3.1 人像識別技術(shù)的發(fā)展

人像識別技術(shù)是以人臉為基礎(chǔ)的，可以利用計算機對人臉圖像進行人工智能技術(shù)的采集，并作出身份的確認(rèn)，這種人像識別技術(shù)是在20世紀(jì)的90年代興起的，至今已經(jīng)被廣泛的應(yīng)用到安全和金融等多個領(lǐng)域，作為身份鑒別的一種方法。而人像識別的方法不僅包括基于面部特征人像的識別、基于特征臉的人像識別，而且還有基于學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)人像識別，這將是未來視頻監(jiān)控中進行大量樣本圖像獲取的一個主要方法，因為它不需要通過人工去進行特征的選取，通過在訓(xùn)練的過程中進行學(xué)習(xí)，其準(zhǔn)確度更高，識別效率更快。

3.2 人像識別技術(shù)的創(chuàng)新

隨著深度學(xué)習(xí)在人工智能領(lǐng)域的發(fā)展和應(yīng)用，人像識別技術(shù)的發(fā)展空間越來越大，尤其以慧視人像大平臺為代表的人工智能技術(shù)，則以更加先進的人像識別技術(shù)融入到全國各地各領(lǐng)域之中，在公安警務(wù)實戰(zhàn)性工作中取得了非常明顯的成果。而人像大平臺主要是由人像識別算法、大規(guī)模運維、高性能計算等等核心部件組成，不同的算法適應(yīng)的范圍不一樣，在實際的視頻監(jiān)控工作中可以根據(jù)具體情況來進行合理的選擇。

3.2.1 核心算法的創(chuàng)新

在人像大平臺的智能化技術(shù)應(yīng)用中，需要融合深度學(xué)習(xí)和統(tǒng)計學(xué)習(xí)圖來進行核心算法的創(chuàng)新，這樣才能夠達到各項數(shù)據(jù)的高精準(zhǔn)度，保證在任何復(fù)雜的情況下都能夠達到最佳的人像識別效果。創(chuàng)新一，深度學(xué)習(xí)。進行人像識別至少需要經(jīng)過兩步：人像的檢測定位與識別比對。所以在進行人像特征的獲取時，可以采用代數(shù)特征的方法、幾何特征的方法、彈性模型的方法、神經(jīng)網(wǎng)絡(luò)的方法以及形變模型的方法，而基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)則是人像識別中最特殊的一種，它不需要進行人工特征的獲取，就能夠在樣本訓(xùn)練過程中進行學(xué)習(xí)，以取得更加高效而精確的數(shù)據(jù)信息。深度學(xué)習(xí)的過程不需要督促，也不需要干涉，它是機器學(xué)習(xí)研究中的一個創(chuàng)新，是以模擬人腦為根本的神經(jīng)學(xué)習(xí)網(wǎng)絡(luò)，所以這種視頻監(jiān)控在實際應(yīng)用中識別率非常之高。

創(chuàng)新二，統(tǒng)計學(xué)習(xí)模型。深度學(xué)習(xí)雖然在人工智能技術(shù)上得到了廣泛的應(yīng)用，但隨著數(shù)據(jù)量的增大，需要學(xué)習(xí)和訓(xùn)練的時間也要增長，為了解決這一問題，人工智能技術(shù)又進行了升級和創(chuàng)新，把統(tǒng)計學(xué)習(xí)圖模型算法應(yīng)用到視頻監(jiān)控的應(yīng)用當(dāng)中，這種方法只要獲取一個小樣本便可進行高精度的識別，非常的迅速和便捷。所以說與深度學(xué)習(xí)相比，雖然沒有得到普及和推廣，仍然有著不可忽視的研究價值，能夠發(fā)揮出巨大的作用。

3.2.2 人工智能技術(shù)高效應(yīng)用

雖然人工智能技術(shù)已經(jīng)由傳統(tǒng)的監(jiān)控方式發(fā)展到了人像識別等等高端技術(shù)，但在實際的應(yīng)用中要想達到高效性，成為警務(wù)實戰(zhàn)工作中的有力助手，就必須要建立健全警務(wù)體系。

其一，在建立人像庫。只在建立和完善一個全世界最大的人像庫，才能夠在實際警務(wù)應(yīng)用中，做到得心應(yīng)手，據(jù)調(diào)查，在2016年已經(jīng)建立了約十億級的人像庫，這樣就能夠在需要時進行迅速的識別和對比，達到秒級返回的效果，為警務(wù)實戰(zhàn)工作命中率打下基礎(chǔ)。

其二，結(jié)成相互聯(lián)通的偵查方式。人像大平臺需要各級、各部門進行協(xié)力合作，比如說可以通過省級去建立常駐人口以及各種有犯罪前科、涉嫌人員等等的人口庫，并進行各種接口的設(shè)置，這樣就可以為下級部門提供更加便利的服務(wù)，使他們能夠?qū)σ恍┝鲃尤丝趯嵤┍O(jiān)控和查詢，這種相互聯(lián)通、跨省、市、縣的視頻監(jiān)控，可以讓警務(wù)工作以人工智能的方式實現(xiàn)數(shù)據(jù)共享，達到全方位配合和共贏。

3.3 人工智能技術(shù)在視頻監(jiān)控應(yīng)用中的優(yōu)勢分析

3.3.1 人像的靜態(tài)識別

進行靜態(tài)人像識別的過程也就是人像比對的過程，這也是在公安系統(tǒng)的人像識別中最常見的一種方法，就是要通過人像與人像庫里的目標(biāo)圖片進行對比，從其相似度上進行依次排除。靜態(tài)識別的功能非常強大，它可以從15億級別的人像庫中迅速的鎖定目標(biāo)人物，還能夠進行各種的處理工作，是警務(wù)等等工作中命中率最高的一種人工智能技術(shù)。

而且靜態(tài)人像識別不僅能夠?qū)Ω咔逭掌约白C件照能夠瞬間秒回，而且對于一些分辨率較低的照片或人像也具有十分強大的識別能力，它可以運用高科技術(shù)對圖像的清晰度進行復(fù)原，使其面部輪廓恢復(fù)到原狀，最終達到高清人像識別的目的，這也是靜態(tài)人像識別最大的優(yōu)勢。

3.3.2 人像的動態(tài)識別

動態(tài)視頻是將經(jīng)過卡口的人像進行實時的獲取和捕捉，可以通過動態(tài)人像卡口對一些重嫌疑犯等等進行重點布控和布防，這種人像動態(tài)識別的方式通常會被應(yīng)用到火車站、地鐵口等等一些人流量大、人口密集的地區(qū)，可以加強對這些地區(qū)人流現(xiàn)狀進行實時的查詢和軌跡追蹤。而且隨著科技水平的進一步提升，動態(tài)人像識別功能也變得越來越強大，可以達到預(yù)先示警等等特效功能。因此，人像的動態(tài)識別在對人像數(shù)據(jù)及結(jié)構(gòu)化特征進行存儲之后，就能夠為視頻監(jiān)控畫面提供依據(jù)，而且錯誤率非常低，能夠隨時給警務(wù)人員進行預(yù)警，使之對目標(biāo)人物立馬實施盤查，而且對路人的軌跡偵測也具有很強的實戰(zhàn)性，只要系統(tǒng)鎖定目標(biāo)人物和區(qū)域，就能夠自動畫出這個人員的行動路線，并為其尋找提供可靠的信息依據(jù)，可以減少許多人力、物力的浪費。使視頻監(jiān)控工作達到一個新的高度。

4 結(jié)束語

總之，隨著我國城鄉(xiāng)一體化建設(shè)步伐的加快，人工智能技術(shù)在視頻監(jiān)控中的應(yīng)用越來越得到普及，而且各地、各部門也已經(jīng)在人像識別等技術(shù)方面取得了豐碩的成果。要想使人工智能技術(shù)在視頻監(jiān)控應(yīng)用中獲得進一步的發(fā)展，除了要提高工作人員的綜合素質(zhì)和專業(yè)水平之外，更要進行不斷的創(chuàng)新與改革，在向著智能化及實戰(zhàn)性的方向轉(zhuǎn)變，為我國和諧社會的創(chuàng)建提供更加堅實的技術(shù)支持和保護。
責(zé)任編輯：tzh