2019年，被安防行業稱為智慧監獄建設的開局之年。

　　智慧監獄建設，其實是將AIoT、云計算等信息技術與監管改造工作深度融合，通過人臉識別、視頻智能分析等AI技術帶來諸多“智慧”應用，打破傳統的監獄管理模式。

　　國內從2019年開始，掀起了全面建設智慧監獄的熱潮，一批高科技智能化企業躍躍欲試，想將技術滲透到特殊場景中，在司法智能的路上開疆拓土。

　　在第十五屆中國安防論壇上，廣州弘度信息科技有限公司副總經理兼研發總監王榮秋，就帶來了關于AI技術在智慧監獄的實踐和難處，令人對AI技術的應用刮目相看。

　　▲廣州弘度信息科技有限公司副總經理兼研發總監王榮秋

　　AI技術突破、演化、機會

　　首先，今天的算法和五年前、十年前的算法有什么本質區別？是什么引爆了這一輪的AI革命？現在為什么大家都在談論深度學習？

　　王榮秋認為，傳統的神經網絡最主要的問題就是無法理解多維空間數據，以人臉識別為例，如果你把人臉對得非常準，它是沒有問題的，但是人臉如果偏一些，或者他的大小一變就不行了。所謂的預處理，是為了把多維空間轉化成一維向量，但是效果并不是特別好。

　　關于AI技術未來發展趨勢，王榮秋認為，遷移學習+自動學習有非常大發展空間的，遷移學習關鍵是解決可控性，但很遺憾，目前還缺乏有效的機制保障它不往壞的方向遷移。

　　遷移學習做到極致就類似遺傳學，小狗能變成大狗，小孩能變成大人。

　　2019年，全球最有前景的AI公司有哪些呢？

　　根據硅谷智庫CB Insights 2019年發布的數據，全球最有前景的AI公司主要集中在企業技術、醫療健康、自動駕駛等領域，其中企業技術數量最多，33家。

　　中國的情況有些不同，政府相關的公司比較多，有3家，所以要成為國內領先的AI企業，公共安全的領域應該是不錯的選擇，但放眼世界，數據管理、網絡安全等企業技術、以及醫療健康方面都是不錯的方向。

　　AI賦能智慧監獄面臨的現狀和困難

　　中國計算機視覺的市場規模，這幾年是高速發展的，預計未來五年也是高速發展，這主要是得益于視覺AI技術的推動。

　　中國公共安全的需求量非常大。同時司法這些重點的行業，也是AI的一個重點落地行業，所以弘度科技選擇了司法作為AI的落地實踐場地。

　　那監獄的AI現狀是什么樣的呢？

　　2018年監獄有一些AI落地的案例，但規模并不大，2019年司法部全力推行智慧監獄，全國監獄的AI技術應用范圍和規模大幅提高，包括廣東省在這塊的投入也都很大。

　　弘度科技從2017年開始做監獄的AI解決方案，應該說是智慧監獄的政策紅利受益企業。

　　2019年是智慧監獄開局之年。雖然形勢熱火朝天，但是現在監獄的AI技術現狀存在三個問題：

　　第一，技術落后，監獄監控大屏，需要干警24小時盯著監控屏幕看，他們叫做“干瞪眼”；

　　第二，可用性差，“操作難，誤報多”，增加額外工作量，值班員不愿使用

　　第三，花費高昂，“成本高，建設慢”，大規模部署難度大，建設成本高。

　　智慧監獄AI落地的難處，也集中在三個方面：

　　第一，深度學習識別率高度依賴訓練數據，而監獄的數據具有敏感性和獨特性，外界很難獲取，基于國際標準數據庫訓練出來的算法在監獄環境下應用效果大打折扣。

　　第二，很多公司過于強調算法能力而缺乏工程落地能力，面對監獄復雜的網絡情況，基本上只停留在演示階段。

　　第三，監獄監管類應用企業普遍缺乏AI技術能力，很多做智能分析的企業采取的是上一代AI技術（圖像處理+模式識別)

　　AI技術在智慧監獄的應用場景

　　▎監獄大門

　　大門需要用什么AI技術？首先是不能讓服刑人員跑出去。用什么技術呢？

　　人臉識別，利用準確的人臉識別技術，一旦發現服刑人員在大門附近出現，就立即告警，這個應用已經比較成熟。當然也有嘗試用步態識別的，這個還處于預研階段。

　　大門還要分析徘徊的人，這個怎么做呢？通過對大門的人員進行實時視頻分析，提取出其行走軌跡，和徘徊行為模型進行匹配，從而判定是否存在可疑行為。一個人老是在大門徘徊就可能要干壞事，就要及時處理。

　　還有一個技術需求是車牌識別，以及車牌與司機的匹配，這個用的不多，因為司機有時候并不是固定的。

　　▎周界防范

　　周界防范是監獄最有效的AI應用場景，為什么這么說呢？

　　首先它安全級別非常高，服刑人員從周界逃出去的可能性是有的，其次周界范圍很廣、攝像頭很多，指揮中心依靠人力根本就看不過來，基于AI技術的周界防范系統能夠切實解放警力，提高安全防范級別。

　　周界防范用到幾個算法，最重要的是人形檢測。人形檢測算法看似簡單，其實很不簡單，因為要求極高，首先是要實時告警，然后要求0漏報，出現漏報、犯人跑出去就麻煩了，還要極低誤報頻次。

　　弘度科技現在以100路的視頻AI分析為例，一個月下來誤報次數控制在個位數。

　　▎值班室

　　值班室的算法比較成熟，主要是脫崗檢測、睡崗檢測、人員滯留檢測；這個不難理解，就是識別警衛有沒有在崗，在崗有沒有睡覺，當然也不一定是警衛，可能是服刑人員值班。

　　脫崗睡崗要做得很好有門道，它是側面檢驗你算法的漏報率。

　　這里面的困難點在于，你可能要非常人性化地和合理地去刻畫，不能人去上一個洗手間就認為他脫崗了，這個肯定不行。

　　所以更主要的一個難點，就是要深耕到行業里面去，要跟監獄的實際情況去結合，跟業務情況去結合，實際上很多細節性的東西和人性的東西是比較復雜的。管得太嚴了，是沒有人愿意用的。

　　▎勞動場所

　　勞動場所，主要是一些群體事件的識別。

　　采用的方法是通過檢測人體骨架，分析各關節的相對位移變化，精準刻畫人體活動特征，從而識別出人員的行為類別。

　　這類行為分析之前用傳統的算法是沒法實現的，現在用深度學習效果還是不錯的，大約90%以上檢出率是沒問題。

　　那為什么做不到100%呢？主要原因是分析比較困難，很難精準地定義什么是打架，這個比較頭痛。當然，這類事件檢出率90%，10次打架行為能檢測出9次，客戶也基本能夠接受。

　　▎監舍和禁閉室

　　監舍有什么AI需求？需求很多。

　　第一個是監舍人臉點名。監獄的管理是非常嚴格的，每兩個小時就要點一次名，完全依靠干警點名工作量是有很大的。

　　那監舍人臉點名是用人臉考勤機嗎？不是。我們直接利用監舍現場的攝像頭，部署起來非常便捷。

　　這里面技術挑戰還是蠻大的，要解決事件觸發的問題，人臉歸并的問題、視頻低分辨率的問題，以及抗干擾的問題。

　　但是把困難留給自己，把便利留給客戶，這是技術人員努力的方向和價值體現。

　　第二類需求和勞動場所類似，是群體事件檢測，包括打架斗毆、人員聚集這些功能。

　　第三類需求是異常行為分析，上吊、獨處，以及起夜分析，這些都是預防個人情緒波動出現異常事件。

　　弘度科技目前在全國監獄有30多個AI落地的應用案例。而且技術優勢，跟上一代的AI技術進行對比，準確率不是一個數量級的。

　　但是為什么還要拿出來？因為監獄現在依然還有很多場景應用的是上一代的技術，所以需要加快這個覆蓋。

　　從算法層面講，弘度科技有很多積累，上面提到的算法都有成熟的應用。

　　從算法架構層面，側重點不太一樣，弘度科技主要是算法應用架構，專門設計了一個自適應算法調度層，解決多算法的融合、應用、調配的問題。

　　接下來看看幾個技術點：

　　1）光線抗干擾能力

　　光線抗干擾能力，主要是雨雪天氣、夜間的情況、反光的情況，都能夠非常穩定地識別。

　　這主要依靠深度學習模型對目標的高檢出率，我們在監獄場景的樣本學習積累比較豐富。

　　2）復雜場景精準預測

　　通過深度學習不斷訓練，消除樹葉、枝干晃動、光線變化等引起的誤報，精準識別復雜環境人體目標。

　　這不單要把人識別出來，還不能把環境給誤判成人了，這需要算法系統支持對場景的自學習能力。

　　3）疑似物體的精準識別

　　疑似物體的精準識別也是產品落地需要考慮的重要問題。

　　例如警犬，尤其是還穿上衣服，從背面看這跟人就很像了，還有是擺動的衣服和人也很相似。

　　對疑似物體的識別方法上倒不復雜，增加一層特殊分類器就可以了，主要是有大量的算法調優工作要完成，要調優得非常精準。

　　技術很重要，但是客戶要的是解決問題。整體解決方案大家都在提，但其實這個概念是有很多不太一樣的。

　　有的是提得很廣，硬件的、軟件的、相關的、云的、部署的、平臺的、操作系統的，都有。這種也算解決方案，非常廣，它其實是為了做更多的生意。

　　弘度科技的智慧監獄AI整體解決方案，包括從底層聯接到系統落地、從安全檢測到視頻運維。公司定位為司法行業全棧產品供應商，除了AI落地方案之外，還做應急指揮系統。

　　經過多年的AI落地實踐，弘度科技總結了哪些經驗？

　　▎如何甄別AI真偽需求

　　大家會碰到很多AI需求，但如果你做的是一個偽需求，那肯定是無法落地的。怎么判斷呢？

　　首先，技術可行性是基礎，也就是需求要符合現在的技術水平，否則就是預研不是落地了。例如有一個需求“監獄周界人形檢測，要求漏報率是0”，這個在五年前是一個偽需求，因為那時候的技術達不到，而現在就是真需求了。

　　另外兩個方面可以判斷為真需求，一個是有經濟效益是真需求，一個是需要實時處理是真需求，比如物流車輔助駕駛，可以省一個駕駛員，有很大的經濟價值，這是真需求。監舍的打架斗毆或者上吊行為分析，這個必須立馬處理，是真需求。

　　還有兩個方面可以判斷為偽需求，一個是需要非常復雜的設計的一般是偽需求，另外一個是不愿意付費的是偽需求。

　　曾經接到一個需求，說要分析保安安檢行為的規范性，這就需要多個角度的攝像頭對著，要與門框的燈聯動，要識別安保人員手上的安檢棒，系統設計得非常復雜，我們判定為偽需求。

　　▎AI落地的可行路徑

　　找到綜合性人才，既懂AI又懂行業的人才；甄別出真AI需求，方法前面已經介紹過了；在垂直領域里面找機會，要提供整體解決方案；持續深耕、不斷得做出精品。

　　▎AI大規模落地應該考慮的問題

　　AI大規模應用，項目的成本是必須考量的關鍵問題，過高的價格常常讓人望而卻步，停留在試點階段。比如說有個監獄，單路視頻分析價格高達1萬多元的產品，一個監獄一般有2000路視頻，很難落地。

　　王榮秋最后說：“AI落地之路，考量的是全方位的能力，路不好走，但機會到處都在，關鍵在于，你，是否能夠抓得住！”