3.1 人像識別技術的發(fā)展

人像識別技術是以人臉為基礎的，可以利用計算機對人臉圖像進行人工智能技術的采集，并作出身份的確認，這種人像識別技術是在20世紀的90年代興起的，至今已經被廣泛的應用到安全和金融等多個領域，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，而且還有基于學習的神經網絡人像識別，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，通過在訓練的過程中進行學習，其準確度更高，識別效率更快。

3.2 人像識別技術的創(chuàng)新

隨著深度學習在人工智能領域的發(fā)展和應用，人像識別技術的發(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，則以更加先進的人像識別技術融入到全國各地各領域之中，在公安警務實戰(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，不同的算法適應的范圍不一樣，在實際的視頻監(jiān)控工作中可以根據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應用中，需要融合深度學習和統(tǒng)計學習圖來進行核心算法的創(chuàng)新，這樣才能夠達到各項數據的高精準度，保證在任何復雜的情況下都能夠達到最佳的人像識別效果。創(chuàng)新一，深度學習。進行人像識別至少需要經過兩步：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，可以采用代數特征的方法、幾何特征的方法、彈性模型的方法、神經網絡的方法以及形變模型的方法，而基于神經網絡的深度學習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，就能夠在樣本訓練過程中進行學習，以取得更加高效而精確的數據信息。深度學習的過程不需要督促，也不需要干涉，它是機器學習研究中的一個創(chuàng)新，是以模擬人腦為根本的神經學習網絡，所以這種視頻監(jiān)控在實際應用中識別率非常之高。

創(chuàng)新二，統(tǒng)計學習模型。深度學習雖然在人工智能技術上得到了廣泛的應用，但隨著數據量的增大，需要學習和訓練的時間也要增長，為了解決這一問題，人工智能技術又進行了升級和創(chuàng)新，把統(tǒng)計學習圖模型算法應用到視頻監(jiān)控的應用當中，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。所以說與深度學習相比，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 人工智能技術高效應用

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

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，才能夠在實際警務應用中，做到得心應手，據調查，在2016年已經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，為警務實戰(zhàn)工作命中率打下基礎。

其二，結成相互聯通的偵查方式。人像大平臺需要各級、各部門進行協力合作，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置，這樣就可以為下級部門提供更加便利的服務，使他們能夠對一些流動人口實施監(jiān)控和查詢，這種相互聯通、跨省、市、縣的視頻監(jiān)控，可以讓警務工作以人工智能的方式實現數據共享，達到全方位配合和共贏。

3.3 人工智能技術在視頻監(jiān)控應用中的優(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人物，還能夠進行各種的處理工作，是警務等等工作中命中率最高的一種人工智能技術。

而且靜態(tài)人像識別不僅能夠對高清照片以及證件照能夠瞬間秒回，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對圖像的清晰度進行復原，使其面部輪廓恢復到原狀，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，可以達到預先示警等等特效功能。因此，人像的動態(tài)識別在對人像數據及結構化特征進行存儲之后，就能夠為視頻監(jiān)控畫面提供依據，而且錯誤率非常低，能夠隨時給警務人員進行預警，使之對目標人物立馬實施盤查，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，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 結束語

總之，隨著我國城鄉(xiāng)一體化建設步伐的加快，人工智能技術在視頻監(jiān)控中的應用越來越得到普及，而且各地、各部門也已經在人像識別等技術方面取得了豐碩的成果。要想使人工智能技術在視頻監(jiān)控應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)性的方向轉變，為我國和諧社會的創(chuàng)建提供更加堅實的技術支持和保護。
責任編輯：tzh