“截至2017年年底，深圳市公安局要求全市范圍內在視頻監(jiān)控領域實現(xiàn)兩萬路的人像識別的建設?！痹谀炒螘h上，深圳大學安鶴男教授介紹道。

他表示，如今AI已與很多行業(yè)融合、落地，就拿安防行業(yè)來說，深圳公安部門已經越來越多地使用相關系統(tǒng)協(xié)助自身辦案。在系統(tǒng)建設過程中，深圳平安城市建設與公安部要求不謀而合，總結起來有四點：全面高清、全域覆蓋、全網共享、全時可用。

安教授透露說，龍崗分局是深圳市公安系統(tǒng)人臉識別建設規(guī)模最大的一個分局。截止到目前已經建設了智慧警務二期，人臉一期建設了108路，二期就已經上升到了603路，相關關聯(lián)項目建設了1761路。現(xiàn)如今，接入到龍崗分局業(yè)務系統(tǒng)中的人臉識別是2910路，其中還包括了250路從其他分局匯聚到龍崗分局的人像識別的業(yè)務系統(tǒng)，比如說聯(lián)合判案等等。

他在會上強調，人臉識別等系統(tǒng)的應用有效解決了公安以往遇到的棘手難題。在去年的深圳十大杰出優(yōu)秀警務案例評比中，有六個案例是完全依賴于人像的智能識別，有四個案例是借用了這些系統(tǒng)。

隨后，安鶴男教授還例舉了一個詳細案例加以敘述。“在中國(深圳)國際文化產業(yè)博覽交易會(文博會)上，深圳市公安局福田分局通過動態(tài)人臉布控系統(tǒng)實現(xiàn)了近20萬人次的人像識別，并比中20多名前科人員，保障了文博會零案件的發(fā)生?！?/span>

對于未來，安鶴男教授認為AI等技術將會在安防行業(yè)落地生根，語音識別及人臉識別將成兩個大方向，包括安防機器人等產品將大受市場歡迎。

以下是安鶴男教授的演講全文，雷鋒網作了不改變原意的編輯：

深圳是智慧安防應用比較早的一個城市。尤其是在平安城市的建設當中，它既圍繞著公安部對平安城市的具體建設要求，同時又有深圳本地公安在平安城市建設當中的一些創(chuàng)新和心得。

智慧安防從提出到發(fā)展大概走過幾個“節(jié)點”。從看得見到看得清、從看得清到看得懂。AI的出現(xiàn)很好地解決了機器“如何看懂”難題。

如今，深圳平安城市的建設過程主要圍繞四點展開：

一、全面高清。未來的建設目標是全高清。

二、全域覆蓋。不留死角，尤其是在死角當中，必須有高清記錄。

三、全網共享。全網聯(lián)通，更寬、更快的信息基礎建設。

四、全時可用。全城隨時隨地可以有效利用相關設備。

其實按照上面的四個目標，也就知道高清前端越多，效果會越好，但由此帶來的視頻數據也會越大。隨著這些數據的指數增長，為這些數據服務的人力、物力的增長成本也是不計其數的。這也就顯示出AI在視頻監(jiān)控當中的重要地位及使用環(huán)境。

我們常說的這類技術，其實無外乎從三個維度來詮釋這些問題：大數據、超算集群、算法。

在世界范圍內，包括Google、微軟提出來的其實就是卷積神經網絡的一些算法，但從用戶角度來講，我們更關注的是在云架構下大數據的計算，包括GPU的集群、給我們帶來的API的出口，未來安防行業(yè)無論是企業(yè)、還是集成單位，更多關心的是使用成本。

這個特點也決定了相關產品在市場上的智能應用。

接下來我會分享一些數據，這些數據是深圳公安局對深圳智慧城市建設當中關乎到AI方面做的一些重點規(guī)劃。

2017年年底，深圳市公安局要求全市范圍內在視頻監(jiān)控領域實現(xiàn)兩萬路的人像識別的建設。

截止目前建設情況是怎樣的呢？首先說一下龍崗分局，龍崗分局是深圳市公安系統(tǒng)人臉識別建設規(guī)模最大的一個分局，截止到今天已經建設了智慧警務二期，人臉一期建設了108路，二期就已經上升到了603路，相關關聯(lián)項目建設了1761路。

現(xiàn)如今，接入到龍崗分局業(yè)務系統(tǒng)中的人臉識別是2910路。這個2910路里面還包括了250路從其他分局匯聚到龍崗分局的人像識別之后的業(yè)務系統(tǒng)，比如說聯(lián)合判案等等。

那么這么多的人臉識別建設在龍崗的公安業(yè)務系統(tǒng)當中有何成效？深圳在去年年底做了一個十大杰出優(yōu)秀警務案例評比，其中有6個案例是完全依賴于人像的智能識別，有4個案例是借用了這個系統(tǒng)，從這些數據可以看出，建設相關設備及系統(tǒng)非常有利于公安部門展開工作。

其次是福田分局。福田分局建設相對較晚，之前只建設了65路。但由于該區(qū)域由深圳市政府所管轄，包括會展中心每年有很多大型活動，對相關方案需求比較大。比如文博會，今年的文博會總共裝了40路相關產品，在此次工作中，系統(tǒng)共識別了180883人，預警了2871人，抓了20人，實現(xiàn)了零案的發(fā)生。

說了這么多，其實我們一直都是給AI唱贊歌?！奥勂渖恚^其形”，未來人工智能在安防領域的應用主要會體現(xiàn)在兩個方面：

一、語音識別；

二、人臉識別。

而這些技術的應用背后都涉及到深度學習算法，主要關聯(lián)的就四大塊：

第一、計算資源。

我覺得它比算法更為重要，計算資源其實指引的就是超算，基于GPU的超算其實是基于一種浮點、寬浮點的運算，以往，它可能是一千個CPU做的集群，然后存20萬張圖片，做一次卷積的迭代大概需要一個月。像這樣的設備，做12次的迭代，需要一年。

那么今天，如果只有200個GPU，集成一千萬張圖片做一次迭代只需要兩個小時，使得識別率出現(xiàn)革命性變化，機器的識別首次超過了人類。

在這個背景下，無論是科學家也好、企業(yè)家也好，就盯上了這個變化，并將這些成果帶入安防行業(yè)。

第二、規(guī)模效應。

規(guī)模效應其實是問題的關鍵。個別案例的破獲可能不足以說明問題，但大規(guī)模的建設可能會變成相關產品在安防行業(yè)落地的導向。

第三、加工。

系統(tǒng)識別過后的數據挖掘及分析。

第四、作業(yè)。

其指的是安防領域中相關聯(lián)的一些業(yè)務系統(tǒng)。在以前，很多數據處理在后臺完成，未來可以將應用前移，經過芯片算法集成，放在攝像機的前端去做。那么這種作業(yè)量和集成量到底是什么關系？目前很多公司可以通過很多的途徑來獲取大量的數據，目前中國人多，數據也非常多，但是數據采集、抓取之后，數據的整理工作進行的如何呢？

在這里，我想插敘一個故事，AlphaGo可能是對普羅大眾最深的一次傷害，這個機器居然能夠贏人。

其實，在1996年的時候，也有一個非常轟動的實踐——深藍，IBM推出了一款專門下國際象棋的超級計算機，重1270公斤，只有32顆CPU，線程是并行的，4核，大概是120多個計算單元。

在當年迎戰(zhàn)俄羅斯象棋高手，結果是：機器輸了，人贏了。那個時候所謂的計算機與如今所談的AI完全不是一個概念，結構也完全不同；但1997年再戰(zhàn)的時候，深藍就贏了象棋大師，當時就有人非常恐慌，未來該怎么辦？

今天，我們看到的這種基于深度學習的AI架構，是建立了一個深度的卷積標做迭代，其實就是耗費背后龐大的計算資源，也就是剛才提到的作業(yè)。

后面的這幾個指標，就跟我們的業(yè)務系統(tǒng)有關系，一個是公安的業(yè)務，不僅看臉，還看物、聽聲、判別類別。未來應用場景有很多：

• 類別一、視頻監(jiān)控。這個應用很龐大，包括視頻門禁等。

• 類別二、機器人。自2015年之后，安防機器人雨后春筍般冒出，包括如今非?；鸬奈锪鞣謷C器人，機器人在安防領域的應用不可低估。

未來，AI在安防領域的‘機會’將非常巨大，可能會體現(xiàn)在兩個方面：

• 方面一、視頻監(jiān)控。視頻監(jiān)控看得清已經不重要了，未來一定要看得懂。

• 方面二、大數據和視頻結構化技術。

視頻記錄下來的是非結構化數據，結構化數據的轉化是一個非常重要的過程，也是一個非常難的技術。當然，今天已經有了很大進步，但也能從原來手動的變成了半自動的；另外，我們今天的標注其實還有人為的因素。

隨著數據量增大，AI將進入一個快速發(fā)展期；同時，由于AI的發(fā)展，各個行業(yè)對AI的依賴性也會越來越大。

在AI的路上，不僅有風花雪月，可能還有詩和遠方！雷鋒網雷鋒網

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。