华安泰AI智能分析在校园安全防护的应用

岑兆祥 王意 杨理文 胡俊 王小满

摘  要：视频AI行为分析预警系统是基于计算机视觉技术发展的新兴视频分析技术，其中AI行为分析是该系统的核心技术，通过AI神经网络深度学习算法将人体骨骼关键点进行深度解析，从而获得人体活动规则，实现系统对人体行为特征进行分析，识别，主动预警。视频AI行为分析技术将传统视频从“会看”“会听”升级到“会思考”，AI视频行为分析将逐渐代替人眼并具备远超于人眼分析能力的预警系统，往智能识别，主动预警，有效处置的方向发展。

关键词：AI;人工智能;校园安全;行为分析

中图分类号：TP181    文献标识码：A文章编号：2096-4706（2021）14-0151-03

Abstract： Video AI behavior analysis early warning system is an emerging video analysis technology based on the development of computer vision technology， and AI behavior analysis is the core technology of the system therein. The key points of human skeleton are deeply analyzed through the deep learning algorithm of AI neural network， so as to obtain human activity rules， and realize the system to analyze， identify and actively warn human behavior characteristics. Video AI behavior analysis technology will upgrade the traditional video from “watching” and “listening” to “thinking”. AI video behavior analysis will gradually replace the human eye and have an early warning system far beyond the human eye analysis ability， developing in the direction of intelligent identification， active early warning and effective disposal.

Keywords： AI; artificial intelligence; campus security; behavior analysis

0  引  言

事实上经过近30年的发展，国内传统视频监控设备趋于饱和，而视频监控的后处理技术的需求存在巨大市场空间[1]。作者于2003年—2008年在华为技术有限公司从事无线终端产品研发试制工作，进入华安泰智能科技有限公司一直负责产品研发工作，经过大量市场一线的调研和实地需求测试工作中瞄准视频分析处理技术这一方向[2]，基于本单位实际项目对AI智能分析应用进行论述。

1  視频分析技术发展三阶段

1.1  第一阶段：移动侦测技术

以移动侦测技术为视频分析关键技术，主要技术方案是通过视频画面中的码流变化程度来实现的[3]，还不具备真正的“行为”分析能力，人的移动和物体的移动、甚至风吹草动都会触发移动侦测报警，准确率不高，如图1所示。

1.2  第二阶段：图片识别的传统人工智能视频分析技术

2012年前后，随着人脸识别、人形识别、物体识别、视频结构化等图片识别的传统人工智能视频分析技术的兴起，基于视觉深度学习算法，对视频图像的结构化处理，解析出视频场景中的人形，再结合、目标检测、目标跟踪、移动侦测等技术，分析出视频中的异常，识别准确率相对提高[4]。这也是目前市场上主要的视频分析产品应用技术，如图2所示。

但随着大型安防项目的开展，动辄成百上千路的视频监控应用对传统人工智能视频分析技术带来了极大的挑战，识别效率、准确率跟不上，同时，由于过度依赖于视频分析，当视频场景中出现光线变化、风吹草动或非人体行为的变化，会频繁产生误报，反而加大监看工作人员工作量。

1.3  第三阶段：视频AI行为分析技术

近两年，基于AI神经网络深度学习算法的人体行为分析技术逐渐发展起来。AI人体行为分析技术是视频AI行为分析预警系统的核心技术，通过AI视觉算法深度解析人体骨骼关键点，将人体结构与周围环境进行区分，并学习人体的运动属性（求救、打架、跌倒、攀爬、瞌睡、闯入、离岗等），结合时间属性、人数、动作及区域等维度，将行为识别范畴扩展至安防领域所需要识别的人体异常行为，如聚集、独处、人员热力、滞留、徘徊、缺岗等，进行准确检测及高效预警，如图3所示，识别率高，误报率低，应用前景明朗。

2  AI行为分析预警系统在校园安全防护应用中的应用优势

AI行为分析预警系统在校园安全防护应用中的优势主要有：

（1）不依赖于视频场景，有效避免误报。AI行为分析预警系统采用人体独有的骨骼架构、骨骼运动模式检测方法，结合时间属性及统计技术，使AI行为分析预警系统在识别监控画面、排除干扰方面具有独特优势，对比传统的利用移动侦测技术、图像比对技术、区域划线技术等视频分析系统，AI行为分析预警系统准确率达到95%左右，可以有效避免误报，提高识别的准确率。校园安保人员配备数量有限，校园安保现状不容乐观[5]，较高的行为分析准确率能有效防范校园安全事故的发生，及时处置各种安全风险。同时，较低的误报率也能有效降低校园安保人员的工作强度，提高工作效率。

（2）GPU运算，识别效率高。AI行为分析预警系统基于GPU算力分析架构，图像处理能力、并发效率比CPU更高[6]，发生异常事件3秒内即完成检测及实时告警。国产化适配后的单台分析服务器性能最大可接入近1 000路视频图像进行同时分析，对比市场上分析16路、32路、64路CPU架构传统视频分析服务器，从应用性和经济性来讲，大大提高了系统的管理效率和经济效益。目前中小学视频监控点位主要部署在校园周界、室内外公共活动场所，楼顶、教室等区域，数量众多，传统的CPU分析方式效率低下，分析结果往往会存在5～10秒的延时，无法满足校园报警处理及时性要求。AI行为分析预警系统通过GPU方式进行分析，充分利用GPU的视频解码能力，大大提升了并发处理效率，有效确保各类报警在3秒内上报给校园安保人员，老师及领导、同时无惧多个视频点位同时触发报警。

（3）独立取流，同时分析多种行为。AI行为分析预警系统具备独立取流分析的功能，可以实现同时分析多种行为。该系统通过从摄像机或者视频平台取流分析，当同一路视频流（摄像机）出现多种异常行为时，客户端界面迅速弹出报警信息，以一分屏、四分屏、九分屏等形式播放告警位置的实时视频，同时进行语音播报提醒，可以有效避免漏报、报警延时等情况。而传统是行为分析系统每一种行为分析均需要拉取一遍视频流，给视频源增加负担的同时，也会消耗数倍的行为分析服务器硬件资源，增加建设成本，华安泰AI行为分析预警系统在实现多种行为分析功能的基础上，还能够大大减少服务器成本。

（4）后台操作简单。在实际应用方面，AI行为分析预警系统客户端后台操作简单，值班人员通过基本的计算机培训即可进行设置，无须专业技术人员进行部署。比如，添加摄像机，通过后台选择摄像机品牌、码流及事件设置等。区域的部署仅需选择对应有效区域进行区域调整，如图4事件区域设置所示，必要时添加无效区域，并设置触发时间及检测时间段。

（5）系统扩展性强。由于AI行为分析技术基于人体骨骼关键点算法及运动轨迹算法等行为识别算法开发，同时支持人脸识别算法、物体识别等模块，在行为识别的同时，实现人员人脸检测比对及不明物品检测、非法传递等分析预警。

（6）系统兼容性强。AI行为分析预警系统前端可兼容任何第三方品牌的摄像机接入系统进行分析，后端可直接对接任何品牌的安防平台或门户平台。完美兼容前后端，无须改变任何架构或者更换任何设备均可达到使用条件。校园安防建设情况不一，同一个校园的视频监控系统也存在不同厂家，不同类型的情况，只有完美兼容第三方品牌的摄像机，才能真正筑牢校园行为分析安全防范网。

（7）多系统联动功能。AI行为分析预警系统可以实现与第三方平台系统对接：消防系统、门禁系统、广播系统联动报警处置，并与安防综合管控平台、智慧信息巡更终端系统无缝对接。当摄像机检测到异常事件发生时，智慧信息巡更终端接收到前端摄像机报警同时显示详细信息，如：触发事件类型、时间、实时视频、报警源圈图（即：报警位置地图标注图），超过规定时间后逐级上报至分控中心安防综合管控平台客户端。如果分控中心客户端平台当在规定时间内未处理报警事件后，继而推送至指挥中心综合管控平台客户端，实现三层逐级报警与处警模式。

3  行为分析预警系统校园应用场景

近年来高校安全工作面临的风险和挑战日益凸显，各类新问题、新盲点层出不穷，扭转被动局面、增强安全工作主动性的必要手段就是提升校园安防智能化水平[7]，形成贯穿安全事件“事前—事中—事后”全生命周期体系，构建事前的全面预防、事中的快速响应和应急处置，以及事后的追溯总结等完整闭环，实现“大事不出、小事减少、管理有效、秩序良好”的平安校园目标。

随着全国智慧校园2.0要求，对校园内存在的安全行为预警、行为体征采集、异常点识别管理等应用为校园管理者提供有效管理手段，必将大大提高校园安全管理水平[8]。智慧校园的应用当中，AI智能分析预警系统实现了对校园周界、教学楼、宿舍楼、操场、食堂、公共活动区域、保安值班室等几乎全校园所有人员及异常物品的智能分析预警，如图5所示。

如在校园周界，部署入侵（闯入）、攀爬、双重警戒线等事件;在楼道走廊部署独处、徘徊、攀高等事件;在公共活动区域部署聚众、徘徊、打架、求救、倒地、逆行等事件;在考场部署物品传递等事件;在保安值班室、分控室、指挥中心等，可部署离岗、睡岗、缺岗事件等。

事前风险分析可对各类异常维度数据汇总、分析，有效展示出热点风险，如：高风险预警区域、高风险预警种类、高风险预警时段、整体预警趋势等，让管理者针对安全风险整改有的放矢。

事中预警提示可在事件发生时，采用多种方式进行预警提示，如：视频弹窗、语音提示、前端喊话提示等，让安保人员能够直接关注到预警情况，并进行及时的干预，如图6所示。

事后现场还原可在事件发生后，还原整个事件发生现场过程，如：现场抓图、事件发生时间点的前后15秒录像，如图7所示。

4  结  论

人工智能时代下的视频AI行为分析预警系统，从提高识别效率、降低误报率、解决大型安防项目需求出发，切入监控智能行为分析痛点，已进入到各行各业的安防应用清单中，尤其在校园生命安全防护领域发挥着不可估量的作用。通过视频行为分析、体态行为特征、运动和平时生理数据采集与学生心理评测数据结合，对学生身心健康进行长期跟踪，对异常行为及心理健康问题能及时预警和提前干预，帮助学生、家长和学校共同构建坚强的校园安全防护。

参考文献：

[1]王建中.浅析软件定义摄像机的应用与发展[J].中国安防，2020（8）：98-100.

[2]张文生.对人工智能现在和未来的思考[J].广西科学，2021，28（3）：209-214.

[3]曾令卉.智能视频监控系统中移动侦测算法的研究与实现[D].武汉：武汉邮电科学研究院，2012.

[4]周楠，陆卫忠，丁漪杰，等.基于深度学习的人体行为识别方法研究综述[J].工业控制计算机，2021，34（8）：116-117+119.

[5]何文，尹长源，刘海宏.湖南校园安全保卫工作现状研究[J].现代交际，2021（2）：44-47.

[6]何健，袁双，李芳，等.基于GPU+FPGA异构计算资源的目标信息智能處理技术[J].空天防御，2021，4（3）：10-16.

[7]张培荣.我国中小学校园安全问题研究[J].法制与社会，2019（25）：137-138.

[8]武永娇，黄宁.“教育信息化2.0”视域下智慧校园建设研究[J].数字技术与应用，2019，37（8）：51-52.

作者简介：岑兆祥（1979.10—）男，汉族，安徽滁州人，总经理兼研发中心总监，本科，主要研究方向：AI人工智能与物联网技术创新。