轉自鳳凰網藍鲸财經

原标題：當犯罪份子遇上AI攝像頭，一場貓捉老鼠的新戰

請輸入描述

打擊犯罪分子、遏制犯罪事件發生，一直都是國家公安機構的終極目标，依托于科技的力量通過攝像頭進行視頻實時監控是公安機構打擊罪犯的一項“法寶”，但目前公安所使用的攝像頭視屏監控僅僅隻能用來協助破案，無法達到引導公安人員打擊罪犯，阻止犯罪事件發生的作用，每天社會中的犯罪事件仍舊還在我們身邊上演着。

伴随着深度學習算法的不斷發展，為人類帶來新變革的人工智能技術出現了，目前已經在金融、安防、醫療、法律等多個不同領域開始逐步應用。源于安防領域事前預防、事中響應、事後追查的訴求與人工智能的技術邏輯完全吻合，安防行業占得先機。當人工智能技術應用到安防行業公安天網監控系統的攝像頭上，監控裡的視頻能夠進行數據智能分析，公安機構打擊罪犯也出現了更多的可能。

AI攝像頭能為公安機構創造哪些可能？

視頻監控的發展，一直以來都是用于檢測和制止家庭、企業和公共場所的犯罪行為。國家公安機構每年在打擊犯罪份子的手段上尤其是在完善天網監控系統上投入了大量的資金和人力，目前公安機構天網監控系統安放的攝像頭基本上已經遍布城市中的每一個角落，農村也正在開始普及當中。

一、助力公安高效偵查破案，AI攝像頭成“偵查專家”

在公安機構建設的天網監控系統中，傳統的攝像頭隻能夠解決視頻的儲存和回放，公安人員一旦使用這些監控設備偵查破案，需要定位和查找視頻錄像中的人、車輛、物等目标相關信息，然而這需要投入大量的人力以及精力。

因為目前要實現全方位的實時監控，調度指揮，視頻錄像中的可疑車輛檢索查證，必須得依靠公安相關工作人員時刻緊盯屏幕，監視所有攝像頭裡的實況視頻，以及相關視頻錄像的回放。同時這也難以避免因為工作人員長時間緊盯屏幕和疏忽，導緻遺漏某些稍縱即逝的重要消息，從而影響公安人員自身的破案效率。

在這種情況下，公安機構急需一種新的技術來幫助自身打破通過人為視頻監控檢索消息的壁壘。而人工智能的四個核心能力，語音、圖像、自然語言理解和人物畫像，恰好滿足公安人員通過攝像頭視頻監控檢索信息的訴求。

通過人工智能四大核心技術，當公安天網監控系統的攝像頭能夠對視頻數據進行智能分析，實時分析視頻監控内容，檢測運動對象，識别人、車屬性信息，将存在可疑點視頻傳遞到數據庫進行單獨存儲，同時還能提取視頻錄像中犯罪現場周邊可疑的人、車、物等目标相關信息，通過人臉識别技術實現一對一的圖像對比，快速的查找可疑目标資料信息，定位可疑目标位置，生成結構化的語義描述反饋給公安工作人員，這将大大提高公安人員偵查破案的效率。犯罪嫌疑人的軌迹鎖定原來可能需要幾天時間，在AI攝像頭的幫助下縮短到幾個小時就能協助公安人員快速破案抓獲犯罪嫌疑人，讓罪犯無所遁形。

二、利用人工智能“預測”犯罪，協助公安人員預防犯罪事件

社會犯罪事件頻頻上演，将犯罪嫌疑人緝拿歸案是公安機構的本職工作，但是某種意義上而言維護治安，及時制止犯罪事情的發生更加值得重視，如何有效的預防犯罪事件的發生？這幾乎成為了每個國家公安機構心頭的焦慮。

那麼AI攝像頭是否能夠協助公安人員預防犯罪事件發生呢？通過人工智能技術識别人的面部表情、行為識别以及步态分析，協助警察提前進行預測分析犯罪行為做好制止工作，AI攝像頭的作用也十分極具想象力。

例如通過AI攝像頭建立一個面部識别系統，根據每一天某人去過哪些地方、有哪些行為動作，給他設置犯罪風險評級，然後AI攝像頭将預測結果告知警方。比如說，生活中一個人去買菜刀并不可疑，但是如果同一個人買完菜刀之後又同時去買了一把錘子和一個袋子，那麼這個人的可疑評級就會因此上升，一旦分值超過警戒線，AI攝像頭就會發出警報提醒公安部門密切關注此人，提前預判制止犯罪事件發生。

AI攝像頭引導公安打擊犯罪需要突破的難題

“理想很豐滿，現實卻很骨感”，利用AI攝像頭打擊罪犯的确非常具有應用前景，但是就目前的技術，以及各方面的資源而言，AI攝像頭想要具體落實，還有很多實質性的問題需要解決。

一、視頻成像對環境的适應性

視頻成像是人工智能對視頻内容理解的基石，而人工智能指導公安人員打擊罪犯主要分為三個步驟，目标檢測、目标跟蹤和目标屬性提取。但是在惡劣的環境因素下，當AI攝像頭面臨關照不足、圖像模糊、目标尺寸過小又或是相互遮擋等問題的時候，這種情況下可能會對人工智能對視頻内容的辨識度造成一定的影響甚至是數據誤報，給公安人員帶來一些不必要的麻煩。

二、如何打破數據的孤島效應

大數據技術能為人工智能提供強大的分布式計算能力和知識庫管理能力，是人工智能分析預測、自主完善的重要支撐。可在傳統的安防體系中，各個平台之間的數據開放性、彼此之間的共享度極低，例如定位、社交、車輛、消費等等，雖然公安人員能夠收集到這些數據，但是人工智想要自主收集卻不是一件易事。當AI攝像頭缺乏有效的數據支撐，就很難開展多維數據融合分析，無法實現目标追蹤的目的。

這裡以人臉識别為例，要提高人臉識别的準确率，隻是單純依靠提高人物圖片高精度識别是不夠的，還需要擴充分析數據的緯度，例如定位、收集人物車輛和消費等信息，通過這樣大規模的多模态數據整合目标信息分析才會更加的精确。

三、領域專業知識的積累

目前的智能分析技術還僅僅停留在單場景的目标檢測和行為分析的層次，對視頻内容的理解分析偏弱，無法對大範圍場景進行關聯行為分析，而主要表現于無法對動作、行為等動态特征以及之間的關聯性做結構化的處理。

另外，自身領域也沒有積累下有效的經驗知識用于人類行為異常分析和風險預測。

四、缺乏有效的自主完善能力

真正的人工智能需要具備自主學習的能力，如同圍棋機器人“阿爾法狗”一般能通過實戰不斷的進步，變得更加強大。但是當前的智能更多隻是一種反應式的智能，根據用戶輸入條件進行自動判斷，并不具備自主成長學習的能力。基于人工智能技術的攝像頭指導公安機構破案，如何才能夠具備經驗積累成長的能力，成為了當前AI安防行業發展的最大難題。

雖然目前來說AI攝像頭的發展道路十分的曲折，但是随着政府對AI安防的大力支持，未來數據的開發共享，深度學習算法的不斷提升，我們終将迎來一個全新的和諧社會。

聲明：本文内容和圖片僅代表作者觀點，不代表本網站立場，轉載需注明本文出處及原創作者姓名！

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!