<mark id="oztn4"></mark>
0
從可知、可用到可控、可靠，以“AI+”為標志的普惠型智能社會正朝我們闊步走來。
譬如智慧警務，作為“平安中國”的重要組成部分，智慧警務的首要目的是打造高質量的社會治安防控體系。
過去兩年，相關部門先后發布了包括《關于加強社會治安防控體系建設的意見》等諸多文件，對于社會治安防控體系的建設提出了更加詳細的規劃要求。
眼下，相關行業解決方案正在全國快速落地。某行業專家介紹，社會治安防控體系助力智慧警務建設主要體現在兩個方面：
立體化社會治安防控體系建設從外到內可分為四道防線：智慧公安檢查站、智慧街面巡防、治安要素管控以及智慧安防小區。
第一道防線：智慧公安檢查站。
智慧公安檢查站部署在城市邊界，通過配備人臉識別、車輛識別、安檢設備、人證核驗、移動終端特征采集等智能感知設備，全面采集人、車、物、證、碼等數據。
通過對數據的綜合研判，提升對跨區域人員、車輛、物品的動態管控能力，最大限度的將重點人員、重點車輛以及危險物品隔離在管轄范圍之外。
第二道防線：智慧街面巡防。
智慧街面巡防部署在城市街面區域，依托街面警務站，整合各警力資源，確保遇到警情和突發案（事）件能夠第一時間反應、第一時間到達、第一時間有效處置。
同時，還需要整合PGIS、110 接警平臺、衛星定位系統、視頻監控系統、人臉識別系統、無人機系統、無人機反制系統、巡邏機器人、移動單兵、4G/5G 回傳等相關業務系統，打通數據壁壘，提高系統利用率，最大限度提高見警率、盤查率、管事率，提升震懾力和控制力。
第三道防線：治安要素管控。
治安要素管控包括基礎數據采集、重點人員管控、重大活動安保、智慧內保、槍支彈藥管控、娛樂場所管控以及新興業態管控等多個方面。
這些應用場景采集的實時數據可為智慧公安的業務應用提供基礎數據支撐，比如以前采集的基礎數據是靠社區民警挨家挨戶上門采集，這種采集方式不僅耗時耗力，而且保證不了數據的真實性和時效性。
眼下，通過科技化的手段可以實時動態采集相關數據，不僅保證數據的時效性，也保證數據的可靠性，讓真實的數據產生實戰價值。
第四道防線：智慧安防小區。
智慧安防小區的建設是社會治安防控體系的最后一公里，也是如今智慧社區建設如火如荼的重要原因。
社區里的人員結構復雜、人員密度較大、車輛出入頻繁等特點決定了小區的管控是智慧公安業務應用的必要延伸。
智慧安防小區的建設可以圍繞社區警務室開展，在小區出入口、小區內部公共區域、單元樓入口部署部署三道防線，采集人臉信息、人體信息、車輛信息以及移動終端MAC 數據等多維數據， 精確掌握重點人員行動軌跡，有效防范各種入室盜竊案件發生。
一直以來，包括數據孤島、聯動機制不暢等問題均是政府職能部門的痼疾所在。包括公安系統，各警種都有自己的業務系統，但是各系統之間都是相對獨立的，很難進行數據融合共享。
該專家認為，社會治安防控體系的構建有利于打破部門數據壁壘，加快數據融合共享。
如街面巡防聯動機制，整合了多種業務系統以及多個業務警種力量。社會治安防控體系主要由各地公安機關的治安管理部門主導建設，而治安部門的業務種類繁多、治安體系人數眾多等原因保證了治安管理部門可以采集多維數據以及鮮活的數據。
這些具有治安屬性的數據經過脫敏之后也可以共享給公安系統的其他業務部門，達到數據一次采集、多次利用。
目前全國大概有5萬個派出所，60萬基層民警，占到全國警力資源的三分之一。
即便如此，基層民警的警力資源依然匱乏，工作強度依然很大，用“汗水警務”來形容現在基層民警的工作現狀一點也不為過。
以基礎數據采集為例，以往民警采集相關數據都是拿著紙質的表格采用登門拜訪的方式采集，但是這種采集方式效率低、數據真實性差，基層民警在定期考核的機制面前顯得心有余而力不足，在這種現狀面前必須要轉變工作方法，向科技要警力。
視頻攝像頭與AI、大數據等技術的結合能夠打開智慧公安新世界的大門。
據中國電子科學院創新中心公安業務負責人林暉此前介紹，在AI實戰中，目前公安視頻大數據分析領域已有諸多前沿應用，包括：
一、視頻點位人流量分析
基于深度學習和計算機視覺技術，可以實時統計監控視頻中的經過人數及擁擠情況。也可以針對人員密集場所的監管需求，構建群體聚集分析模型，智能判斷出某區域是否有擁擠堵塞、異常聚集等行為。
二、禁入區域異常入侵預警
識別系統通過深度學習人體特征和動作，能夠自動發現、標記出人員的位置，當有人員異常入侵重點禁入區域時，以及異常行為時，系統可以發出自動預警。
三、人員異常行為智能預警
通過構建行為運動分析模型和行人姿態分析模型，智能分析判斷出行人是否有快速運動、打架斗毆等異常個體和群體行為，及時向后臺發出預警信息。
四、劇烈揮手求救識別
利用深度學習人體姿態識別技術，精準識別人員向攝像頭的劇烈揮手動作，當人員遇到不法侵害向攝像頭劇烈揮手時，可以實時預警提醒后臺人員。
五、外觀線索識別技術
通過攝像頭聯網，利用某一監控下的行人圖像，可以在其它不同場景、不同光線、不同視角下的視頻中準確搜索出該行人，并勾勒出其行動軌跡，搜索準確率可以達到90%，在茫茫人海中搜索一個人可以像百度查找一篇新聞那樣容易。
六、攜帶物體識別技術
主要針對某些特定場所的安全監管需求，打造深度學習攜帶物體識別系統，當有人攜帶敏感物體時，系統會及時預警。
七、網絡直播敏感信息監測系統
基于深度學習圖像識別技術，可以智能識別直播中的疑似敏感信息，節省超過90%的審核人力。
八、審訊場景的無感知情緒監測分析
它主要面向審訊場景，結合視頻圖像處理、并行計算、深度學習等技術，采用非接觸的生理信號采集、微表情識別方法，保證了無感知的實現，進而建立量化情緒模型，實現情緒監控和分析。
AI融合下的安防市場，拉動的不僅僅是前端設備的更新換代，更是拉動了背后物聯網、人工智能、大數據和云計算的萬億級大市場。
相關數據顯示，2019年我國安防行業總產值將達8300億，而公安部門無疑是推動這一需求背后最大力量。
從頂層設計來說，公安部門的遠景是：在全國各地建設一張立體化的社會治安防控體系網。而這張網的要求是：聯網共享、擁抱大數據、實現預測、預警、預防，以此驅動公安業務升級。
對于公安部門來說，如今他們正經歷著一場前所未有的“智慧化變革”，而這場變革的目標是：
一、從事后被動處置向事前主動預防轉變，增強犯罪預見性、主動出擊；
二、讓警力下沉，形成最強作戰反應機制；
三、更快破大案、更多破小案、更好控發案。
但該專家也同時提到，冰凍三尺非一日之寒，智慧公安的建設也非一日之功，社會治安防控體系也只是從治安的角度給智慧公安增彩。
智慧警務沒有止境，只有更智慧。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
