沈利军 对外经济贸易大学

一、引言

安防行业来源于早期的CCTV闭路电视技术，随着科技的不断发展以及人们生活水平的不断提升，公共安全问题越来越受到社会的关注，因此闭路电视也逐渐发展成为集合了云存储、通讯、人脸/人型识别、智能警戒、智能分析、智能控制等功能为一体的全方位的公共安全服务技术，是技术防范领域的核心构成。从技术角度来看，这些技术都有一个共同点，就是大量应用了大数据技术和AI技术，从而使安防技术可以从海量的无价值数据中提取出有价值的数据，并应用到社会生活当中，提升民众的满意度和社会的安全感。

二、AI和大数据成为发展方向

安防行业对于音视频新技术的应用是最为积极的，从最早的4K/8K画质、H265算法、红外成像技术、星光夜视、AI人脸识别技术、云存储商用化和民用化、远程高清视频传输、5G视频信号传输民用化等，都是由安防行业率先应用。也正是由于安防行业对于数字化转型的坚定的决心，所以才使得以中国企业为代表的安防技术产业成了全球领先的水准。AI统计在安防领域流程如图1所示：

图1 AI统计在安防领域总体架构图

从技术发展方向的角度来讲，中国安防行业坚定的数字化改革，使得IPC产品逐渐替代了传统的CCTV并快速席卷了全球市场，掀起了技术革新的狂潮。而数字化转型过程中，大数据问题是安防行业所面临的最大障碍，因此随着大数据技术以及AI技术的出现，正好解决了对于数字化形态下的海量的数据（在H265编码技术下1小时的高清视频有2G，而安防监控的一般要求是连续存储24H*15D）传输困难、存储困难、检索困难的问题。而后，随着无线传输技术的发展，大数据的需求也从有线传输转向了无线传输，又从带宽、存储、数据处理上出现了新的困境。因此，AI技术通过价值数据的识别，将有用数据通过云存储的方式进行远程管理，从而极大的解决了安防行业对于数据管理困难的问题，同时也提升了用户使用满意度。而这些技术的不断应用，又催生了新产业、新业态、新模式的兴起，使安防行业从音视频管理向云技术、AI技术、大数据分析等方向不断的扩展，促进了科技的进步。

（一）AI技术的特征

大数据的应用和发展是AI技术被发明的根本也是必然的结果，AI技术需要利用强大的计算能力和大数据的支撑，其主要由知识的学习和预测决策能力两部分组成。

1.知识的学习。对以往历史数据的分析而找到有价值的数据内容并形成规则的过程。最为常见的AI技术学习就是通过用户广告点击率数据的分析，来获得用户点击的规律，包括时间段、类型、样式、内容以及人群等，从而提取出相应的广告点击规则，为广告的精准性投放提供支持，即节约了投资者的成本，节约了用户的时间，节约了互联网资源和广告空间，提升了社会生活的效率和商业活动的效益，实现了多盈的局面。

2.预测决策能力。以安防技术中的人脸识别技术来讲，通过某个特殊场景中人脸的不断训练，可以使AI设备的预测决策能力获得极大的提升，从人脸识别70%的准确率在通过强化训练后可以达到96.5%以上，从而用于为公共安全防范提供服务。这个AI技术的训练过程，就是通过不断改进和优化当前图谱建立的模型，来实现准确的预测和决策能力（见图2）。

图2 中国人脸识别市场规模预测（单位亿元）

（二）统计数据来源和处理流程

统计数据来源方面，涉及统计信息收集、整理、存储和应用各个环节，从流程设计角度进行分析。安防行业从数据存储阶段进行分析，不仅要存储信息数据资源，还要对图片、视频、影像等资料进行储存和转换，才能更好地体现数据整合的全面性，很多数据还需要进行转换，这些都对统计数据整合存储提出了更高的要求和挑战，如果统计数据存储设备不能满足统计工作要求，不能建立起大数据体系，将很难提高统计数据向成果的转换。

统计数据技术处理方面，安防行业引入现代统计数据技术加强结构化和非结构化检测应用，才能不断提高整合效率和准确度，引入数据库技术进行数据综合处理和关联性分析，不断提高数据质量。另外还有统计数据质量检测技术、信息识别技术以及大数据分析技术，这些数据都需要按程序动态进行处理分析，目前可视化数据分析成为大数据分析技术常用的手段，在智能分析方法（AI技术）数据挖掘算法能够实现对不同类型与格式数据的转化，已经成了现代安防行业的核心技术。

（三）AI催生了大数据的价值

利用AI技术可以对大数据进行聚合和碰撞，从而使这些无序的数据加速产生价值。而在这个过程当中，首先需要源源不断的提供鲜活的数据，再建立先进的算法模型并不断的进行优化和沉淀。最后通过云计算、服务器运算等方式来对当前数据和模型进行训练和优化，最终提出了有价值的数据，来为社会生产生活中的各类活动提供有效的数据支撑。

三、AI和大数据产品的应用实践

（一）智慧社区中安防技术的应用现状

在安防领域的应用中，AI技术和大数据技术其根本的目的是提取有价值的数据，因此充足的原始数据是非常关键的。当前安防技术中提出了“星光级技术”也就是在夜晚星星所发生的光照的条件下，可以通过摄像头采集彩色画面，从而为AI技术和数据存储提供支持。而800万像素的水平摄像机也已经是比较常见的设备，在这个4K电视还远没有普及的年代，安防技术已然将最高清的视频图像作为了基本配置。该技术的实现是通过超低噪度的CMOS传感器或者双SENSOR技术实现的图像成像，并通过模数转换及算法来实现数字化。这些全实时的高清图像正是给了AI技术和大数据技术的用武之地，也是体现了其真正的价值所在。

目前，在全球领域内，智慧城市建设数据已经超过了1000个，而我国的在智慧城市建设方面的成果尤其显著，当前是已建成了300余个智慧城市，再加上正在试点的500多个城市，已然成了全球智慧化（公共安全领域）程度最高的国家。城市的智慧化，需要依托组成城市的各个社区，因此只有解决了社区的智慧化才能实现城市的智慧化，也就是说社区是城市的细胞和缩影，社区的智慧化程度一定程度上代表了城市的智慧化程度（见图3）。

图3 智慧城市中心系统网络拓扑图

（二）社区安全性需求保障

作为人类需求最基本的需求——安全需求不仅是落后国家的根本要求，也是发达国家的根本要求。而社区作为居民居住的场所，确保社区的安全性就是保障了城市居民的安全，也是当前公共安全中最为重视的部分。安全防范的措施是包括了“人防、技防”两个方面，而人防是指通过人员管理的方式来实现公共安全，而技防则是指通过利用技术来实现对公共安全的保障。大数据管理和AI技术，可以将各类数据进行二次分析，借助AI的强大的学习能力和大数据技术的处理能力，来从中提取出有价值的数据，从而实现对危险行为的报警，以及需要对某犯罪嫌疑人进行追踪时，快速的从门禁、走廊视频监控、重要场所的入侵检测报警、访客管理记录等内容中获得有用证据，并提供给警方进行备案。同时对人脸进行识别，获取其行动轨迹，并确保该嫌疑人二次出现后进行自动报警，从而起到主动防御的作用，提升社区的安全性。

（三）社区便捷性需求保障

再以停车场为例，通过停车场管理子系统可以对小区的各个停车场入口进行数据的采集，也就是无论车辆从哪个出入口进出，都可以被系统记录车辆信息和采集车辆活动的图像，这些数据在经过大数据分析和处理后可以利用于AI技术的预测和决策。比如当停车场或者社区内有区域正在进行施工时，为了保证周边人员以及车辆的安全，需要设置警戒线，但是静态的警戒线不一定能够有效的阻止车辆的进入，因此可以利用AI技术在危险区域设置电子警戒线，当车辆或者行人进入警戒区域时就会被AI系统所识别，并向外部报警设备发出警告声，提醒车辆或者行人远离危险区域，从而起到主动防范的作用。

（四）社区信息联动性保障

当前各类用于公共安全和服务的子系统被安装和使用，同时也形成了智慧社区的重要组成部分，但是由于各子系统之间存在数据兼容性和互通性的问题，使得整个社区系统在进行管理时会面临着诸多困难，从而限制了智慧性的作用。大数据技术和AI技术，其本质上是对各类无序或者有序的数据进行分析和处理，从而建立起有效的规则来为用户服务，因此，要解决社区智慧性和联动性的问题必须通过这两种技术实现。

联动性是指各子系统之间存在数据的关联性、延续性、有序性，可以帮助人们进行数据规则的快速识别的系统性数据。社区联动性长效机制的形成，可以突出城市管理水平和管理效果，为社区的安全保障、预防工作开展、个性化服务、应急处理等活动提供支持。例如，社区工作可以及时反馈，并聚集资源、集中力量，让城市管理更加有温度和执法力度，化解社会矛盾，调节工作机制，实现城市精细化管理。大数据AI技术可以帮助对数据的识别和分析，利用AI技术的强大的学习能力来体现预测和决策能力，保障现代化社区信息联动性安防效果（见图4）。

图4 大数据AI技术智能可视化指挥调度平台业务架构图