億歐智庫高考作文答卷：共和國，我為你的平安拍照

時間＼2017-06-07

6月7日一年一度高考作文題出爐，北京卷題目如下：

2049年，我們的共和國將迎來百年華誕，屆時假如請你拍攝一幅或幾幅照片來顯現中華民族偉大復興的輝煌成就，你將選擇怎樣的畫面？請展開想像，以“共和國，我為你拍照”為題，寫一篇記敘文。要求：想像合理，有敘述，有描寫，可以寫宏達的畫面，也可以寫小的場景，以小見大。

上述題目對於拍照這個動作更多帶有想像、虛擬的性質，而億歐智庫這篇分析要探討的是實實在在裝載在城市每一個角落的攝像頭，

其作為平安城市解決方案的一環，協助抓拍城市每一刻模樣的同時，在實現中華民族偉大復興的輝煌成就之前，發揮治安管理、城市管理、交通管理、應急指揮等功效保障著整個社會的安穩。

一、為共和國拍照，應對風險社會的不確定性；

風險社會的本質特徵是不確定性，即對風險難以進行有效預測與控制，風險社會這一概念是由德國社會學家烏爾裡希·貝克最早在1986年提出的，

其指出風險與人類共存，並隨著人類活動頻率的增多、活動範圍的擴大，使得風險結構從自然風險主導逐漸演變成人為的不確定性主導。

上圖為國內發生過的部分重大安全事故，自然主導與人類主導的風險並存，

並逐步顯現以後者不確定主導所引發的潛在風險更大。由於現代社會城鎮化發展過快，一方面，城市人口及產業過度聚集，引發各種城市病，增加了安全事故死亡率，另一方面，城鎮化過快發展導致了社會結構不合理，影響公共安全發展。與風險社會的不確定性並行的旋律是——平安城市概念的提出。

二、城市攝像頭佈局形成了海量視頻資料池；

現代城市管理必須依賴遍佈城市的各種類型的感測器收集大量的資訊，

並進行分析、處理、回饋、修正和應用。其中視頻圖像資訊是所有傳感資訊中含量最豐富的資訊載體，不但是城市安全管理最重要的資訊來源，也是其他政府部門高度依賴的資訊來源。攝像頭是建設平安城市的重要組成。智慧型平安城市採用監控攝像頭、卡口、電子員警、人臉抓拍系統、報警感測器及其他感測器等，實現對城市道路、重要區域、敏感地帶、生活社區、交通卡口進行全面的佈防監控，

採集各類資訊資料。

人臉識別閘機講求認證合一，人在進站的短暫時間停留，足以讓事先設置好角度、高度的攝像頭對人臉進行抓拍，再與證件背後的資料庫進行相匹配，運用的是電腦識別技術中1:1人臉識別技術。

電警和卡口設置高度通常是在十字路口或者高速公路的進出口之上，這些攝像頭使用了很高的解析度，角度也非常合適，它可以在正面增加識別的成功率。但是像電井和卡口這樣的攝像頭，它只占整個道路周邊攝像頭數量的很小一部分。以北京為例，電警和卡口攝像頭的數量占道路全部攝像頭數量的千分之一左右。

監控攝像頭是平安城市的組成主體，數量很多，一般在安裝的時候都是為了監控整個大場景，所以視場角較大，視場角變大的壞處就是針對每一個目標它所能夠分配的圖元數量會降低，錄製視頻本身的清晰度也較低，還要考慮環境因素——補光不足、照明不夠等。

這些攝像頭將城市各個角落的視頻圖像資訊傳輸到各級處理中心，這實質上就是一個城市級視頻物聯網或視頻傳感網，在物聯網“感、傳、知、用”4個層面，形成整個城市基於視覺的感知、傳輸、處理、應用的物聯網典型應用工程。

以北京為例，屬於政府和社會公共機構的攝像頭總數超過200萬個，這些攝像頭和我們手機攝像頭不一樣的地方在於它每分每秒都在保持錄影，它每天就會產生長達200多萬天的錄影，折合成年就是5000多年。所以我們整個安防體系，從攝像頭到存儲都是一個擁有極大資料量的網路。

三、有意義的資訊=從海量資料到結構化資料到情報的提煉演化；

以視頻資料為核心的網路，產生了大量視頻資料。這些視頻資料中間必須經過人工分析才能成為有意義的資訊。客戶需要的永遠是有意義的情報，無論它是出於對安全因素破案，還是因為管理因素希望瞭解這個城市裡發生的一些事情，這些均是有意義的情報。

但目前海量視頻資料更多是給客戶帶來麻煩，一方面清晰度不夠所造成的視頻資料品質低，另一方面資料量大也加大了客戶從中尋找線索的難度。如何從這種低品質的資料、不理想的環境下做好視頻分析，這個時候需要人工智慧技術的介入，當基礎資料前期被識別出來後成為結構化資料，基於這些結構化資料才能進一步做資料間的關係挖掘。

四、AI作用於視頻資料=前期結構化處理形成資料庫+後期有針對性對資料關係進行挖掘；

1、結構化視頻資料；

何為結構化資料？結構化資料就是資料能夠直接表達目標的性狀、屬性以及身份。這種資料可以大規模去檢索，大規模地分析、統計。諸如車輛識別、人物屬性識別。

車輛識別：從畫面可以看到每個交通單元中，無論是機動車還是非機動車都可被檢測與跟蹤，對應每一個目標的屬性也會被識別出來：可以檢測出車牌號碼、生產商、型號、年檢標的狀態，甚至具體是哪個年份的型號也可以被識別出來。

人物屬性識別：對人物的基本屬性做一些判斷：如性別、大致年齡、行李屬性、衣服顏色、衣服類型。如果可以看到正面的話，就可以看清他的有沒有戴口罩和戴眼鏡，有沒有留鬍子等資訊。這些資訊其實跟人臉識別不太一樣，它是一種短效、對解析度要求不高時得到資訊的一種途徑。

如果先不考慮攝像機單體的數位化、高清化進化程度，結構化的資料能在一定程度上協助公安系統在“找人”環節發揮協助工具，但如果要求再高一點，像是情報體系，結構化資料是不能直接拿來使用。

2、資料採擷；

在安防監控網路上，資料的產生者是攝像頭、錄影機。資料的消化者是人工智慧和人。但是當人工智慧把這麼多的錄影轉變成結構化資料後，它的資料量仍舊龐大，會產生一個新的資料海洋：結構化資料海洋。如果資料沒有經過很好的挖掘，那它也不是有意義的情報。

結構化資料目前已經可以使用非常成熟的手段去挖掘，這個過程中會有一些非常淺度地挖掘、簡單的篩選：比如黑名單。檢測到一輛車時，車牌號碼是一個嫌疑犯車牌號，當系統檢測到車牌號碼時，這輛車就被後臺預警。再比如說檢測一個人：假設有一張逃犯的照片，當系統在某個地鐵站的攝像頭裡看到一個人長得像這個逃犯時，它可能就變成了一個有意義的情報；在醫院裡也可以有一個非常淺度的挖掘，如在醫院會發現有些人來鬧事，它可以把這些人提前放在“醫鬧庫”裡。當這些人來到醫院時，醫院的保安就能第一時間得到警告。

事實上現實生活中有很多場景的線索挖掘是比上述的挖掘複雜得多，比如醫院掛號的地方有很多號販子，這些人擾亂了醫院的服務的秩序，如果人工智慧能夠挖掘出號販子和普通正常病人的差別，通過大量的人臉資料和行為資料中自動把這些特定的人員挑選出來，說到底，對於人工智慧效能的想像空間還是很大的。

當今天這些資料變成了結構化資料以後，在不同行業、不同場景要有大量的資料採擷應用才能夠有效地把結構化資料變成有意義的情報。

寫在最後

我可能寫了篇0分高考作文，但相信“安全”是所有人類活動的前提保障，中華民族的任何一個輝煌時刻都是基於此而建立，用載入了AI技術的攝像頭為共和國的安全拍照，意義重大。

重磅福利！【2017中國互聯網+新商業峰會】，6月15-16日兩天3000人次，攜程創始人梁建章，嘉禦基金創始人、前阿裡巴巴CEO衛哲，分眾傳媒創始人江南春等嘉賓已確認出席，期待你的參與，限量钜惠票等你拿！

賞

運用的是電腦識別技術中1:1人臉識別技術。