智慧监狱建设,其实是将AIoT、云计算等信息技术与监管改造工作深度融合,通过人脸识别、视频智能分析等AI技术带来诸多“智慧”应用,打破传统的监狱管理模式。
国内从2019年开始,掀起了全面建设智慧监狱的热潮,一批高科技智能化企业跃跃欲试,想将技术渗透到特殊场景中,在司法智能的路上开疆拓土。
在第十五届中国安防论坛上,广州弘度信息科技有限公司副总经理兼研发总监王荣秋,就带来了关于AI技术在智慧监狱的实践和难处,令人对AI技术的应用刮目相看。
▲广州弘度信息科技有限公司副总经理兼研发总监王荣秋
首先,今天的算法和五年前、十年前的算法有什么本质区别?是什么引爆了这一轮的AI革命?现在为什么大家都在谈论深度学习?
王荣秋认为,传统的神经网络最主要的问题就是无法理解多维空间数据,以人脸识别为例,如果你把人脸对得非常准,它是没有问题的,但是人脸如果偏一些,或者他的大小一变就不行了。所谓的预处理,是为了把多维空间转化成一维向量,但是效果并不是特别好。
关于AI技术未来发展趋势,王荣秋认为,迁移学习+自动学习有非常大发展空间的,迁移学习关键是解决可控性,但很遗憾,目前还缺乏有效的机制保障它不往坏的方向迁移。
迁移学习做到极致就类似遗传学,小狗能变成大狗,小孩能变成大人。
根据硅谷智库CB Insights 2019年发布的数据,全球最有前景的AI公司主要集中在企业技术、医疗健康、自动驾驶等领域,其中企业技术数量最多,33家。
中国的情况有些不同,政府相关的公司比较多,有3家,所以要成为国内领先的AI企业,公共安全的领域应该是不错的选择,但放眼世界,数据管理、网络安全等企业技术、以及医疗健康方面都是不错的方向。
中国计算机视觉的市场规模,这几年是高速发展的,预计未来五年也是高速发展,这主要是得益于视觉AI技术的推动。
中国公共安全的需求量非常大。同时司法这些重点的行业,也是AI的一个重点落地行业,所以弘度科技选择了司法作为AI的落地实践场地。
2018年监狱有一些AI落地的案例,但规模并不大,2019年司法部全力推行智慧监狱,全国监狱的AI技术应用范围和规模大幅提高,包括广东省在这块的投入也都很大。
弘度科技从2017年开始做监狱的AI解决方案,应该说是智慧监狱的政策红利受益企业。
2019年是智慧监狱开局之年。虽然形势热火朝天,但是现在监狱的AI技术现状存在三个问题:
第一,技术落后,监狱监控大屏,需要干警24小时盯着监控屏幕看,他们叫做“干瞪眼”;
第二,可用性差,“操作难,误报多”,增加额外工作量,值班员不愿使用
第三,花费高昂,“成本高,建设慢”,大规模部署难度大,建设成本高。
第一,深度学习识别率高度依赖训练数据,而监狱的数据具有敏感性和独特性,外界很难获取,基于国际标准数据库训练出来的算法在监狱环境下应用效果大打折扣。
第二,很多公司过于强调算法能力而缺乏工程落地能力,面对监狱复杂的网络情况,基本上只停留在演示阶段。
第三,监狱监管类应用企业普遍缺乏AI技术能力,很多做智能分析的企业采取的是上一代AI技术(图像处理+模式识别)
大门需要用什么AI技术?首先是不能让服刑人员跑出去。用什么技术呢?
人脸识别,利用准确的人脸识别技术,一旦发现服刑人员在大门附近出现,就立即告警,这个应用已经比较成熟。当然也有尝试用步态识别的,这个还处于预研阶段。
大门还要分析徘徊的人,这个怎么做呢?通过对大门的人员进行实时视频分析,提取出其行走轨迹,和徘徊行为模型进行匹配,从而判定是否存在可疑行为。一个人老是在大门徘徊就可能要干坏事,就要及时处理。
还有一个技术需求是车牌识别,以及车牌与司机的匹配,这个用的不多,因为司机有时候并不是固定的。
周界防范是监狱最有效的AI应用场景,为什么这么说呢?
首先它安全级别非常高,服刑人员从周界逃出去的可能性是有的,其次周界范围很广、摄像头很多,指挥中心依靠人力根本就看不过来,基于AI技术的周界防范系统能够切实解放警力,提高安全防范级别。
周界防范用到几个算法,最重要的是人形检测。人形检测算法看似简单,其实很不简单,因为要求极高,首先是要实时告警,然后要求0漏报,出现漏报、犯人跑出去就麻烦了,还要极低误报频次。
弘度科技现在以100路的视频AI分析为例,一个月下来误报次数控制在个位数。
值班室的算法比较成熟,主要是脱岗检测、睡岗检测、人员滞留检测;这个不难理解,就是识别警卫有没有在岗,在岗有没有睡觉,当然也不一定是警卫,可能是服刑人员值班。
脱岗睡岗要做得很好有门道,它是侧面检验你算法的漏报率。
这里面的困难点在于,你可能要非常人性化地和合理地去刻画,不能人去上一个洗手间就认为他脱岗了,这个肯定不行。
所以更主要的一个难点,就是要深耕到行业里面去,要跟监狱的实际情况去结合,跟业务情况去结合,实际上很多细节性的东西和人性的东西是比较复杂的。管得太严了,是没有人愿意用的。
采用的方法是通过检测人体骨架,分析各关节的相对位移变化,精准刻画人体活动特征,从而识别出人员的行为类别。
这类行为分析之前用传统的算法是没法实现的,现在用深度学习效果还是不错的,大约90%以上检出率是没问题。
那为什么做不到100%呢?主要原因是分析比较困难,很难精准地定义什么是打架,这个比较头痛。当然,这类事件检出率90%,10次打架行为能检测出9次,客户也基本能够接受。
第一个是监舍人脸点名。监狱的管理是非常严格的,每两个小时就要点一次名,完全依靠干警点名工作量是有很大的。
那监舍人脸点名是用人脸考勤机吗?不是。我们直接利用监舍现场的摄像头,部署起来非常便捷。
这里面技术挑战还是蛮大的,要解决事件触发的问题,人脸归并的问题、视频低分辨率的问题,以及抗干扰的问题。
但是把困难留给自己,把便利留给客户,这是技术人员努力的方向和价值体现。
第二类需求和劳动场所类似,是群体事件检测,包括打架斗殴、人员聚集这些功能。
第三类需求是异常行为分析,上吊、独处,以及起夜分析,这些都是预防个人情绪波动出现异常事件。
弘度科技目前在全国监狱有30多个AI落地的应用案例。而且技术优势,跟上一代的AI技术进行对比,准确率不是一个数量级的。
但是为什么还要拿出来?因为监狱现在依然还有很多场景应用的是上一代的技术,所以需要加快这个覆盖。
从算法层面讲,弘度科技有很多积累,上面提到的算法都有成熟的应用。
从算法架构层面,侧重点不太一样,弘度科技主要是算法应用架构,专门设计了一个自适应算法调度层,解决多算法的融合、应用、调配的问题。
光线抗干扰能力,主要是雨雪天气、夜间的情况、反光的情况,都能够非常稳定地识别。
这主要依靠深度学习模型对目标的高检出率,我们在监狱场景的样本学习积累比较丰富。
通过深度学习不断训练,消除树叶、枝干晃动、光线变化等引起的误报,精准识别复杂环境人体目标。
这不单要把人识别出来,还不能把环境给误判成人了,这需要算法系统支持对场景的自学习能力。
疑似物体的精准识别也是产品落地需要考虑的重要问题。
例如警犬,尤其是还穿上衣服,从背面看这跟人就很像了,还有是摆动的衣服和人也很相似。
对疑似物体的识别方法上倒不复杂,增加一层特殊分类器就可以了,主要是有大量的算法调优工作要完成,要调优得非常精准。
技术很重要,但是客户要的是解决问题。整体解决方案大家都在提,但其实这个概念是有很多不太一样的。
有的是提得很广,硬件的、软件的、相关的、云的、部署的、平台的、操作系统的,都有。这种也算解决方案,非常广,它其实是为了做更多的生意。
弘度科技的智慧监狱AI整体解决方案,包括从底层联接到系统落地、从安全检测到视频运维。公司定位为司法行业全栈产品供应商,除了AI落地方案之外,还做应急指挥系统。
大家会碰到很多AI需求,但如果你做的是一个伪需求,那肯定是无法落地的。怎么判断呢?
首先,技术可行性是基础,也就是需求要符合现在的技术水平,否则就是预研不是落地了。例如有一个需求“监狱周界人形检测,要求漏报率是0”,这个在五年前是一个伪需求,因为那时候的技术达不到,而现在就是真需求了。
另外两个方面可以判断为真需求,一个是有经济效益是真需求,一个是需要实时处理是真需求,比如物流车辅助驾驶,可以省一个驾驶员,有很大的经济价值,这是真需求。监舍的打架斗殴或者上吊行为分析,这个必须立马处理,是真需求。
还有两个方面可以判断为伪需求,一个是需要非常复杂的设计的一般是伪需求,另外一个是不愿意付费的是伪需求。
曾经接到一个需求,说要分析保安安检行为的规范性,这就需要多个角度的摄像头对着,要与门框的灯联动,要识别安保人员手上的安检棒,系统设计得非常复杂,我们判定为伪需求。
AI大规模应用,项目的成本是必须考量的关键问题,过高的价格常常让人望而却步,停留在试点阶段。比如说有个监狱,单路视频分析价格高达1万多元的产品,一个监狱一般有2000路视频,很难落地。
王荣秋最后说:“AI落地之路,考量的是全方位的能力,路不好走,但机会到处都在,关键在于,你,是否能够抓得住!”