【中國安防展覽網 展會報道】科學技術的發展日新月異。隨著“監控全覆蓋”以及“智慧城市”、“平安城市”建設的開展，安防大數據時代也露出了曙光。近兩年，以人臉識別為代表的人工智能相關技術也廣泛地加入到安防行業中來，“智能安防”的概念開始逐漸深入人心，越來越多的傳統安防業務正在擺脫舊有模式開展應用新技術。2017年，在深圳會展中心召開的為期四天的安博會中，曠視科技Face++向行業和專業觀眾們展示了曠視科技推出的可以實時演示的端到端智能安防系列產品，成為安博會一大亮點。
 

　　一、技術務實 價值創新
 

　　曠視成立于2011年，因擁有大的人臉識別云平臺——Face++)而被人熟知。作為國內的人工智能產品公司，曠視(Face++)可以通過提供云端 API、離線 SDK ，為廣大提供人臉檢測、人臉屬性分析、人臉比對等免費的人臉識別底層技術，如今 Face++ 已經擁有超過 10 萬名用戶，成為了超大型的人臉識別云平臺之一。但是很快曠視就意識到，要推進技術商業化必須實現技術與應用行業的深度結合，能夠解決行業中實際的問題才能發揮出技術創新的社會價值。
 

　　而人臉識別和安防行業有著天然的結合點，首先，每個人的面部特征都是的，因此人臉能夠作為一種重要的身份識別標識，在公安機關各警種業務中起著舉足輕重的作用，如日常巡更、戶籍排查、入出境管理和刑事案件偵查等警務中，都會通過辨識人臉來核實相關人員的身份；同時，安防行業中的海量視頻監控數據也為人臉識別算法訓練提供了溫床。
 

　　2015年，曠視(Face++)正式組建安防團隊，并著力于用深度學習和智能感知技術全面挖掘安防數據的價值，致力于為公共安防提供端到端的解決方案。區別于傳統的安防企業，曠視在安防行業中的實質角色是為公共安防網絡和終端賦能，利用自身在視頻結構化、圖像語義分割方便的技術優勢，幫助公安在視頻及圖像內容檢索中提升效率。
 

　　傳統的刑事偵查方法和工作思路往往都是通過人力調查取證，查閱海量的視頻監控數據往往會造成大量的時間和警力的浪費；而現有的圖偵應用亦具有很大的局限性，對圖像特征的提取能力較低；此外目前主流的安防制造商尚未提供出可應用的實戰級產品和系統化的解決方案?；谶@些行業訴求，曠視研究院利用核心的算法優勢結合視頻智能分析和安防中的大數據，推出了一系列的智能安防硬件產品和解決方案，以解決現代安防中的復雜多變的現實問題。
 

　　然而和實驗室的理論環境相比，人臉識別在真實的應用場景中具有十分的挑戰性，尤其是在人流量密集的安防應用場景。因為無論是周邊環境的變化(如場景中的光線、遮擋、角度、位置等因素)還是人自身面部特征的變化(如目標人物的衣著、妝容、表情等)都會對人臉識別的識別準確性造成一定的影響，如何將這些外部因素的影響降到低就是曠視研究院深入安防應用場景的研究方向，在短短的一年之內，為給安防行業提供穩定性和魯棒性更強、跟蹤速度更快的技術支撐，曠視針對不同用戶的特性場景和業務需求進行了10多次算法升級和環境優化。
 

　　此外，為將人像的比對識別更靈活、更節省成本地融合到公安現有的業務平臺中，曠視安防業務團隊組建了一支專業的解決方案顧問小組，成員均為具有超過 10 年公安和安防行業經驗的老兵，能夠貼合*的人像應用需求提供切實可行的產品化的建設方案。
 

　　二、端到端智能安防產品系列
 

　　出于實戰導向，曠視結合公安行業的應用需求將適合智能安防市場細分為以下幾個典型應用場景，并基于以上場景構建了“云+端”架構的人臉識別服務矩陣型系列產品。
 

　　1. 以高速卡口、加油站、邊防檢查站等為代表的強管控卡口；
 

　　2. 以地鐵站、火車站、客運站、景區為代表的人群密集且易丟失目標的重點場所管控；
 

　　3. 、重大活動人員管理和安防保障；
 

　　4. 綜合及群體性維穩事件處理；
 

　　5. 社區出入管控；
 

　　6. 社會面綜合人像卡口改造。
 

　　通過自研智能感知前端和智能云服務的結合來為不同警種和安防場景提供模塊化部署，曠視的“云+端”智能安防行業解決方案可對公安網的七類重點人員和三逃人員進行重點布控。
 

　　在大場景實時視頻流分析的應用中，想要實現人像識別比對的真正瓶頸往往不在于算法，而是在于系統對海量計算的處理能力和響應速度。隨著城市數字化的發展和監控路網的延展，傳統基于 CPU 或 DSP 通用編程平臺的傳統分析已無法滿足公安的警務處理需求，因此行業亟需基于 GPU 或者高密、分布式可擴展的高性能服務器為安防大數據的應用提供運算支撐，另一方面也催生了智能化前移和云端集中管理的行業趨勢。
 

　　繼2015年發布*智能攝像機 MegEye-C1 之后，曠視在2016年又集中發布了 物聯網圖像采集終端 MegEye-C2、智能人像抓拍機 MegEye-C2S、智能客流統計終端 MegEye-D1 等多款前端智能化硬件產品。而為了降低后端服務器的損耗提升安防系統的整體效能和計算力，2017年，曠視推陳出新，尤其針對大規模人流量的場景設計研發了可在前端實現智能識別和數據結構化的終端應用，其中包括前端的高清智能采集單元、設備端的前置計算單元以及頂端的智能視頻綜合分析平臺。
 

　　感知前端-智能智能人像抓拍機 MegEye-C3S
 

　　經過對行業需求的深刻分析，2017年9月曠視(Face++)組織開發了新一代的智能人像抓拍機——MegEye-C3S?；谙冗M的 FPGA 技術，曠視將核心的人臉檢測、視頻結構化技術嵌入攝像頭內，使 MegEye-C3S 自身就具備人像捕捉和智能分析的能力的同時大量節省計算資源，作為一款高清智能攝像頭，MegEye-C3S 具備豐富的接口，可以很容易地與其它子系統進行整合，從而大大提升了系統集成效率。
 

曠視(Face++)智能人像抓拍機 MegEye-C3S
 

　　在應用場景定位上，MegEye-C3S 可以服務于所有安防人像卡口業務，特別適用于人流密集的通道、出入口等場景。擁有感知能力的前端攝像機是安防體系的視覺傳感器，他們具備獨立識別和分析的能力，就像遍布在城市中不間斷進行巡邏的治安員。
 

MegEye-C3S產品構造
 

　　作為曠視 MegEye 系列新產品，MegEye-C3S 智能人像抓拍機具有以下亮點：
 

　　• 全幀率、全畫幅 抓拍率>98%
 

　　首先，MegEye-C3S 在核心的人臉抓拍功能上取得了重大突破，能夠超越目前市場上所有人像抓拍機做到對視頻流全幀率、全畫幅的人臉檢測與抓拍。在 1080P 高清視頻格式下， C3S 支持高達 30 FPS 全幀實時人臉檢測，每幀多可抓拍出 100 張以上的人臉照片，抓拍率不低于98%。
 

　　• 多維判斷 正臉率≈100%
 

　　同時，曠視(Face++)也對新一代智能人像抓拍機 MegEye-C3S 的人臉識別算法進行了全面優化，不僅可以進行逐幀的人臉檢測，還能逐幀對每張人臉進行多維度的質量判斷。在對出現在視頻中每張人臉質量綜合評分后，C3S 能推送每個人在整個軌跡中角度正、清晰、質量高的人臉，大大提升了數據的可用度與依據力。
 

　　• 智能過濾 重復率<10%
 

　　重復抓拍是目前智能人像抓拍機在實際應用過程中不可避免的現象，這主要是由于實際場景中人群的相互遮擋，人員長時間逗留，移動規律不定等原因而致。對此，C3S 實現了在運動預測的基礎上結合特征識別的智能分析，能有效過濾掉重復人臉數據，在復雜場景中將人臉重復抓拍率控制在 10% 以內，從而大大節省后端計算資源的浪費。
 

　　• 前端智能 半結構化輸出
 

　　MegEye-C3S 還支持對識別人員的屬性標注，輸出年齡段、性別、出現時間等信息，輸出人臉以外的更豐富的人員特征信息。而相較于市面上其他同類型產品，C3S 大的優勢則在于對少數民族和不同種族人群的識別能力有了較大的提升。
 

　　設備端-前置計算單元 MegBox
 

　　傳統的龐大的*往往需要部署大規模的服務器，然而囿于計算量的限制，行業亟待更小更快速的計算模型和處理單元以分擔后端服務器的壓力，針對這一需求，曠視開發出了一款能夠將計算單元前置的“盒子”——MegBox。
 

　　作為一款基于 NVIDIA Tegra X1 開發的高性能人工智能算法處理器，MegBox 具有 Teraflops 級的浮點計算能力，能夠流暢運行曠視自研人臉識別算法，可實時解析 1 路普通攝像機或 4-6 路抓拍機的視頻數據。用戶可以通過系統提供的 API 接口，直接調用系統算法 ，也可以通過 MegBox 對實時監控視頻中出現的人進行人臉檢測和抓拍，此外 MegBox 還能夠滿足辦案人員在更深次的安防業務中的實際需求，如人像識別、比對，黑、白名單實時告警提示等。
 

 

　　•在應用中，MegBox 的創新價值主要體現在：

 

　　• 解決機房服務器堆疊問題。
 

　　前置的計算單元 MegBox 在方案中的應用相當于輕量化服務器端數量。例如以往每臺后端服務器只能處理 10 路攝像頭的數據，而當 MegBox 承擔了大部分人臉計算后，每臺服務器便有了更充足的計算空間可以解析 200 路實時視頻，尤其適用于通道、社區、街道卡口等場景中，可大幅提升區域監控系統整體效能。
 

　　• 解決網絡不穩定、網絡帶寬受限時的數據回傳問題。
 

　　在傳統的視頻監控系統架構中，往往會因網絡欠佳導致前端攝像頭的實時視頻無法通過視頻專網回傳到公安網，從而給案件偵查造成盲區，但是 MegBox 的應用可以保證在前端存儲30天抓拍告警數據，不錯失任何一幀關鍵畫面。
 

　　• 解決采集設備在移動的情況下，無法識別比對報警的問題。
 

　　在重點活動或重點場景中通常需要偵查民警在現場進行臨時布控，并通過移動偵查設備(如巡邏警車車載箱、公交、營運大巴車載箱 、室外監控立桿設備箱等)來實時回傳視頻數據，采集前端和前值計算單元的結合可以讓系統在移動條件下也能夠進行識別和比對報警(移動場景下，MegBox 可通過無線網絡傳輸數據)。
 

　　頂端- ReID 跨攝像頭識別綜合應用
 

　　不可否認，視頻是蘊含數據信息豐富的一種信息資源，尤其是對于安防行業來說。然而大眾對人像識別技術有一個普遍的誤區，認為人像只能識別比對人臉而忽略了人像的其他一些特征，實際上，人像除了面部特征，還包括性別、年齡、發型、肢體、衣著顏色、穿戴特征、行為狀態等特征，這些特征在安防場景中往往是偵破案件的關鍵線索和突破口。
 

　　但是目前安防行業的智能化水平仍處在較低的階段，大多數監控系統在警務中充當的角色只是記錄的功能，系統自身無法挖掘出視頻中的數據金曠。作為一家以計算機視覺技術為核心的智能行業解決方案提供商，讓機器“看懂”圖像是曠視的使命。針對環境復雜的城市安防綜合管理，曠視提出了 ReID 跨攝像頭識別方案，利用大數據結合視頻分析技術和深度學習，通過對大量視頻數據中不同屬性的事物進行標注來教會系統區分畫面中的人、車、物、案四要素，以在合成作戰中大效能地發揮系統平臺優勢，節省警力和時間成本。
 

　　ReID 應用的前提是對視頻的智能分析和結構化處理，也就是通過技術將視頻內容中的重要信息組織成可供計算機和人理解的文本信息或可視化圖形信息，并進一步轉化為公安實戰所用的情報，實現視頻數據向有效情報的一次轉化。爾后，通過以點帶線，以線帶面的方式將各個區域范圍的視頻采集單元進行串聯，便可實現跨攝像頭的檢索與追蹤。
 

　　圖為曠視對一開放街區監控進行的實時視頻分析，系統可以清晰地分辨出行人的性別、發型、穿戴特征、衣著顏色，甚至是否騎車等特征，同時還包括街道上的車輛情況。根據這些標簽，曠視能夠幫助公安機關提供更多維度的數據信息，通過綜合管理平臺，辦案民警可以輸入一些關鍵詞如“女性”、“15-25歲”、“紅色上衣”、“背包”等關鍵特征就可以快速調取到一名失蹤女孩的出走軌跡。
 

　　安防行業應積極建立以人臉數據為起點的大數據中心。曠視(Face++)安防業務負責人提出建立“一臉一檔”的大數據挖掘平臺，以針對重點布控人員和黑、白名單進行動線追蹤。和單點監控相比，ReID 方案通過多組攝像機的抓拍記錄及人員比對讓安防工作變得更為立體，方便辦案民警對目標*的行為軌跡、出行規律進行分析，進而為案情線索和實施靈活布控打擊提供依據。
 

　　三、結語
 

　　通過將視頻數據進行結構化識別存儲，和實時的識別分析，曠視的解決方案大幅提升了公安的實戰效率。截至今年9月，曠視的人臉識別系統已在公安部及全國大幾十個省市落地，累積協助各地公安機關抓獲**超過 3000 人，在幫助地方公安干警查案、辦案和投放警力上起到了積極的作用，促進了公安業務飛躍式的發展。
 

　　以地鐵場景為例。地鐵是城市流動的血液，但也是*分子渾水摸魚的佳之選。2017年7月，曠視(Face++)與某市軌道交通分局共同開展了人臉識別系統*快反體系試點工作。系統試運行 47 天抓獲部網逃犯 76 人(其中臨控涉控人員3人) ，期間共采集人臉 950 萬人次，人臉比對 3.78 億次 、預警278次，截獲274人(預警截獲率98.9%)。系統的上線大大變革了分局巡防工作的時空覆蓋面和效能，不僅推動了分局警務模式的變革和戰法的升級，也為公安干警帶來了二等功的榮譽。目前，曠視(Face++)的人像卡口已經在各地都取得了可觀的戰果。
 

　　而在的重點涉外活動中，曠視的技術特長也發揮的極大的優勢。2017年9月3日-5日，金磚第九次會晤將在福建廈門舉行，曠視受命為金磚成立了安保項目小組，實現了公安部和地方同安系統的部地聯調工作，保障了會議順利舉行。項目期間，公安部及廈門市等政府重要領導對項目組進行了視察，會后，曠視的智能安防產品和工作人員的專業精神得到了國家*領導小組的高度肯定。
 

　　人工智能技術，尤其是人臉識別技術的應用與傳統安防行業的結合，為安防行業升級打開了新的局面。隨著產業化發展和技術成熟度越來越高，結構化的人臉數據有望成為構建平安城市、智慧城市的基礎數據之一。