則以更加先進(jìn)的人像識(shí)別技術(shù)融入到全國各地各領(lǐng)域之中，在公安警務(wù)實(shí)戰(zhàn)性工作中取得了非常明顯的成果。而人像大平臺(tái)主要是由人像識(shí)別算法、大規(guī)模運(yùn)維、高性能計(jì)算等等核心部件組成，不同的算法適應(yīng)的范圍不一樣，在實(shí)際的視頻監(jiān)控工作中可以根據(jù)具體情況來進(jìn)行合理的選擇。

3.2.1 核心算法的創(chuàng)新

在人像大平臺(tái)的智能化技術(shù)應(yīng)用中，需要融合深度學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)圖來進(jìn)行核心算法的創(chuàng)新，這樣才能夠達(dá)到各項(xiàng)數(shù)據(jù)的高精準(zhǔn)度，保證在任何復(fù)雜的情況下都能夠達(dá)到最佳的人像識(shí)別效果。創(chuàng)新一，深度學(xué)習(xí)。進(jìn)行人像識(shí)別至少需要經(jīng)過兩步：人像的檢測定位與識(shí)別比對(duì)。所以在進(jìn)行人像特征的獲取時(shí)，可以采用代數(shù)特征的方法、幾何特征的方法、彈性模型的方法、神經(jīng)網(wǎng)絡(luò)的方法以及形變模型的方法，而基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)則是人像識(shí)別中最特殊的一種，它不需要進(jìn)行人工特征的獲取，就能夠在樣本訓(xùn)練過程中進(jìn)行學(xué)習(xí)，以取得更加高效而精確的數(shù)據(jù)信息。深度學(xué)習(xí)的過程不需要督促，也不需要干涉，它是機(jī)器學(xué)習(xí)研究中的一個(gè)創(chuàng)新，是以模擬人腦為根本的神經(jīng)學(xué)習(xí)網(wǎng)絡(luò)，所以這種視頻監(jiān)控在實(shí)際應(yīng)用中識(shí)別率非常之高。

創(chuàng)新二，統(tǒng)計(jì)學(xué)習(xí)模型。深度學(xué)習(xí)雖然在人工智能技術(shù)上得到了廣泛的應(yīng)用，但隨著數(shù)據(jù)量的增大，需要學(xué)習(xí)和訓(xùn)練的時(shí)間也要增長，為了解決這一問題，人工智能技術(shù)又進(jìn)行了升級(jí)和創(chuàng)新，把統(tǒng)計(jì)學(xué)習(xí)圖模型算法應(yīng)用到視頻監(jiān)控的應(yīng)用當(dāng)中，這種方法只要獲取一個(gè)小樣本便可進(jìn)行高精度的識(shí)別，非常的迅速和便捷。所以說與深度學(xué)習(xí)相比，雖然沒有得到普及和推廣，仍然有著不可忽視的研究價(jià)值，能夠發(fā)揮出巨大的作用。

3.2.2 人工智能技術(shù)高效應(yīng)用

雖然人工智能技術(shù)已經(jīng)由傳統(tǒng)的監(jiān)控方式發(fā)展到了人像識(shí)別等等高端技術(shù)，但在實(shí)際的應(yīng)用中要想達(dá)到高效性，成為警務(wù)實(shí)戰(zhàn)工作中的有力助手，就必須要建立健全警務(wù)體系。

其一，在建立人像庫。只在建立和完善一個(gè)全世界最大的人像庫，才能夠在實(shí)際警務(wù)應(yīng)用中，做到得心應(yīng)手，據(jù)調(diào)查，在2016年已經(jīng)建立了約十億級(jí)的人像庫，這樣就能夠在需要時(shí)進(jìn)行迅速的識(shí)別和對(duì)比，達(dá)到秒級(jí)返回的效果，為警務(wù)實(shí)戰(zhàn)工作命中率打下基礎(chǔ)。

其二，結(jié)成相互聯(lián)通的偵查方式。人像大平臺(tái)需要各級(jí)、各部門進(jìn)行協(xié)力合作，比如說可以通過省級(jí)去建立常駐人口以及各種有犯罪前科、涉嫌人員等等的人口庫，并進(jìn)行各種接口的設(shè)置，這樣就可以為下級(jí)部門提供更加便利的服務(wù)，使他們能夠?qū)σ恍┝鲃?dòng)人口實(shí)施監(jiān)控和查詢，這種相互聯(lián)通、跨省、市、縣的視頻監(jiān)控，可以讓警務(wù)工作以人工智能的方式實(shí)現(xiàn)數(shù)據(jù)共享，達(dá)到全方位配合和共贏。

3.3 人工智能技術(shù)在視頻監(jiān)控應(yīng)用中的優(yōu)勢分析

3.3.1 人像的靜態(tài)識(shí)別

進(jìn)行靜態(tài)人像識(shí)別的過程也就是人像比對(duì)的過程，這也是在公安系統(tǒng)的人像識(shí)別中最常見的一種方法，就是要通過人像與人像庫里的目標(biāo)圖片進(jìn)行對(duì)比，從其相似度上進(jìn)行依次排除。靜態(tài)識(shí)別的功能非常強(qiáng)大，它可以從15億級(jí)別的人像庫中迅速的鎖定目標(biāo)人物，還能夠進(jìn)行各種的處理工作，是警務(wù)等等工作中命中率最高的一種人工智能技術(shù)。

而且靜態(tài)人像識(shí)別不僅能夠?qū)Ω咔逭掌约白C件照能夠瞬間秒回，而且對(duì)于一些分辨率較低的照片或人像也具有十分強(qiáng)大的識(shí)別能力，它可以運(yùn)用高科技術(shù)對(duì)圖像的清晰度進(jìn)行復(fù)原，使其面部輪廓恢復(fù)到原狀，最終達(dá)到高清人像識(shí)別的目的，這也是靜態(tài)人像識(shí)別最大的優(yōu)勢。

3.3.2 人像的動(dòng)態(tài)識(shí)別

動(dòng)態(tài)視頻是將經(jīng)過卡口的人像進(jìn)行實(shí)時(shí)的獲取和捕捉，可以通過動(dòng)態(tài)人像卡口對(duì)一些重嫌疑犯等等進(jìn)行重點(diǎn)布控和布防，這種人像動(dòng)態(tài)識(shí)別的方式通常會(huì)被應(yīng)用到火車站、地鐵口等等一些人流量大、人口密集的地區(qū)，可以加強(qiáng)對(duì)這些地區(qū)人流現(xiàn)狀進(jìn)行實(shí)時(shí)的查詢和軌跡追蹤。而且隨著科技水平的進(jìn)一步提升，動(dòng)態(tài)人像識(shí)別功能也變得越來越強(qiáng)大，可以達(dá)到預(yù)先示警等等特效功能。因此，人像的動(dòng)態(tài)識(shí)別在對(duì)人像數(shù)據(jù)及結(jié)構(gòu)化特征進(jìn)行存儲(chǔ)之后，就能夠?yàn)橐曨l監(jiān)控畫面提供依據(jù)，而且錯(cuò)誤率非常低，能夠隨時(shí)給警務(wù)人員進(jìn)行預(yù)警，使之對(duì)目標(biāo)人物立馬實(shí)施盤查，而且對(duì)路人的軌跡偵測也具有很強(qiáng)的實(shí)戰(zhàn)性，只要系統(tǒng)鎖定目標(biāo)人物和區(qū)域，就能夠自動(dòng)畫出這個(gè)人員的行動(dòng)路線，并為其尋找提供可靠的信息依據(jù)，可以減少許多人力、物力的浪費(fèi)。使視頻監(jiān)控工作達(dá)到一個(gè)新的高度。

4 結(jié)束語

總之，隨著我國城鄉(xiāng)一體化建設(shè)步伐的加快，人工智能技術(shù)在視頻監(jiān)控中的應(yīng)用越來越得到普及，而且各地、各部門也已經(jīng)在人像識(shí)別等技術(shù)方面取得了豐碩的成果。要想使人工智能技術(shù)在視頻監(jiān)控應(yīng)用中獲得進(jìn)一步的發(fā)展，除了要提高工作人員的綜合素質(zhì)和專業(yè)水平之外，更要進(jìn)行不斷的創(chuàng)新與改革，在向著智能化及實(shí)戰(zhàn)性的方向轉(zhuǎn)變，為我國和諧社會(huì)的創(chuàng)建提供更加堅(jiān)實(shí)的技術(shù)支持和保護(hù)。
責(zé)任編輯：tzh