打造城市智能监控最强“大脑”

　　“智慧城市”早已不是新鲜词。虽然不少城市在如火如荼地打造智慧的概念，但目前仍未有将其完美应用的城市。就中国的智慧城市建设而言，由于城市规模大、人口多、城镇化速度快等特殊条件，中国的经验将会给其他国家的城市建设带来示范意义。尤其是在计算机视觉研究和应用方面，中国处于世界领先水平。

　　创新应用 强化管理

　　当前，城市中的突发事件频发，暴露了城市在管理上的不足。而在未来的智慧城市建设中，计算机视觉将在智能监控、事件预测、智能安全等方面，发挥其高效作用，从而提升我国智慧安全、智慧民生的应用水平，进而完善智慧城市建设。

　　如何理解智能监控中的计算机视觉技术？简单地说，摄像头即是城市的传感器。密布在城市中的摄像头如同无数个眼睛看着城市，而计算机视觉技术相当于控制眼睛的“大脑”，是整个系统的核心。它可以长时间、持续地用无数的眼睛观察城市，利于城市管理者得到许多肉眼难以察觉和分析的城市信息。

　　智慧城市的建设依赖技术的创新。当前，计算机视觉在城市管理中的创新应用主要有两方面：

　　一是人脸布控系统。通过深度学习技术，计算机可以进行人脸检测、跟踪、识别、属性（性别、年龄、配饰）等工作，全方位、多角度地在视频监控系统中刻画一个人。比如，人脸追踪可以有效捕捉人脸在视频中的运动轨迹，并提取人脸的数字化特征，再结合运动中所捕捉到的多张图像进行精准识别。同时，通过计算机分析人脸属性，为监控人员进行针对性监控和搜索特定人群提供方便。一方面，提高了视频监控的准确度；另一方面，极大减轻监控的人力成本。

　　二是智能人群分析系统。基于先进的视频分析技术，当前已存在“智能人群行为分析系统”——可对监控视频中人群异常行为进行及时预警。此系统包含趋势分析、事件查询等功能，还可协助监控人员完成智能趋势预测、特征事件定位等任务，为突发事件预防、可疑线索追查等提供有效帮助。现今，不少研究机构和科技公司都朝这方面努力，进行技术突破，其中SenseTime即在智能安全上做出了技术贡献。以关乎民生的安保应用为例，SenseTime的技术可以收集分析嫌疑人因踩点所做出的张望、徘徊等一系列行为，并通过ReID技术刻画其行为轨迹，从而做出犯罪预警。

　　现代城市人口密集，加上节日、庆典、大型活动的举办，城市管理稍有不善，便容易发生严重事故。而计算机视觉对人脸识别技术的革新，无疑对城市的智能监控产生积极效应，从而能对人群状态进行有效监控，并及时采取有效干预措施，降低恶性事故的发生率。这对城市管理者来说，都有着不可替代的作用。

　　打破壁垒 落地生根

　　在理想的技术境界里，研发过程只需要把实际应用的问题抽象成算法可以解决的问题。然而，在智慧城市真实的监控场景中，却具备错综复杂和多样化的场景。具体来说，摄像机的参数、部署角度、光照、室内室外、白天夜间等等，都是算法需要处理的场景变化。这就意味着算法必须极为强大，才能适应各种不同的场景。一方面，这需要有设计算法的丰富经验；另一方面，需要让算法不断地迭代提高。

　　目前，智慧城市的建设并未形成有体系的网络。因此，数据的规模化程度仍不够，导致计算机视觉的技术突破受到限制。云计算则是可选择的解决途径之一。在未来智慧城市建设中，可以通过云计算的方式来解决运算问题，并在计算资源有限的时候，进行弹性分配。比如城市中某个时间段会展较为集中，云平台即可弹性分配至其他人少地区的计算资源，以支援会展区域附近的计算任务。

　　此外，智能安全的应用也存在“人为”的难度。例如，公安机关经常凭借素描画像查找失踪人口和嫌犯。但实际上，人脸素描画和真实监控中拍摄的人脸存在很大的差异。因此，在很长一段时间内，人脸识别的算法无法直接应用。

　　如何让科学技术更好地提升全民的生活品质，解决现实难题，是诸多科学家始终“上下而求索”的事业。近年来，深度学习技术的应用使计算机视觉技术产生了飞跃式的突破。比如，笔者所从事研究工作的香港中文大学多媒体实验室，发明了“高斯脸”算法，首次实现了计算机人脸识别准确度超越人眼；随后“DeepID”算法又使得基于深度学习的人脸识别技术准确率成功超越人眼。这些极具代表性的进步都是近3年发生的。

　　随着国家对智慧城市建设越来越多的政策倾斜，逐渐形成有规模的视频数据。加上科研创新的不断进展，人工智能这个“大脑”会持续进化，提升智能视频分析的准确度，应对各种复杂的场景。在此基础上，进一步提升我国智慧城市的建设水平及地位，改善民生安全，从而提升人民福祉。

　　（作者系SenseTime研发总监、香港中文大学博士）