從宏觀層面看，近幾年應急管理工作發生了較大的變化，2018年3月根據《第十三屆全國人民代表大會第一次會議》批準設立了應急管理部，兼具國家安全生產監督管理、應急管理、消防管理、救災、地質災害防治、水旱災害防治、草原防火、森林防火、震災應急救援等職責。在應急管理部設立以來，人工智能技術同期也取得較大的發展，技術日趨成熟，尤其是視頻監控技術被廣泛應用到應急管理工作中，發揮視頻監控技術的潛力為應急管理服務恰恰依賴于人工智能技術，具體包括人臉識別、車牌識別、特征識別和物體識別等技術，當然語音識別技術也有一定程度的適用性。2019年2月，國務院公布《生產安全事故應急條例》，自2019年4月1日起施行。《條例》是應急管理部組建以來，國家出臺的第一部安全生產領域的行政法規，受到業內的廣泛關注［1］。那么如何將人工智能技術和應急管理相結合就是擺在我們面前的一個課題。

一、國內外應急管理應用現狀

1979年成立的美國聯邦應急管理局是領導協調各級部門進行災害救助的機構，它以綜合應急管理理念為指導，建構有效的災害防御和救助體系。綜合應急管理理念主要指全風險災害管理理念、全過程災害管理中的全面合作和平等的伙伴關系以及應急管理中的教育和培訓［2］。我國應急管理體制以政府為主導，絕大部分數據資源為政府管理和支配，隨著人工智能技術在應急管理研究領域的發展勢如破竹，政府進行高質量數據開放和共享平臺構建的數字化轉型，進而建立快速、高效的應急管理體系迫在眉睫［3］。人工智能技術是最近三年才得到廣泛應用的技術，目前的應用大多數還集中在公安部門，在以往的應急管理工作中，人工智能的技術應用并不廣泛，在新的應急管理部成立之后，可有效整合各種資源，利用人工智能技術提高應急管理應用水平。

二、人工智能技術的發展和應用范圍

在大數據和人工智能的新思維背景下，政府應急部門的信息資源數字化轉型是社會發展大勢所向［3］。1943年最早的人工神經元模型被提出。如果要提到人工智能的真正開端，那就要追溯到1955年8月31日，研究人員JohnMcCarthy、MarvinMinsky、NathanielRochester和ClaudeShannon提交了一份《2個月，10個人的人工智能研究》的提案，第一次提出了“人工智能”的概念［4］。人工智能（ArtificialIntelligence，AI）是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。而能應用于應急管理的主要是計算機視覺技術，具體來講，就是可以利用人臉識別技術識別人員身份、利用車牌識別技術識別車輛、ReID技術（行人再識別）識別人體特征和物體結構化、利用3D結構光技術和ToF技術（飛行時間測距法）進行物體測量，當然還有一些其它的AI技術可以應用于應急管理。

應急管理工作中有一個很重要的需求就是可視化管理，而可視化主要依賴于視頻監控系統，傳統的視頻監控手段主要用于監視、錄像和回放，不能充分挖掘視頻監控技術在應急管理工作中的應用效果，而AI技術可以將非結構化的視頻數據進行結構化處理，這樣就可以對人員身份管理、車輛速度、車輛違停、危險物堆放、潛在危險源發掘等方面發揮作用。

三、基于視頻圖像分析技術應用于危化品倉庫和危化品車輛的技術應用

隨著國民經濟的不斷發展，各類企業產品生產制造過程中對安全的要求越來越廣泛，在安全生產主體責任和安全生產相關標準規范的落實中，基于對人、車、物的安全生產監管需求愈發突出。傳統監管手段無法做到事前預警預測預判，而隨著高清視頻監控技術、人臉識別技術、車輛技術識別、視頻結構化技術的發展，在廣大應急市場已經取得了較為突出的成績。應急管理部門亟需利用上述技術結合的智能圖像分析算法應用到危化品車輛運輸的風險識別監測過程中，通過動態人臉識別可以在危化品企業園區進行對人的識別、形成人的軌跡、人的周界防護、人的身份特征。而通過基于該算法基礎形成的深度學習、人工智能、視覺計算的能力可以設計構造基于人的特征行為識別算法，將規范化在危化品車輛和危化品倉庫中的人的行為導致的相關危害風險，諸如危化品車輛疲勞駕駛、危化品車輛駕駛危險駕駛行為、易燃易爆物活動區域的抽煙行為、危化品倉庫如氣體加工液體發酵等禁止接觸、禁止靠近的入侵檢測等。相關實地調研數據統計，危化品車輛在運輸過程中危險駕駛行為、疲勞駕駛行為等是事故發生的盲區，危化品車輛的跨地域進出、其行駛軌跡、初次入城、頻繁出入等都與危化品車輛管理的風險控制息息相關。危化品倉庫中的周界防護、入侵檢測、遺留物檢測、人臉識別、人的軌跡盤查等也與落實危化品倉庫中的安全行為識別風險相關。因此，危化品倉庫和危化品車輛作為事故高發頻發的對象應配套全方位多維度的監管手段。視頻圖像分析技術就是作為有效對高發頻發對象的維度分析應用的有效手段。視頻圖像分析技術包括了視頻圖像識別算法和算法深化應用兩大部分組成，算法解決的是視頻結構化對象的識別和記錄問題，應用解決的是識別后、記錄后的日益增長的海量視頻圖像數據的場景和需求痛點問題，能夠通過海量視頻圖像數據匯聚全量的視頻大數據基礎，通過深度學習、機器學習、人工智能、知識圖譜技術手段對危化品車輛運輸和危化品倉庫貯存進行人、車、物的視頻分析，達到合規檢測、預警預測預判的目標。消除傳統人工翻查緩慢、隱患點動態檢測排查效率低下、線索疑情事件的關聯關系模糊、無法防患于未然的惡疾。

作為應用研究中的核心技術之一的視頻結構化技術是一種將視頻內容中的重要信息進行結構化提取的技術，利用它對視頻內容按照語義關系，采用時空分割、特征提取、對象識別、深度學習等處理手段，組織成可供計算機和人理解的文本信息或可視化圖形信息。在實際應用中，文本信息可進一步轉化為應急管理部門監管實戰所用的情報，實現視頻數據向有效情報的一次轉化。

1.危化品車輛結構化

借助智能識別算法獲取電子警察、卡口、停車場出入口等場所的車輛相關結構化信息存入車輛主題庫，通過對車輛特征識別和梳理，提取有用信息，以便于視頻追蹤辨認、比對，達到車輛查證的目的，從而實現交通運輸服務和管理智能化。車輛的描述信息包括車輛號牌、車牌顏色、車輛品牌、車輛類型、車身顏色等。車輛二次分析實戰中的信息包括安全帶、年檢標、遮陽板、掛件、擺件、司乘人員等方面的識別。車型：確定車型對縮小查找范圍，明確摸排方向，節省人力資源等具有極大幫助。對車型的判斷主要依據不同車型外部特征的差異進行，如車輛銘牌、尾翼、車門、車窗、顏色、尾燈形狀、剎車燈位置等。車牌照：車輛號牌是車輛的外在標識，具有唯一性、合法性，是區分不同車輛的重要依據。根據視頻圖像中車輛的車牌號碼，可以將該號碼輸入到車輛信息管理系統、道路收費信息系統等進行查詢，極大程度地獲取車輛特征信息，用于追蹤查證。

2.人臉特征結構化

人臉特征辨識以視頻監控為基礎，以計算機、網絡信息為依托，以現代信息處理技術為支撐，開拓了“從像到像”、“從像到人”的全新辨別模式。當前視頻監控系統能對畫面中的行人和其屬性進行結構化，讓機器識別人的一些基本屬性，如性別、年齡范圍等特征范圍，還可以對人的衣著、運動、背包、拎包、打傘、是否騎車等信息進行結構化描述。如果從視頻圖像中的目標正面抓拍，可以識別到臉部一些具體的特征，如戴口罩、眼鏡、胡子類型等。人臉識別借助人像識別及智能搜索技術的深度應用，對視頻中人員的面部定位、面部特征提取，視頻中的人臉圖像被自動檢出后，與后臺人像模型數據進行特征比對匹配，從而對人員身份進行判別和告警。

3.行為事件特征結構化

對于行為事件的描述信息包括：車輛行為如違反交通信號指示燈、超速行駛、違反行車標識、禮讓行人、交通流量統計等多種行為特征描述；人體行為如越界、區域、徘徊、聚集、人流量統計等多種行為特征描述；物體行為如丟失、位移等行為特征描述。

4.物體深度技術

目前主流的視覺深度傳感器方案主要分結構光、Time-of-Flight和純雙目三類。雙目跟結構光一樣，都是使用三角測量法根據物體匹配點的視差反算物體距離，只是雙目是用自然光，而結構光是用主動光發射特定圖案的條紋或散斑。ToF是通過給目標連續發送光脈沖，然后用傳感器接收從物體返回的光，通過探測光脈沖的飛行（往返）時間來得到目標物距離。

TOF原理是傳感器發出經調制的近紅外光，遇物體后反射，通過計算光線發射和反射時間差或相位差來換算被拍攝物體的距離。3D結構光（StructuredLight）技術則要相對復雜一些，該技術將編碼的光柵或線光源等投射到被測物上，根據它們產生的畸變來解調出被測物的三維信息。雙目視覺則是和人眼一樣，用兩個普通攝像頭以視差的方式來計算被測物距離。三種方式各有優缺點，在現有技術條件下各有應用場景。

四、基于AR三維實景融合技術的危化品貯存風險監測關鍵技術應用

隨著危化品貯存風險帶來的應急管理態勢的持續升級，對危化品貯存重點場所的監管要求不斷遞增，對重點場所中倉庫園區的風險監測手段日趨增強。傳統的監測手段普遍存在底數不清、底圖不明、預警監測數據不及時、危化品的物物關聯、人物關聯關系不清楚等不足，隨著云計算、大數據、物聯網技術深入行業應用，開發基于AR三維實景融合技術將為視頻監控手段、傳感器實時數據感知手段、智能視頻分析手段、地圖視頻數據三維合一手段提供融合技術，形成應急管理風險監測手段的多重并舉，技術革新。充分發揮其地圖、數據、視頻的能力，為解決傳統危化品貯存中的實際問題提供新型關鍵技術和裝備研發與示范。AR三維實景融合技術是將傳統應急管理中一張圖的二維地圖以三維實景地圖進行替代，將傳統單一視角以多種視角進行擴展，將傳統數據被動接入以新型應急管理大數據主動感知進行升級，將傳統單一維度的事后追溯向當前多維數據主動預警預測進行轉變的綜合性解決方案。

本應用研究以傾斜攝影三維實景快速建模、危化品貯存重點場所BIM精細化建模為可視化模型基礎，自主研發地圖視頻數據三合一的微內核實景融合引擎，為危化品倉庫繪制鳥瞰視角、傾斜視角、第一人稱視角、伴隨視角，構建對危化品貯存周邊整體環境的總體態勢感知、對危化品貯存物、包裝物的智能視頻結構化算法識別、通過微服務感知各類前端數據采集信息（如溫度、濕度、壓力、容器、氣體、煙感、GPS定位等傳感器數據、視頻監控實時高清視頻、其他監管系統的狀態類數據、流程類數據、上報統計類數據、交易類進銷存系統關系型數據、海關物流電子數據報文EDI數據等），將傳統的二維地圖升級打造為兼容多種地圖視角和內容的三維實景地圖、支持衛星云圖、2.5D瓦片地圖、3D建模地圖、VR街景地圖、AR高清渲染地圖、視頻拼接投影地圖，利用3D引擎的海量點云數據支持特性，構建危化品實時動態更新的各類興趣點視角POI數據展示，通過應急管理的危化品車輛路徑、人物-物物關聯軌跡、貯存位置室內BIM動態監測實現危化品倉庫在線實時監測的圖屏聯動、實現比傳統體驗更直觀更身臨其境的沉浸式體驗第一人稱視角的操作方式，實現全景視覺、全局感知、全程交互、多災種適用的應急指揮、重點防控、實時監測的應急賦能應用平臺。

五、基于智能視頻分析算法應用到安全生產風險識別監測的關鍵技術應用

通過基于計算機視覺算法基礎形成的深度學習、人工智能、視覺計算的能力，可以設計構造基于人的特征行為識別算法，將規范化在安全生產過程中人的行為導致的相關危害風險，諸如易燃易爆物活動區域的抽煙行為、高空作業活動區域的防護措施不到位行為、機床設備操作臺上的不按照規定動作操作違規行為等。相關實地調研數據統計，一個大型五金加工廠每年投入安全生產教育培訓后依然存在各種原因違規行為導致的安全生產事故屢禁不止，由此產生的要求安全生產零事故成為這類企業的老大難問題。

經過仔細分析，事故發生的相關生產工人普遍都是機床設備的熟練度較高的群體，對安全生產規范的理解也是深刻清楚的，但往往由于諸如疲勞作業、連續趕工加班、計件工資多勞多得等原因，導致明知不可為而為之，為了趕工疲勞施工，為了多點計件工資，不按照標準動作施工導致。智能視頻分析算法的必要性就應運而生，通過高清視頻監控設備部署在機床位置，利用后端算法的深度學習和人工智能計算，識別計算工人的工作時長、識別特征動作識別、事先定義違規操作動作、位置、特征等，如識別沒有佩戴安全帽、識別沒有按規定操作機床、識別沒有前置動作或指示燈沒有亮就直接操作設備等特征。

如果將視頻結構化和工廠的機床被動裝置、電力裝置、防護裝置等進行集成，并與有條件的企業工廠的安全管理系統、車間管理MES系統、績效考核系統進行對接，事先危險動作識別、安全特征缺失就啟動設備自動防護措施、自動錄制及記錄違規動作行為，進行人、機床、動作、特征的關聯。

算法的識別精度可以達到99.99%的高準確率，且不會識別疲勞，沒有主觀臆斷。可以預期的是算法的能力與企業工廠的制動系統進行接入后，當識別到違規動作、疲勞施工等特征和行為動作的時候，機床暫停、制動停止，可以確保工傷及重大事故的發生。這對監管部門、企業、工人多方都有極大的意義，監管部門能夠從事后前移到事前，能夠讓事故少發生，能夠控制事故發生的范圍和蔓延的程度，真正做到底數清、情況明。

本應用研究以自主創新的安全生產違規動作行為識別算法為基礎，企業也可利用舊的高清視頻監控前端設備，后端開發建設算法解析系統，通過GPU加速計算技術對海量違規特征行為的圖片視頻樣本進行計算機深度學習，以人工智能人臉識別算法為基礎，開發安全生產違規動作行為識別算法，按照特定違規行為的范圍進行聚類，形成安全生產違規動作的專題庫和主題庫，通過密集的算法識別樣本訓練，讓計算機能夠通過前端視頻監控實時地捕獲識別違規動作特征，形成記錄和告警。

2019年是人工智能技術的落地應用年，應急管理是重要的落地行業之一，我們認為計算機視覺在應急管理中存在廣泛的應用，能夠大大提高應急管理的應用效率。本文主要針對危化品倉庫和危化品車輛、危化品貯存風險監測、安全生產風險識別監測三個方面進行了具體應用研究，提出了一些思路，并給出了一些具體的落地方法，相信在未來的兩三年內能夠看到更大范圍的落地技術和應用場景。

責任編輯：ct