雖然近些年AI算法有著質的突破，但具體落實到安防現(xiàn)實場景中，準確率往往比在實驗室里殘酷的多。那么人工智能在安防領域的落地究竟到了哪一步？參照傳統(tǒng)安防巨頭的實戰(zhàn)使用效果比看算法方案商的DEMO更有說服力。近日，由深圳市安全防范行業(yè)協(xié)會主辦、CPS 中安網(wǎng)承辦的人工智能安防行業(yè)應用暨實戰(zhàn)演練論壇中，威富集團董事長張少林、大華先進技術研究院研發(fā)總監(jiān)鄭韜、天地偉業(yè)總工程師楊清永，深入講解了三家安防巨頭各自在AI安防方向的探索與實踐。
一、安防實戰(zhàn)中的數(shù)據(jù)挑戰(zhàn)
硬盤公司從業(yè)者向雷鋒網(wǎng)透露，他們生產(chǎn)的硬盤，每兩塊就有一塊進入到安防行業(yè)。以北京為例，屬于政府和社會公共機構的攝像頭總數(shù)超過200萬個，這些攝像頭每分每秒都在保持錄像，每天會產(chǎn)生長達200多萬天的錄像，折合成年為5000多年。所以整個安防體系，從攝像頭到存儲都是一個擁有極大數(shù)據(jù)量的網(wǎng)絡。
這里提出一個疑問：數(shù)據(jù)由攝像頭產(chǎn)生，那么這些數(shù)據(jù)是由誰消費？在當前的安防監(jiān)控視頻網(wǎng)絡中，絕大部分消費者是監(jiān)控中心里的工作人員，簡單來說就是警方。他們在破案時會去查看很多錄像，而數(shù)據(jù)生產(chǎn)的速度遠超過數(shù)據(jù)消化的速度，這導致今天安防監(jiān)控行業(yè)的一個主要矛盾：我們產(chǎn)生了太多的視頻，可這些視頻卻沒辦法消化。
威富集團董事長張少林也談到了傳統(tǒng)安防面臨的挑戰(zhàn)：
威富、大華、天地偉業(yè)大秀AI肌肉，成功實戰(zhàn)演示背后仍存在不少行業(yè)通用難題1.被動式應用：監(jiān)控人員需同時面對數(shù)十甚至上百路視頻，難以及時發(fā)現(xiàn)視頻畫面中的突然和異常事件，監(jiān)控視頻錄像一般只能用于事后取證，且錄像查證過程需要耗費大量人力和時間。
2.數(shù)據(jù)無法有效利用：海量的視頻數(shù)據(jù)不能進行有效的數(shù)據(jù)挖掘和深度分析，不僅使得監(jiān)控系統(tǒng)運行效率低下，而且對視頻設備和數(shù)據(jù)資源也造成極大浪費。
3.存儲壓力巨大：海量的非結構化數(shù)據(jù)，大部分是無用數(shù)據(jù)，給存儲設備帶來極大的壓力，不僅浪費存儲空間，增加存儲成本，也不利于數(shù)據(jù)的快速檢索。
目前以視頻數(shù)據(jù)為核心的安防監(jiān)控體系，確實給客戶帶來了大量的麻煩。把這些數(shù)據(jù)放在客戶跟前，然后用純人工去尋找線索好比大海撈針。但隨著AI的成熟，相比于其他行業(yè)，安防行業(yè)的兩大特性，讓人工智能在安防領域有著很大的發(fā)揮空間。一是安防的數(shù)據(jù)基礎滿足人工智能的大數(shù)據(jù)特性，視頻數(shù)據(jù)有兩大特點：源數(shù)據(jù)信息量大、數(shù)據(jù)層次豐富。其次是，安防業(yè)務的本質訴求與人工智能的技術邏輯高度一致：
事后追查——事中響應——事前預防
大數(shù)據(jù)——深度學習——智能判斷
所以整個行業(yè)都把希望寄托在人工智能上，引進AI這個“消費者”，自動把這些視頻數(shù)據(jù)里面的內容和目標變成結構化數(shù)據(jù)。何為結構化數(shù)據(jù)？結構化數(shù)據(jù)就是數(shù)據(jù)能夠直接表達目標的性狀、屬性以及身份。這種數(shù)據(jù)可以大規(guī)模去檢索，大規(guī)模地分析、統(tǒng)計。智能化是希望AI能夠變成以視頻數(shù)據(jù)為核心的物聯(lián)網(wǎng)里面，這些數(shù)據(jù)的“消費者”，這時候“消費者”的 Output 就是結構化數(shù)據(jù)。結構化數(shù)據(jù)也不能直接拿來使用，因為這些數(shù)據(jù)一旦實現(xiàn)了大規(guī)模結構化后，數(shù)據(jù)量仍舊非常龐大。
當人工智能把這么多的錄像轉變成結構化數(shù)據(jù)后，就會產(chǎn)生一個新的數(shù)據(jù)海洋：結構化數(shù)據(jù)海洋。如果數(shù)據(jù)沒有經(jīng)過很好的挖掘，那它也不是有意義的情報。結構化數(shù)據(jù)目前已經(jīng)可以使用非常成熟的手段去挖掘，這個過程中會有一些非常淺度地挖掘、簡單的篩選：如黑名單。檢測到一輛車時，車牌號碼是一個嫌疑犯車牌號，當檢測到車牌號碼時，這輛車就被后臺預警。再比如說要檢測一個人：假設我有一張?zhí)臃傅恼掌斘以谀硞€地鐵站的攝像頭里看到一個人長得像這個逃犯時，它可能就變成了一個有意義的情報。當人工智能產(chǎn)生大量的結構化數(shù)據(jù)后，會有大量空間需要去做針對應用的數(shù)據(jù)挖掘。因為以前在沒有結構化數(shù)據(jù)時期，不同客戶使用的攝像頭和錄像機都是標準設備，只要看到畫面就行。它從畫面里觀察得到的信息如何體現(xiàn)到它的業(yè)務內容，這些事情需要人去做。當今天這些數(shù)據(jù)變成了結構化數(shù)據(jù)以后，在不同行業(yè)、不同場景要有大量的數(shù)據(jù)挖掘應用才能夠有效地把結構化數(shù)據(jù)變成有意義的情報。而人臉、車牌均可以看作是垂直場景的針對性數(shù)據(jù)挖掘。
二、安防實戰(zhàn)中的技術挑戰(zhàn)
在過去十年中，指紋識別、語音識別、人臉識別、虹膜識別、車牌識別、指靜脈識別已經(jīng)在安防領域有所應用。
相比于其他生物識別技術，人臉識別具有獨特的優(yōu)勢。自然無侵擾、直觀易判斷、簡便可擴展，這些條件均為人臉識別的大規(guī)模推廣應用提供了技術支撐。
人臉識別將在身份查驗和布控追逃等諸多應用中發(fā)揮巨大作用，智能識別認證合一、人臉自動檢測、定位、跟蹤、黑名單自動比對、實現(xiàn)標簽化存儲、檢索效率高、節(jié)約警力、節(jié)省時間。
天地偉業(yè)總工程師楊清永深入講解了人臉識別算法和真實應用場景。
人臉識別可分為警用和非警用兩種應用方向，警用包括反恐、刑偵、維穩(wěn)，民用則是支付、考勤、門禁，二者相比之下警用是最大的應用市場。現(xiàn)在公安對于人臉識別非常感興趣，因為人臉識別的確對他們工作有很大的幫助。
隨后楊清永繼續(xù)談到人臉識別在這些場景中會受到影響：
一、相似面部：容易將兩張相似的人臉誤判為同一個人。
二、光照條件復雜：尤其在強逆光環(huán)節(jié)下，非常影響人臉識別，大多以補光的方案進行處理。
三、受多變表情和跨年齡識別：如果目標對象面部表情過于夸張，以及一個從年幼到成年臉型發(fā)生變化后，機器很難識別出來是一個人。
四、臉部大面積遮擋：普通口罩和眼鏡的遮擋，較為有限，如果人臉特征遮蓋太多，對識別的影響較大。
當然，上述提到這幾項難題的研究成熟度也不斷在加快。
其中楊清永指出的跨年齡識別方面，百度已經(jīng)取得了非常好的效果。今年年初，吳恩達率隊的百度人工智能在人臉識別跨年齡識別任務中以 3：2 的比分擊敗《最強大腦》名人堂輪值主席、世界記憶大師王峰。
這其中 Cross-Age Face Identification（跨年齡人臉識別）就是一個難度較大的挑戰(zhàn)，在第一個節(jié)目設置中，需要識別對象的年齡跨度大概為 20 歲。在第二個節(jié)目設置中，對比小學畢業(yè)照和成年照，年齡跨度也高達十幾歲，而且第二個節(jié)目設置中的人臉數(shù)達到了1500 個以上。
最終，小度的表現(xiàn)非常驚艷，
這里，在稀疏的數(shù)據(jù)集上學習到更好的特征，保證跨年齡的同一個人的兩張人臉的距離，比不同人相似年齡的兩張人臉距離小就是關鍵。
一般而言，在跨年齡階段人臉識別中，類內變化通常會大于類間變化，這造成了人臉識別的巨大困難。同時，跨年齡的訓練數(shù)據(jù)難以收集。沒有足夠多的數(shù)據(jù)，基于深度學習的神經(jīng)網(wǎng)絡很難學習到跨年齡的類內和類間變化。
百度IDL人臉團隊選擇用度量學習的方法，即通過學習一個非線性投影函數(shù)，把圖像空間投影到特征空間中。在這個特征空間里，跨年齡的同一個人的兩張人臉的距離會比不同人的相似年齡的兩張人臉的距離要小。
考慮到跨年齡人臉的稀缺性。用大規(guī)模人臉數(shù)據(jù)訓練好的模型作為底座，然后用跨年齡數(shù)據(jù)對它做更新。這樣不容易過擬合。
將兩點結合起來做端到端的訓練，可以大幅度提升跨年齡識別的識別率。
得益于百度擁有兩億量級的訓練數(shù)據(jù)，才能在跨年齡識別方面取得不過的效果。除此之外，比賽過程對工程要求也非常高，這些條件均是國內絕大部分公司難以比擬的。
而保證上述人臉識別準確率的關鍵就是深度學習。
三、安防實戰(zhàn)中的額外挑戰(zhàn)
大華先進技術研究院研發(fā)總監(jiān)鄭韜談到，人臉識別能在近些一年呈井噴式發(fā)展，無疑離不開深度學習的支持。深度學習首先要滿足以下三大條件：
大量的樣本：深度學習需要海量的數(shù)據(jù)集。
高性能的計算：如果用CPU去訓練深度學習算法，可能比用GPU的方式要多10倍甚至20倍的時間。高性能計算使得從業(yè)人員能夠快速地訓練并驗證自己的樣本、算法，所以深度學習必須要有高性能計算，這是和GPU的計算能力相輔相成的。
市場需求：市場上有大量樣本，對客戶而言，視頻數(shù)據(jù)放在那邊沒有人去看，它就沒有市場價值。真正的目的需要把這些視頻價值利用起來，用深度學習自動提取視頻里面的數(shù)據(jù)，獲得視頻中的價值。
大會期間，威富集團、天地偉業(yè)、大華股份三家安防巨頭也分別進行了實時車輛識別、人臉識別的實戰(zhàn)演練。
四、實戰(zhàn)出色并不代表問題都已解決
車輛識別實戰(zhàn)
在車輛識別測試中，大華股份基于 “睿智” 服務器，對活動方拍攝好的1小時路況監(jiān)控視頻進行檢測和識別，通過 “ 車牌號、時間、年檢、車輛品牌、車身顏色、有無紙巾盒”等多維度的檢索，找出了三輛車的出現(xiàn)時間，雖然在時間上出現(xiàn)一個微乎其微的誤差，但總體效果表現(xiàn)較為突出。
人臉識別實戰(zhàn)
在人臉識別實戰(zhàn)測試中，活動方提供目標人員照片，由威富集團、天地偉業(yè)進行系統(tǒng)布控，最終雙方都準確無誤的統(tǒng)計出目標人員的進出次數(shù)，并做出實時預警。其中天地偉業(yè)的系統(tǒng)可以識別遮擋的人臉，如佩戴墨鏡、口罩等，此外對于各個角度的人臉都能進行很好的捕捉，系統(tǒng)最大可識別同鏡頭程90度的人臉。
實戰(zhàn)出色并不代表問題都已解決
雖然車輛識別和人臉識別在實戰(zhàn)環(huán)節(jié)非常順利，但筆者認為，如果進行大規(guī)模和在復雜環(huán)境中使用，仍舊會存在不少問題，而這個問題也是棘手的行業(yè)通用問題。
車輛識別這一研究方向確實已經(jīng)被解決了，由于車輛自身屬性，它是一種非常特殊的目標，因為它有著一個獨一無二的 ID：車牌號碼。合法車牌號碼具有唯一性，一旦把車牌號碼識別出來整個問題就比較好解決。
而且目前也有不少廠商利用最近比較火熱的GAN來生成大量以假亂真的車牌數(shù)據(jù)去做訓練，效果非常可觀。
從去年開始，車輛大數(shù)據(jù)產(chǎn)品已被很多廠商推出，未來也會越來越普及。這里也有一個重要的挑戰(zhàn)，也算是機遇。道路上的攝像頭分 3 種：電警、卡口、監(jiān)控攝像頭。所謂電警和卡口，通常是在十字路口或者高速公路的進出口上搭了一個龍門架，或者有一個裝了攝像頭的架臺。這些攝像頭分辨率很高，角度也非常合適，它可以在正面增加識別的成功率。但像電井和卡口這樣的攝像頭，只占整個道路周邊攝像頭數(shù)量的很小一部分。以北京為例，電警和卡口攝像頭的數(shù)量占道路全部攝像頭數(shù)量的千分之一左右。
還有更多攝像頭是普通的視頻監(jiān)控攝像頭，這些攝像頭數(shù)量很多，分辨率也不是特別高，因為它們要錄制視頻。一般在安裝的時候都是為了監(jiān)控整個大場景，所以視場角較大，視場角變大的壞處就是針對每一個目標它所能夠分配的像素數(shù)量會降低。
這個時候，監(jiān)控視頻里看到很多目標并不是很清晰：沒有補光、照明不夠、圖像模糊現(xiàn)象很嚴重。如何在這種低質量的數(shù)據(jù)、不理想的環(huán)境下仍然把視頻識別做好？這在某些方面決了定我們能否把道路監(jiān)控大視頻、大數(shù)據(jù)這個事情做好，這一領域的產(chǎn)品其實還有很多的改進空間。
其次是人臉識別。
以北京地鐵站為例，北京1000多個地鐵站里面平均每站都有上百個攝像頭，如果這里面100個攝像頭每個地鐵站流通8到10萬人是很常見的，可能在一些比較繁忙的地鐵站有上百萬人。
對于看到的每一個人都要回答“N+1”個問題，如果這個“N”是一個擁有幾十萬人的全國逃犯數(shù)據(jù)庫，簡直是天文數(shù)字。
首先做個假設，一臺動態(tài)人臉抓拍機每天產(chǎn)生以下問題：假設每個相機每天看見1萬張臉，在很多公共場所這并不是一個很夸張的假設。
假設對比庫里有1萬個目標，這可能對公安來說也不是一個大的目標庫。如果基于該假設的話，這個相機每天要回答的問題就是一億零一萬個。如果人工智能每回答100萬個人臉比對問題就犯一個錯誤，那么每一天在每一臺相機上就會犯100個錯誤，也就是產(chǎn)生100個誤報或者漏報。
剛才假設每回答100萬個問題才會犯一個錯誤，其實也是非?？鋸埖募僭O，因為在動態(tài)人臉識別里，很多時候人的面孔角度是不理想的，分辨率也不一定很理想，光線可能也不是很好，還可能有運動模糊。
這種情況下，如果哪個公司真的可以達到百萬分之一的錯誤率，已非常優(yōu)秀。如果一個客戶裝了1000臺人臉識別相機，這時候系統(tǒng)每天要回答1000億個問題，如果人工智能回答100萬個問題就會犯一個錯誤，那么客戶每天就會收到100萬個錯誤，也就是100萬個誤報或者漏報。所以人臉識別解決公共安全問題的作用仍然微不足道。
五、人工智能的征戰(zhàn)才剛剛開始
這里面其實把大量的人工智能和少量人類智能結合起來，會產(chǎn)生一個較好的互補效應。
全國各地的城市已經(jīng)開始擁有一定規(guī)模的人臉識別，但很快就會碰到天花板，誤報會大規(guī)模上升。
企業(yè)需要通過大規(guī)模的、多模態(tài)數(shù)據(jù)整合來提升人工智能的精度。
如果單看一個單點人工智能的識別結果，它的錯誤率并沒有足夠好，就算可以做到千萬只分之一的錯誤率，但只要問題數(shù)量過多，誤導還是很多。
但是當使用更多規(guī)模的數(shù)據(jù)，比如一個人在運動時。他在軌跡路線上是否能夠被反復識別，或者說軌跡所體現(xiàn)的行為，同時能夠印證這個人的可疑性，或者說關于一個目標的多模態(tài)數(shù)據(jù)：他的車輛、消費記錄、手機信號、wifi探針、社交關系，把這些不同模式的數(shù)據(jù)能夠整合起來，有大量的規(guī)律、模態(tài)、組合可以把這個任務做得更好。
所以未來人工智能安防產(chǎn)品要有很強的大數(shù)據(jù)分析能力。而這個龐大的系統(tǒng)工程，則需要威富集團、大華、天地偉業(yè)這類傳統(tǒng)安防企業(yè)與商湯、曠視這類新型AI公司聯(lián)手一起去探索。
