文/范德俊 东方网力科技股份有限公司
AIoT，即“AI+IoT”，是人工智能技术与物联网在实际应用中的落地融合，是AI赋能物联网的简称。通过AIoT，实现了“人工智能”逐渐向“应用智能”发展，进而实现AI赋能各行各业，甚至推进产业颠覆。对于目前持续推进的智慧城市项目中，AIoT在公共安全方面是最为直接的应用场景，在这些场景中既有大量的基础数据存在，也存在着巨大的市场刚需。
一、城市安防系统现状分析
近年来，伴随着人工智能技术的发展，传统安防快速向智能安防转变，AI技术不断地融入安防应用系统中，人脸识别、车辆识别已成为现代安防系统的标配。但因为设计的缺失与技术的不成熟，智能应用系统在实际城市安防系统落地过程中也涌现出许多问题。
1.海量数据计算需求问题
目前，全国多数地区中心城市已基本完成视频安防集中建设，据统计，截至2018年底，国内安防市场规模达到7500亿元，2020年预计将接近1万亿元，中国已安装的监控摄像头已经超过176亿个，其中由公安机关牵头建设的有2000万个，中国已成为全世界最大的视频监控网络大国。同时，随着人工智能技术在城市安防项目的普及，庞大的前端视频监控点位与智能算力缺乏之间的矛盾日益突出。
2.多源异构数据集成问题
城市安防系统项目中存在大量的视频、卡口监控、Wi-Fi探针、电子围栏、门禁等设备，在织密立体防控体系的同时，也产生了海量的非结构化、半结构化、结构化数据。面对日益复杂的数据海洋，如何实现多维异构数据的接入和治理成为一个新的挑战。
3.多维数据的孤岛问题
虽然人工智能技术在城市安防应用系统中大量应用，但海量的安防系统数据缺乏多维数据碰撞分析的手段，使得城市安防系统之间业务烟囱现象突出，数据孤岛问题严重，从而无法通过安防系统实现深度业务应用。
二、AIoT在安防领域的典型架构及关键技术
1.AIoT在安防领域的典型架构
随着AIoT在安防领域的纵深发展，城市的各个行业、各个场景的安防应用将会进入智慧时代，图1描述了公安物联网的典型技术架构，分成“感知、接入、计算服务、标准”四层两支撑架构。
图1 公安物联网架构
（1）感知层。由分散在城市各个场景的视频类设备、人员感知类设备、车辆感知类设备、环境感知类设备及安防业务数据构成。
（2）接入层。通过边缘计算、接入网关实现对各个场景、各种网络环境下的各类前端采集的视频、图片、结构化数据进行初步数据接入、结构化分析和数据清洗，从而减轻中心端数据分析处理压力，同时通过多维数据接入平台进行统一汇聚和管理。
（3）服务计算层。视频图像计算云中心将接入层接入转发的视频图像数据进行计算分析，提取视频图像中的人员、车辆、物品等视频中的关注目标，并转发到大数据分析云中心，结合感知层接入的物联感知数据、安防业务数据进行数据治理、分析和挖掘。同时，通过微服务的方式向上层业务应用提供标签服务、关系分析服务、行为分析服务、模型分析服务、知识图谱和业务管理等。
（4）应用层。面向公安各警种提供各类服务应用，包括人车管控、智能布控、治安防控、刑事侦查、应急指挥等。
2.AIoT在安防领域的关键技术
（1）边缘计算
边缘计算，是指靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台。网络边缘侧可以是从数据源到云计算中心之间的任意功能实体，这些实体搭载着融合网络、计算、存储、应用核心能力的边缘计算平台，为终端用户提供实时、动态和智能的服务计算。与云端中进行处理和算法决策不同，边缘计算是将智能和计算推向更接近实际的行动，而云计算需要在云端进行计算，从而具备处理时延小、网络流量压力低、保护数据安全、减少云端计算压力、实现多源异构数据接入等优势。
（2）多维异构数据接入
采用微服务架构，基于中间件、组件进程隔离技术，融合视频、图片、物联感知等结构化、非结构化数据，实现多维异构数据的统一采集、标准化清洗、数据分类入库和数据质量管理，打破单一对象烟囱式存储模式。接口方面通过SDK、RTSP、HTTP、FTP、Kafka等接口，实现不同种类、不同格式数据的智能适配。在数据质量管理方面，基于定义好的数据定义与模型，实现对数据质量进行管理和监控，包括数据规则检测、统一数据语义、数据项检测、数据质量报告等，实现数据资源目录管理和服务管理。
（3）机器识别
机器视觉技术在安防领域主要实现视频图像的结构化分析，通过先进的深度学习、高性能运算及大数据技术，利用图像识别技术对人脸、人体、机动车、非机动车等用户关注目标的行为检测、识别和快速检索，满足多种场景下的实时预警、精准布控、分析研判等多种业务需求，主要包括目标检测、跟踪和分类、人脸特征识别、车辆特征识别、人体特征识别等部分。
（4）视频图像聚类治理技术
如图2所示，视频图像聚类治理技术基于分布式技术构建，将同一视频对象的识别特征信息进行聚合归档。在进行聚类计划过程中，首先对图像结构化的结果进行筛选，对质量分数符合要求的数据，根据图片的人脸特征、人体特征、时间和空间信息形成聚类中心，每个聚类中心代表一个视频对象的聚合，并在之后的计算中不断优化聚类中心。
图2 全新的视图聚类治理技术
聚类归档形成的数据称为视频身份数据，每个视频身份数据将颁发一个系统唯一的身份编码。该技术可以为系统中重复出现的可提取特征的事物（非常相似的特征值）建立一个视频身份唯一标识，从而节省大量比对计算，并可为后续的查询服务提供准确快速的查询结果，并且平台通过先进的大数据技术，实现千亿级数据快速响应，以数据服务于实战，体现数据的潜在价值发挥视频大数据平台的作用。
（5）知识图谱技术
基于知识图谱技术的关系分析广泛用于公安情报研判和案件侦破工作，实现对人员、车辆的人车画像、人脉关系、同行同伙关系、联系关系等进行图谱分析，为公安在海量的视图轨迹信息、物联感知信息中寻找潜在的线索提供智能化、可视化的分析手段，关系图谱对复杂的海量视图、物联感知数据进行有效的抽取、加工、处理、整合，转化为简单、清晰的“实体（Entity）—关系（Relationship）—实体（Entity）”的三元组。
三、AIoT在安防行业的具体应用
1.治安防控中AIoT智能应用
（1）实有人口全程精细化管理
立足于对社会人口的综合治理，通过对辖区出入口以及内部监控设备采集的视频图像数据、Wi-Fi探针采集的MAC数据、电子门禁采集的刷卡刷脸数据等进行智能化大数据分析，根据人员出入的行为活动规律等，分析出区域内人员的居住、新来、离开情况，并关联辖区的登记信息以及各种静态人员库信息，掌握辖区人员的真实身份构成，从而实现从城市整体到每个城市“平安细胞”的精准化人口管理，掌握城市的实有人口，实时分析所有目标的活动轨迹和区域，实现对重点人员、漏管人员的全新布控管理。
（2）重点人员管理
建立重点人员库，通过虚拟身份信息（包括人脸、车辆、移动端等）与重点人员库进行碰撞分析，实时掌握重点人员区域分布和活动情况，构建重点人员的活动轨迹以及人员档案，并可以通过综合布防功能实现对重点人员的预警布控。
（3）综合布控
利用知识图谱和聚类技术可实现对嫌疑目标的人脸、车辆、门禁卡等多个维度信息的挖掘和关联。当对嫌疑目标进行布控时，可通过综合布控的方式对嫌疑目标不同信息进行多个维度布控，从而织密嫌疑目标的电子防控网，只要其中任何一个信息符合，立即进行报警提醒。
2.视频侦查中AIoT智能应用
基于AIoT的智能应用，可以为公安日常侦查办案提供多样化的研判手段。
（1）多维度搜人、搜车
在掌握嫌疑人和车辆信息的基础上，采取人车图片、移动端特征码、车辆ETC信息等输入为查询条件，对圈定范围内的某一段时间内的物联感知设备进行多维搜索，最终确立嫌疑人的活动轨迹和生活规律，为侦查办案提供信息支撑。
（2）人、车融合轨迹刻画
通过采集不同点位的视频监控、人脸抓拍、人脸门禁、车辆微卡等多维信息，并经特征识别、聚类技术和多维关联分析处理，生成相同特征人员、车辆、移动端的时间、空间序列，从而生成融合轨迹，为人员和车辆的研判分析提供支撑。
（3）关系图谱分析
基于多区域视频感知和智能识别技术产生的人脸、车辆活动记录进行聚类，并与物联感知数据、公安业务数据融合分析生成人员关系图谱，通过碰撞分析人员、车辆的人脉关系、同行同伙关系、联系关系，找出共同接触或同行的人员和车辆，将潜在的犯罪嫌疑人挖掘出来。
（4）人车落脚点分析
基于多区域视频感知和人车识别技术以及人脸门禁产生的人脸进出记录进行聚类，以时间范围、进出时间段为条件，分析出人员和车辆频繁进出的地点，用于分析人员和车辆可能的落脚点。
3.惠民领域AIoT智能应用
（1）特殊人群关怀
基于社区层面的人脸抓拍数据、门禁出入数据，通过视图聚类技术和大数据分析，实现对小区特殊人群如孤寡老人的轨迹分析和出行频次分析，当发现孤寡老人长期未出门时自动将预警信息推送到社区民警或社区工作人员，上门进行查看了解老人生活状况，解决居民生活后顾之忧。
（2）城市交通优化
通过AIoT技术，汇聚城市海量车辆通行记录数据，实时分析城市交通流量，联动优化红绿灯间隔，缩短车辆等候间隔，从而提升城市道路的通行效率。同时通过对小区出行、城市道路车辆通行、办公场所停车等场景历史数据进行大数据分析，分析城市每日车辆通行趋势，可提前预测交通流量变化趋势，方便交管部门提前疏导，合理配置资源，缓解城市早晚高峰难题，为居民的出行通畅提供保障。
四、AIoT在安防领域的应用展望
1.物信融合更加透彻
随着新基建的加快推进，5G技术、云计算、人工智能、大数据、新一代地理信息系统等一系列关键技术将在实际应用中快速融合落地，这将打破传统智能的桎梏。除电脑、智能手机、智能摄像头外，更多多样化的智能终端将得到规模化的部署和应用，如智能机器人、智能电表、智能井盖、智能模组等。
伴随着万物互联时代的到来，AIoT将是安防行业应用的必然趋势，今后的安防行业应用必将是融合视频图像数据、物联网感知数据、信息网业务数据的横跨多网络、纵向多层汇聚的物信融合大数据平台，实现“人”“地”“物”“场”“网”多维度数据融合应用，形成覆盖全面、信息多维、来源广泛的物信融合大数据，为安防用户提供基于全域的人、车、场所多维数据分析应用。
2.多技术协同智能分析
随着深度学习、机器视觉等技术的发展，除了典型的人脸识别技术应用，近年来非人脸识别的技术应用和需求越来越得到关注，基于ReID的人体特征识别、基于3D结构光、ToF的物体特征识别技术、基于声纹的声音识别技术、基于姿态分析的步态识别技术等越来越成熟，受到了市场的广泛关注。随着这些技术的逐步成熟，将丰富视频图像数据种类，助推安防行业智能分析中人员身份置信可靠性，产生更多的视图大数据共享和应用模式，推动AIoT在安防行业中进一步深度应用。
3.云边协同创新智慧安防
随着AIoT技术的发展，城市视频、图像、物联网感知等多源异构数据呈现爆发性增长趋势，海量的数据需要得到及时处理和响应，这将对城市综合数据治理能力带来挑战。面对爆发性增长的多源异构数据，云边协同将是驾驭数据洪流的关键技术，也是AIoT未来发展的重要趋势。随着AI技术如火如荼地发展，需要通过物联网网关实现边缘端海量数据快速有效的提取和分析，这将大量减轻云端的计算压力，缩短数据分析时延，同时，边缘计算数据通过在中心云端统一汇聚和大数据分析挖掘，沉淀为高价值的大数据知识体系，为各业务系统赋能。未来AI技术、云边协同技术和物联网将更加密切地进行融合发展，尤其在安防行业领域的应用。
五、结语
随着新基建的建设，特别是5G技术的成熟与落地，AIoT在安防行业将加快落地应用的步伐，目前采用AIoT理念建设安防项目还处在探索阶段。从2019年起，AIoT已成为众多安防及互联网厂商竞逐的赛道，AIoT赋能产业本身就是互相依托、各展所长的生态。AIoT发展前路并非一蹴而就，需要脚踏实地步步向前。从实际中来，到实践中检验，才是AIoT在未来走好、走实脚下路的目标和希望。