论文部分内容阅读
摘 要：近年来，借助于深度学习和大数据的技术突破，人工智能实现了里程碑式的发展。智能安防应运而生，“无AI，不安防”成为众人热议和媒体报道的焦点。本文主要介绍人工智能的概念，分析大数据价值和意义，并探讨了当前智能安防的行业现状、存在问题及解决方法，同时呼吁各界要理智对待人工智能热潮，摒弃“银弹”思想和一劳永逸观念，脚踏实地、合力持续推动智能安防行业不断向前发展。
关键词：人工智能;大数据;智能安防;视频监控
引言：
近十年来，在平安城市建设深入推进的过程中，我国安防行业一直将智能化作为发展的主要方向之一，在视频前端感知、视频数据结构化以及后端大数据挖掘、深度学习、分析研判、预测预警等技术应用方面取得了较大进步，不少技术应用走在了行业领域的前列[1]。然而对于新一代人工智能的要求来讲，这些成果仍是初步和粗浅的，由于目前缺乏对人工智能系统理论和标准的研究，以至于许多企业把智能化发展的一些初级成果当成人工智能去宣传和渲染，过度商业化的炒作不仅会混淆概念、误导市场，有时甚至连自己也会产生方向性错觉。试问：我们真的理解人工智能吗？真的掌握了其核心算法及关键技术吗？真的拥有了足够可用的大数据吗？
1人工智能及大数据
1.1人工智能的概念
人工智能（ArtificialIntelligence），英文缩写为AI，是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门技术科学[2]。人工智能是计算机科学的一个分支，它试图了解人类智能的本质和运作机制，并研究开发出一种能以人类智能相似的方式做出反应的机器人。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能自诞生以来，理论和技术日益成熟，应用领域不断扩大。随着研究的不断深入，人工智能已经可以对人类的意识、思维的信息过程进行简单模拟。
1.2为什么需要大数据？
世间一切事物都包含静态的信息数据，此外任何事物的活动都在产生数据，而且这些数据都是有意义的，这为深度学习提供了大量的数据基础[3]。同时，计算机硬件性能和网络传输速度的不断提升，云技术的蓬勃发展，以及人工智能的算法和技术的飞速发展大大降低了分析大量数据所需的门槛，从而使大数据的应用普及成为可能，推动信息数据成为继物质、能源之后的第三大战略资源。深度学习的前提条件是拥有足够可用的训练数据，任何一个人工神经网络搭建完成以后，只有通过各种类型训练数据的检验，才算完成对实际应用场景的模拟。而大数据可以为深度学习提供训练数据，基于数据，可以触摸、理解和逼近现实复杂系统，这就是需要大数据的根本原因。
2大数据时代下的人工智能应用于安防领域
2.1“如鱼得水”
过去的20年高速发展中，安防行业经历了从模拟到数字、从数字到高清的发展变革，2017年迎来了“安防AI元年”。虽然人工智能总体水平仍处于初级阶段，但这并不妨碍人工智能在特定领域（比如安防领域）得到广泛的应用并且取得巨大成功。
实际上，人工智能具有天然在公共安全视频监控的图像信息分析处理中落地的场景、需求和应用，在该领域中人工智能技术主要应用于人体检测、人脸识别、人脸特征识别，车辆检测、车牌识别、车辆特征识别，行人特征识别，人员轨迹分析，行人步态识別，人群密度分析等场景，通过人工智能技术将前端采集的视频图像进行自动化解析，由机器自动完成非结构化的视频图像数据向准结构化或结构化数据的转换，再通过模式匹配，实现身份识别、分析研判、预测预警等功能，充分发挥了视频监控图像信息的实战价值。其中，基于模式匹配的人脸识别智能系统在公安实战中大放异彩，人脸识别主要分为静态人脸比对和动态人脸识别比对，在公安实战中主要用于布控排查、边境防控、犯罪嫌疑人识别、司法人脸鉴定、重点场所门禁等场景，在实际应用时都需要面对海量的视频数据，通过基于大数据的智能视频监控系统协助一线民警实现分析研判及预测预警，在一定程度上将基层警力从繁重的视频图像分析工作中解放出来，对于全面深化公安改革，释放警力，实现改革强警、科技兴警的目标具有重要的现实意义。
2.2“道阻且长”
虽然目前人工智能在安防领域得到广泛的应用并取得巨大成功，但是仍处在自然界最低级生物的智能都能够超过我们最智能机器人的阶段，人工智能技术研究与应用还有很长的路要走。当前，智能安防主要存在以下问题：一是目前人类科学对于自身智能的认识非常有限，对人类智能的本质和运作机制的理解并不透彻;二是深度学习算法技术瓶颈逐渐凸显，当数量级饱和之后，图像分类的精确度和规模不再呈现线性关系，大规模深度学习无法进一步提升模式识别的能力;三是数据治理体系远未形成，原始数据资源丰富，然而数据壁垒依旧存在、法律法规发展滞后，制约了数据资源中所蕴含价值的挖掘与转化;四是在安防行业中，许多企业把智能化发展的一些初级成果当成人工智能去宣传和渲染，进行过度商业化的炒作，却忽视了将产品和技术落地。
面对当今及未来愈演愈烈的公共安全威胁和日益严峻的治安管理态势，智能化自动化必将成为安防行业未来的发展趋势，智能安防的发展形势只会越来越好。针对上述问题，笔者认为：一是研究人员要不断加强基础科学研究，助力人工智能领域取得新的突破性进展，同时要不断加强技术创新和算法融合，促进物联网、大数据、云计算与机器人等技术的融合应用;二是管理人员要不断完善体制机制，稳步推进国家大数据战略和公安大数据战略的实施，建设自主可控大数据技术体系和产业生态，构建完整的数据治理体系，为全面推进大数据的综合应用注入强大动力;三是企业人员要坚持实战应用为主，以公安业务为核心，拓宽实战产品深度，整合智能安防解决方案，大力推进产品、解决方案与公安实战应用的融合，在自己擅长的领域深耕，抛弃纷繁的概念炒作，将产品和技术落地，踏踏实实解决具体的智能安防领域问题。
结束语：
迎来第三次高峰的人工智能是幸运的且具有巨大魔力，此次人工智能热潮不仅获得了国家相关政策支撑，而且吸引了大量社会资本的投入，其中安防行业更是当仁不让，智能安防成为人工智能开花结果的成功典型。然而，通过冷静反思，我们发现深度学习热度已经大大下降，人工智能的这一轮风口日渐疲软。正如墨菲定律所说：如果事情有变坏的可能，不管这种可能性有多小，它总会发生。所以在笔者看来，人工智能的第三个冬天一定会来临，而且会来的比我们想象的要早。无论人工智能领域是处于高峰还是处于低谷，希望各位安防从业人员都能不忘初心、砥砺前行，要摒弃“银弹”思想和一劳永逸观念，脚踏实地解决智能安防领域依旧存在的问题，主动构建、优化与生态圈合作伙伴的关系，共同营造共生、互生、再生的局面，合力持续推动智能安防行业不断向前发展，助推公安改革工作，为维护公共安全和社会稳定、为我国社会治安综合防控体系建设贡献自己的力量。
参考文献：
[1]邱骏.互联网+背景下的危化品车辆智能安防系统应用研究[J].智库时代，2018（51）：154-155.
[2]郭文勇.物联网在建筑智能化管理中的应用[J].智能建筑与智慧城市，2018（11）：111-112.
[3]刘永立.智能安防系统设计与实现[J].电脑编程技巧与维护，2018（10）：140-141+161.
关键词：人工智能;大数据;智能安防;视频监控
引言：
近十年来，在平安城市建设深入推进的过程中，我国安防行业一直将智能化作为发展的主要方向之一，在视频前端感知、视频数据结构化以及后端大数据挖掘、深度学习、分析研判、预测预警等技术应用方面取得了较大进步，不少技术应用走在了行业领域的前列[1]。然而对于新一代人工智能的要求来讲，这些成果仍是初步和粗浅的，由于目前缺乏对人工智能系统理论和标准的研究，以至于许多企业把智能化发展的一些初级成果当成人工智能去宣传和渲染，过度商业化的炒作不仅会混淆概念、误导市场，有时甚至连自己也会产生方向性错觉。试问：我们真的理解人工智能吗？真的掌握了其核心算法及关键技术吗？真的拥有了足够可用的大数据吗？
1人工智能及大数据
1.1人工智能的概念
人工智能（ArtificialIntelligence），英文缩写为AI，是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门技术科学[2]。人工智能是计算机科学的一个分支，它试图了解人类智能的本质和运作机制，并研究开发出一种能以人类智能相似的方式做出反应的机器人。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能自诞生以来，理论和技术日益成熟，应用领域不断扩大。随着研究的不断深入，人工智能已经可以对人类的意识、思维的信息过程进行简单模拟。
1.2为什么需要大数据？
世间一切事物都包含静态的信息数据，此外任何事物的活动都在产生数据，而且这些数据都是有意义的，这为深度学习提供了大量的数据基础[3]。同时，计算机硬件性能和网络传输速度的不断提升，云技术的蓬勃发展，以及人工智能的算法和技术的飞速发展大大降低了分析大量数据所需的门槛，从而使大数据的应用普及成为可能，推动信息数据成为继物质、能源之后的第三大战略资源。深度学习的前提条件是拥有足够可用的训练数据，任何一个人工神经网络搭建完成以后，只有通过各种类型训练数据的检验，才算完成对实际应用场景的模拟。而大数据可以为深度学习提供训练数据，基于数据，可以触摸、理解和逼近现实复杂系统，这就是需要大数据的根本原因。
2大数据时代下的人工智能应用于安防领域
2.1“如鱼得水”
过去的20年高速发展中，安防行业经历了从模拟到数字、从数字到高清的发展变革，2017年迎来了“安防AI元年”。虽然人工智能总体水平仍处于初级阶段，但这并不妨碍人工智能在特定领域（比如安防领域）得到广泛的应用并且取得巨大成功。
实际上，人工智能具有天然在公共安全视频监控的图像信息分析处理中落地的场景、需求和应用，在该领域中人工智能技术主要应用于人体检测、人脸识别、人脸特征识别，车辆检测、车牌识别、车辆特征识别，行人特征识别，人员轨迹分析，行人步态识別，人群密度分析等场景，通过人工智能技术将前端采集的视频图像进行自动化解析，由机器自动完成非结构化的视频图像数据向准结构化或结构化数据的转换，再通过模式匹配，实现身份识别、分析研判、预测预警等功能，充分发挥了视频监控图像信息的实战价值。其中，基于模式匹配的人脸识别智能系统在公安实战中大放异彩，人脸识别主要分为静态人脸比对和动态人脸识别比对，在公安实战中主要用于布控排查、边境防控、犯罪嫌疑人识别、司法人脸鉴定、重点场所门禁等场景，在实际应用时都需要面对海量的视频数据，通过基于大数据的智能视频监控系统协助一线民警实现分析研判及预测预警，在一定程度上将基层警力从繁重的视频图像分析工作中解放出来，对于全面深化公安改革，释放警力，实现改革强警、科技兴警的目标具有重要的现实意义。
2.2“道阻且长”
虽然目前人工智能在安防领域得到广泛的应用并取得巨大成功，但是仍处在自然界最低级生物的智能都能够超过我们最智能机器人的阶段，人工智能技术研究与应用还有很长的路要走。当前，智能安防主要存在以下问题：一是目前人类科学对于自身智能的认识非常有限，对人类智能的本质和运作机制的理解并不透彻;二是深度学习算法技术瓶颈逐渐凸显，当数量级饱和之后，图像分类的精确度和规模不再呈现线性关系，大规模深度学习无法进一步提升模式识别的能力;三是数据治理体系远未形成，原始数据资源丰富，然而数据壁垒依旧存在、法律法规发展滞后，制约了数据资源中所蕴含价值的挖掘与转化;四是在安防行业中，许多企业把智能化发展的一些初级成果当成人工智能去宣传和渲染，进行过度商业化的炒作，却忽视了将产品和技术落地。
面对当今及未来愈演愈烈的公共安全威胁和日益严峻的治安管理态势，智能化自动化必将成为安防行业未来的发展趋势，智能安防的发展形势只会越来越好。针对上述问题，笔者认为：一是研究人员要不断加强基础科学研究，助力人工智能领域取得新的突破性进展，同时要不断加强技术创新和算法融合，促进物联网、大数据、云计算与机器人等技术的融合应用;二是管理人员要不断完善体制机制，稳步推进国家大数据战略和公安大数据战略的实施，建设自主可控大数据技术体系和产业生态，构建完整的数据治理体系，为全面推进大数据的综合应用注入强大动力;三是企业人员要坚持实战应用为主，以公安业务为核心，拓宽实战产品深度，整合智能安防解决方案，大力推进产品、解决方案与公安实战应用的融合，在自己擅长的领域深耕，抛弃纷繁的概念炒作，将产品和技术落地，踏踏实实解决具体的智能安防领域问题。
结束语：
迎来第三次高峰的人工智能是幸运的且具有巨大魔力，此次人工智能热潮不仅获得了国家相关政策支撑，而且吸引了大量社会资本的投入，其中安防行业更是当仁不让，智能安防成为人工智能开花结果的成功典型。然而，通过冷静反思，我们发现深度学习热度已经大大下降，人工智能的这一轮风口日渐疲软。正如墨菲定律所说：如果事情有变坏的可能，不管这种可能性有多小，它总会发生。所以在笔者看来，人工智能的第三个冬天一定会来临，而且会来的比我们想象的要早。无论人工智能领域是处于高峰还是处于低谷，希望各位安防从业人员都能不忘初心、砥砺前行，要摒弃“银弹”思想和一劳永逸观念，脚踏实地解决智能安防领域依旧存在的问题，主动构建、优化与生态圈合作伙伴的关系，共同营造共生、互生、再生的局面，合力持续推动智能安防行业不断向前发展，助推公安改革工作，为维护公共安全和社会稳定、为我国社会治安综合防控体系建设贡献自己的力量。
参考文献：
[1]邱骏.互联网+背景下的危化品车辆智能安防系统应用研究[J].智库时代，2018（51）：154-155.
[2]郭文勇.物联网在建筑智能化管理中的应用[J].智能建筑与智慧城市，2018（11）：111-112.
[3]刘永立.智能安防系统设计与实现[J].电脑编程技巧与维护，2018（10）：140-141+161.