广告

由“梅姨”案引发的思考:智能安防被过分高估?

2019-11-25 16:15 来源:智安物联网 作者:安嘉琪

比尔盖茨曾经说过:“人们总是高估科技短期的成果。”近日,涉嫌拐卖儿童的犯罪嫌疑人“梅姨”画像刷屏网络。发布后有多地民众举报称,自己发现“梅姨”的行踪…….然而,广东警方日前回应表示,“梅姨”的身份与长相均暂未查实,“网友”寻之不得之下竟有一部分人大骂智能监控,称之为“吹破的牛皮”。

人工智能赋能安防的今天,各类智能安防设备如雨后春笋一般冒出,尤其是智能监控设备遍布大街小巷。记得前些日子在网上还流传着一个话题——中国式安全,尤其是那张由数亿监控设备组成的天网,时时刻刻守卫着我们的安全。为何疏而不漏的天网找不到一个罪大恶极的人贩子?作为一个“安防人”,小编便从安防人的角度告诉大家为何天网之下“梅姨”难寻。

巧妇难为无米之炊

首先最基础的一点,在寻人方面生物识别类技术可称得上稳坐头把交椅,而生物识别技术现阶段也与智能监控设备进行了深度融合。可问题是现今生物识别领域指纹识别和人脸识别这两大巨头无一不需要生物信息,将目光转回本案,你会发现这个所谓的“梅姨”别说指纹了,就连一张照片都没有,这又想马儿跑又不让马儿吃草那叫不讲理啊。

可能会有人说将警方还原出来的画像引入人脸识别数据库,这不就可以了么?其实这就涉及到一个尴尬的现象,即精准度不足与分布不广。

实验室数据不等于实战数据

首先我们要明白这样一个概念,即实验室的数据往往是基于理想化环境下得出的数据。还拿人脸识别类技术来说,实验室中无干扰的身份识别虽然准确度行业内普遍可以做到99.5%以上甚至更高,但如果在极端恶劣条件下呢?包括雨、雪、大风、大雾等恶劣天气、夜间低照度情况、摄像头遮挡或偏移、摄像头抖动等等。而且人脸识别技术还和传统的虹膜识别、静脉识别等技术不同,目前还没有一家企业敢说自己的识别率达到100%。

主要是因为目前人工智能没有自我成长的能力,只能根据设定的条件进行自主分析,而不能根据分享能力和积累经验提高完善自己。同时在视频结构化过程中,智能监控还停留在基于静态特征的单场景环境中,很少涉及大范围场景的关联行为分析,没有把动作、行为等动态特征以及之间的关联性做结构化的处理。这就导致了场景一旦发生变动,智能监控闹不好就会“抓瞎”。

其次是由人脸识别的算法导致的,在生物识别范围内,人脸所蕴含的信息量较指纹、虹膜等生物体征相比是比较少的,其变化的复杂性不够。例如,若要两个人的指纹或者虹膜相同,大概需要几十或者上百个比特(信息量的度量单位)达到完全重合才可以,但如果是人脸的话十几个比特就足以混淆视听了。这还不包括双胞胎等特殊情况。在这种条件限制下,哪怕是在实验室的理想条件下,人脸识别的准确率达到100%也是一件几乎不可能的事情。

分布范围又为人脸识别套上了枷锁

有人可能会说99.5%的识别率也够了,为什么还是抓不到呢?北大案也没直接认出来是犯罪嫌疑人啊。

其实这是很大一个误区,现实中,警方的人脸识别系统往往部署在人群密集,人员流动率较大的地方,例如火车站、机场等。

在这些公共安全系统要保证系统无死角,往往需要架设几百个智能摄像头,再加上这些地点的人流量极大,系统需要处理的每秒处理的人脸数据量是巨大的。在这么大的数据基数下,0.5%的差距会被无限放大。别说0.5%了,甚至0.01%的失误率也会给警方带来大量的困扰。

拿前段时间被抓获的“北大弑母案”凶手吴谢宇来说,机场的人脸识别系统也是经过先后4次识别率达98%以上的比对才确认此人与吴谢宇有极高的相似度,才报警抓获。

同时另一个尴尬的地方就是带人脸识别功能智能摄像机分布的并没有大家想象的广泛,众所周知,我国国土面积960万平方千米,别说智能监控设备了,就连普通监控设备都没法全面覆盖。

以每千人具有的视频监控数量作为目标,此前的统计数据显示,全国监控摄像头数量密度最高的城市是北京市,每千人具有摄像头数量59个,但仅仅相当于英国平均水平(75个)的80%、美国平均水平(96个)的60%。二、三线城市摄像头覆盖率更低,据不完全统计我国二线城市的摄像头数量在5-10万个;三线城市则在5万个以下。就摄像头密度而言,二三线城市的摄像头密度远远低于10个/千人。

微信图片_20191125155956.jpg

由“梅姨”案引发的思考:智能安防被过分高估?

以小编家乡为例,小编的家乡算是一个边陲的小镇,距离中俄边境线不过二百公里,整个镇子上的监控杆不过二十几个,且尽数分布在十字路口,用处也仅仅只是对违法车辆进行抓拍并无其他功能。而类似小编家乡的乡镇在我国国内可以说是数不胜数,每次一报道某某嫌犯在逃数年被公安干警抓获的新闻,你会发现犯罪分子藏身的都是这些地方。不过值得庆幸得是,纵观那些被隐姓埋名后依然被捕获的罪犯们,你会发现他们基本都是主动前往这些地区,这也就从侧面证明了监控设备的威慑力,不然按照大隐隐于市的传统观念,他们没有理由跑去乡下,换一个大城市岂不美哉?

成本扼住了智能监控的“咽喉”

在人脸识别中,将捕获数据和数据库相对比其实只是最后一步,也是最容易、最快的一步,真正考验人脸识别系统的是人脸定位、特征点提取等步骤,这既依赖于算法的先进性,同时也需要强大的算力支持。

因为算力而导致的系统误报与漏检的案例数不胜数,英国某车站安装了人脸识别系统,每当系统发现出犯人的脸就会报警,警察就会去抓捕进行二次比对,遗憾的是,由于系统的误报率太高,导致报警接连不断,经查发现,系统竟把2297无辜群众当做罪犯识别,不胜其烦的警方最终只好关闭了人脸识别系统。

如果想满足算力的需求而采用高质量的芯片,这就又带来了一个问题——成本。以现阶段来看,通用的CPU来进行人脸定位和提取是非常低效的,高精度高识别率的人脸识别系统通常需求高水平的GPU(图像处理系统)支持,而这样的摄像机造价不菲而当设备组成项目时造价更是高的令人震惊,据国外可查资料现实,一套能进对高密度人流进行数据实时吞吐的人像识别系统,造价往往能高达数千万美元。

数据破碎令“正义”各自为战

现阶段数据的“碎片”化已经成为了安防行业发展的一大阻碍,在这样的趋势下没有一家全能的企业可以满足行业的所有需求,现在一些新兴的领域分层以及互相的衔接还没有完全形成,没有达到协调统一,形成价值闭环。虽然交通、公安在这方面做得比较好,但数据闭环仍未打造完成。

通俗易懂的说,就是源于不同企业的数据平台相互之间数据不共通,而省和省、市和市之间的数据往往也不共通,这就造成了相当大的迟滞性。一个案件多方协调,往往协调成功了也要十天半个月,数据的及时性这一特点被完全浪费后,也会对案件的进一步办理带来阻碍。

结语

尽管较低的人均安防设备数量以及安防地区开展的不均衡;尽管智能摄像头在应用比例只有1%。但我国智能安防才刚刚进入初级阶段,国内安防摄像头未来仍有较大进步空间,即使安防智能化发展前路漫漫,但“安防人”会努力前行,争取早日能为社会尽到一份更大的责任。

责任编辑:潘一大