浅析智慧安防在智慧城市中的发展及其应用
智慧城市处于城市化和信息发展的大背景下,它利用物联网,云计算,大数据计算和人工智能等全面的新一代信息技术来协调公共信息资源。 用于管理和运营的现代城市发展的新形式。
智慧城市是在城市信息化发展到一定基础之上,为了破解城市各业务领域信息化深化发展带来的数据孤岛、业务壁垒、局部智能等一系列发展障碍而提出的。建设智慧城市的一个重要目标,就是要在城市数字化前提下,实现数据的融合与共享,进而实现以大数据为基础的深度学习、跨界融合、全局智能。
安防是城市的刚需,没有智慧安防智慧城市将无从谈起。城市公共安防涉及城市治安管理、城市管理、交通管理、安全生产监管、应急指挥等众多行业和部门,对数据的多源采集、充分共享、深度挖掘、创新应用要求非常高。在智慧城市众多的专项领域里,智慧安防是最能体现立体感知、数据融合、业务系统、开放创新等智慧城市建设特征的专项领域。
一、AI、大数据时代,智慧安防在智慧城市建设中的发展现状
近年来,在网络、数据、计算、芯片、算法等基础能力技术的助推下,随着物联网、大数据分析、人工智能等技术和应用的不断成熟,特别是计算机视觉、视频结构化分析、视频图像深度学习等人工智能技术的引入,公安大数据和社会大数据的深度挖掘,城市公共安防智慧化水平不断提升。“AI+安防”正成为安防行业发展的热点和共识。
按照中国信息通信研究院的统计结果,2018年中国人工智能市场主要由五个领域构成,按照市场规模从高到低分别为:机器视觉占比37%,语音识别占比22%,自然语言处理占比16%,基础算法及平台占比14%,芯片占比11%。而在机器视觉领域市场构成中,安防行业以67.9%占据大部分份额,这得益于中国公共安全视频监控建设的庞大市场。安防行业也从单一的安全领域向智慧城市各领域应用方向发展,旨在提升生产效率、提高生活智能化程度,为更多的行业和人群提供可视化、智能化解决方案。
二、智慧安防在智慧城市建设中的机遇与挑战
智慧安防的建设切实增强了城市整体防控、打击犯罪、信息安全、城市治理等能力,目前已进入以数据分析为核心的情报驱动的信息化建设阶段。在这个阶段,数据的采集、分析和应用是关键。
在智慧城市中,城市公共安防在各行业领域广泛应用,并融入全社会乃至普通百姓的多方需求。与此同时,推动安防系统从传统的被动防御升级成为主动判断和预警的智能防御,是安防行业一直以来的迫切需求。安防信息隐藏在城市运行的各项指标背后,其数据的采集不能只依靠政府部门,要基于“共建共治共享”理念,推动社区、学校、医院、企业、酒店、工地等企事业单位等共同承担起数据采集责任;要建立起以视频监控为核心,包含MAC、音频、指纹等多种类型的数据采集手段;要实现吃、住、行等不同场景的信息全域覆盖、全程采集。
安防数据数量巨大、价值密度低、种类繁多,不仅对人类来说使用起来非常困难,对其进行智能分析和挖掘也是很困难的事情。目前,安防视频智能分析技术对于视频成像质量要求较高,而目前的视频图像质量受环境影响较大,加上由于编码、网络带宽等因素制约,在视频模糊、光照不足等情况下无法实现视频分析技术的有效辨识;同时,安防数据在各数据库之间的关联融合非常少,数据资源仍处于分散状态,数据的开放和共享程度低,难以开展多维数据融合分析,需要结合应用场景进一步提升模型算法,充分发挥机器学习、数据分析和挖掘等各种人工智能优势,开展智能分析。
三、智慧安防在智慧城市建设中的应用案例解析
如今,智慧安防已经进入大数据和人工智能时代。以机器视觉、深度学习技术为基础的人工智能已经广泛应用于治安管控、交通管理、刑侦破案等业务场景中,在不需要人为干预的环境下,计算机可以对摄像机拍摄的内容进行自动分析,包括目标检测、目标分割提取、目标识别、目标标注、目标跟踪等;可以对监测场景中的目标行为进行理解并描述,得出符合实际意义的解释,如车辆逆行、开车打电话、人群集聚、包裹遗留等,大大提升了视频监控数据的价值和使用效率。
安防数据像血液一样渗透于城市的治安、交通、社区、教育、生产等各个方面。处理海量多源异构数据是智慧安防必须要面对的问题。目前,公安系统数据库中积累大量的车辆、人员、社会关系等信息及大量的高危人员、高危车辆的信息,同时城市摄像头、智能移动终端、传感器每时每刻都在产生大量的社会安全数据,城市安防信息就隐藏在这些数据中。大华多维大数据解决方案即以视频提取人、车、物、行为等结构化数据核心,同时融合道路卡口/电警图片视频资源、治安监控、公安信息库(如人员信息库、车辆盗抢库、车架管库、六合一系统等)、社会资源信息、互联网高价值信息等,进行多维度的碰撞分析,并与实战业务流程相结合,不断深入挖掘数据深层次价值,构建一张“多维智能感知防控网络”,打通数据壁垒,服务全警及各政府部门应用。多维大数据系统可对人员数据、车辆数据、物联数据进行采集和关联,通过以视频为核心的物联信息服务与公安业务数据、政府社会数据进行碰撞,从而实现融合检索、全网碰撞、关系追踪、轨迹补全、轨迹预测等功能。