人(rén)工(gōng)智能(néng)在應急管理上(shàng)可(kě)以如(rú)何應用

• 2020/04/27

從(cóng)宏觀層面看(kàn)，近幾年(nián)應急管理工(gōng)作(zuò)發生了(le)較大的變化，2018年(nián)3月根據《第十三屆全國(guó)人(rén)民代表大會第一(yī)次會議(yì)》批準設立了(le)應急管理部，兼具國(guó)家安全生産監督管理、應急管理、消防管理、救災、地(dì)質災害防治、水旱災害防治、草原防火(huǒ)、森林防火(huǒ)、震災應急救援等職責。在應急管理部設立以來，人(rén)工(gōng)智能(néng)技術(shù)同期也取得較大的發展，技術(shù)日趨成熟，尤其是視(shì)頻(pín)監控技術(shù)被廣泛應用到應急管理工(gōng)作(zuò)中，發揮視(shì)頻(pín)監控技術(shù)的潛力為(wèi)應急管理服務恰恰依賴于人(rén)工(gōng)智能(néng)技術(shù)，具體包括人(rén)臉識别、車牌識别、特征識别和(hé)物(wù)體識别等技術(shù)，當然語音識别技術(shù)也有一(yī)定程度的适用性。2019年(nián)2月，國(guó)務院公布《生産安全事故應急條例》，自(zì)2019年(nián)4月1日起施行(xíng)。《條例》是應急管理部組建以來，國(guó)家出台的第一(yī)部安全生産領域的行(xíng)政法規，受到業內(nèi)的廣泛關注。那(nà)麽如(rú)何将人(rén)工(gōng)智能(néng)技術(shù)和(hé)應急管理相結合就是擺在我們面前的一(yī)個課題。

一(yī)、國(guó)內(nèi)外(wài)應急管理應用現狀

1979年(nián)成立的美國(guó)聯邦應急管理局是領導協調各級部門進行(xíng)災害救助的機構，它以綜合應急管理理念為(wèi)指導，建構有效的災害防禦和(hé)救助體系。綜合應急管理理念主要(yào)指全風(fēng)險災害管理理念、全過程災害管理中的全面合作(zuò)和(hé)平等的夥伴關系以及應急管理中的教育和(hé)培訓。我國(guó)應急管理體制以政府為(wèi)主導，絕大部分數(shù)據資源為(wèi)政府管理和(hé)支配，随着人(rén)工(gōng)智能(néng)技術(shù)在應急管理研究領域的發展勢如(rú)破竹，政府進行(xíng)高質量數(shù)據開(kāi)放和(hé)共享平台構建的數(shù)字化轉型，進而建立快(kuài)速、高效的應急管理體系迫在眉睫。人(rén)工(gōng)智能(néng)技術(shù)是最近三年(nián)才得到廣泛應用的技術(shù)，目前的應用大多數(shù)還集中在公安部門，在以往的應急管理工(gōng)作(zuò)中，人(rén)工(gōng)智能(néng)的技術(shù)應用并不廣泛，在新的應急管理部成立之後，可(kě)有效整合各種資源，利用人(rén)工(gōng)智能(néng)技術(shù)提高應急管理應用水平。

二、人(rén)工(gōng)智能(néng)技術(shù)的發展和(hé)應用範圍

在大數(shù)據和(hé)人(rén)工(gōng)智能(néng)的新思維背景下(xià)，政府應急部門的信息資源數(shù)字化轉型是社會發展大勢所向。1943年(nián)最早的人(rén)工(gōng)神經元模型被提出。如(rú)果要(yào)提到人(rén)工(gōng)智能(néng)的真正開(kāi)端，那(nà)就要(yào)追溯到1955年(nián)8月31日，研究人(rén)員(yuán)JohnMcCarthy、MarvinMinsky、NathanielRochester和(hé)ClaudeShannon提交了(le)一(yī)份《2個月，10個人(rén)的人(rén)工(gōng)智能(néng)研究》的提案，第一(yī)次提出了(le)“人(rén)工(gōng)智能(néng)”的概念。人(rén)工(gōng)智能(néng)（ArtificialIntelligence，AI）是研究、開(kāi)發用于模拟、延伸和(hé)擴展人(rén)的智能(néng)的理論、方法、技術(shù)及應用系統的一(yī)門新的技術(shù)科學。而能(néng)應用于應急管理的主要(yào)是計算機視(shì)覺技術(shù)，具體來講，就是可(kě)以利用人(rén)臉識别技術(shù)識别人(rén)員(yuán)身份、利用車牌識别技術(shù)識别車輛、ReID技術(shù)（行(xíng)人(rén)再識别）識别人(rén)體特征和(hé)物(wù)體結構化、利用3D結構光(guāng)技術(shù)和(hé)ToF技術(shù)（飛行(xíng)時(shí)間(jiān)測距法）進行(xíng)物(wù)體測量，當然還有一(yī)些其它的AI技術(shù)可(kě)以應用于應急管理。

應急管理工(gōng)作(zuò)中有一(yī)個很(hěn)重要(yào)的需求就是可(kě)視(shì)化管理，而可(kě)視(shì)化主要(yào)依賴于視(shì)頻(pín)監控系統，傳統的視(shì)頻(pín)監控手段主要(yào)用于監視(shì)、錄像和(hé)回放，不能(néng)充分挖掘視(shì)頻(pín)監控技術(shù)在應急管理工(gōng)作(zuò)中的應用效果，而AI技術(shù)可(kě)以将非結構化的視(shì)頻(pín)數(shù)據進行(xíng)結構化處理，這(zhè)樣就可(kě)以對人(rén)員(yuán)身份管理、車輛速度、車輛違停、危險物(wù)堆放、潛在危險源發掘等方面發揮作(zuò)用。

三、基于視(shì)頻(pín)圖像分析技術(shù)應用于危化品倉庫和(hé)危化品車輛的技術(shù)應用

随着國(guó)民經濟的不斷發展，各類企業産品生産制造過程中對安全的要(yào)求越來越廣泛，在安全生産主體責任和(hé)安全生産相關标準規範的落實中，基于對人(rén)、車、物(wù)的安全生産監管需求愈發突出。傳統監管手段無法做(zuò)到事前預警預測預判，而随着高清視(shì)頻(pín)監控技術(shù)、人(rén)臉識别技術(shù)、車輛技術(shù)識别、視(shì)頻(pín)結構化技術(shù)的發展，在廣大應急市場已經取得了(le)較為(wèi)突出的成績。應急管理部門亟需利用上(shàng)述技術(shù)結合的智能(néng)圖像分析算法應用到危化品車輛運輸的風(fēng)險識别監測過程中，通(tōng)過動态人(rén)臉識别可(kě)以在危化品企業園區(qū)進行(xíng)對人(rén)的識别、形成人(rén)的軌迹、人(rén)的周界防護、人(rén)的身份特征。而通(tōng)過基于該算法基礎形成的深度學習、人(rén)工(gōng)智能(néng)、視(shì)覺計算的能(néng)力可(kě)以設計構造基于人(rén)的特征行(xíng)為(wèi)識别算法，将規範化在危化品車輛和(hé)危化品倉庫中的人(rén)的行(xíng)為(wèi)導緻的相關危害風(fēng)險，諸如(rú)危化品車輛疲勞駕駛、危化品車輛駕駛危險駕駛行(xíng)為(wèi)、易燃易爆物(wù)活動區(qū)域的抽煙行(xíng)為(wèi)、危化品倉庫如(rú)氣體加工(gōng)液體發酵等禁止接觸、禁止靠近的入侵檢測等。相關實地(dì)調研數(shù)據統計，危化品車輛在運輸過程中危險駕駛行(xíng)為(wèi)、疲勞駕駛行(xíng)為(wèi)等是事故發生的盲區(qū)，危化品車輛的跨地(dì)域進出、其行(xíng)駛軌迹、初次入城、頻(pín)繁出入等都(dōu)與危化品車輛管理的風(fēng)險控制息息相關。危化品倉庫中的周界防護、入侵檢測、遺留物(wù)檢測、人(rén)臉識别、人(rén)的軌迹盤查等也與落實危化品倉庫中的安全行(xíng)為(wèi)識别風(fēng)險相關。因此，危化品倉庫和(hé)危化品車輛作(zuò)為(wèi)事故高發頻(pín)發的對象應配套全方位多維度的監管手段。視(shì)頻(pín)圖像分析技術(shù)就是作(zuò)為(wèi)有效對高發頻(pín)發對象的維度分析應用的有效手段。視(shì)頻(pín)圖像分析技術(shù)包括了(le)視(shì)頻(pín)圖像識别算法和(hé)算法深化應用兩大部分組成，算法解決的是視(shì)頻(pín)結構化對象的識别和(hé)記錄問(wèn)題，應用解決的是識别後、記錄後的日益增長(cháng)的海(hǎi)量視(shì)頻(pín)圖像數(shù)據的場景和(hé)需求痛點問(wèn)題，能(néng)夠通(tōng)過海(hǎi)量視(shì)頻(pín)圖像數(shù)據彙聚全量的視(shì)頻(pín)大數(shù)據基礎，通(tōng)過深度學習、機器學習、人(rén)工(gōng)智能(néng)、知識圖譜技術(shù)手段對危化品車輛運輸和(hé)危化品倉庫貯存進行(xíng)人(rén)、車、物(wù)的視(shì)頻(pín)分析，達到合規檢測、預警預測預判的目标。消除傳統人(rén)工(gōng)翻查緩慢(màn)、隐患點動态檢測排查效率低(dī)下(xià)、線索疑情事件的關聯關系模糊、無法防患于未然的惡疾。

作(zuò)為(wèi)應用研究中的核心技術(shù)之一(yī)的視(shì)頻(pín)結構化技術(shù)是一(yī)種将視(shì)頻(pín)內(nèi)容中的重要(yào)信息進行(xíng)結構化提取的技術(shù)，利用它對視(shì)頻(pín)內(nèi)容按照語義關系，采用時(shí)空分割、特征提取、對象識别、深度學習等處理手段，組織成可(kě)供計算機和(hé)人(rén)理解的文本信息或可(kě)視(shì)化圖形信息。在實際應用中，文本信息可(kě)進一(yī)步轉化為(wèi)應急管理部門監管實戰所用的情報，實現視(shì)頻(pín)數(shù)據向有效情報的一(yī)次轉化。

1.危化品車輛結構化

借助智能(néng)識别算法獲取電子警察、卡口、停車場出入口等場所的車輛相關結構化信息存入車輛主題庫，通(tōng)過對車輛特征識别和(hé)梳理，提取有用信息，以便于視(shì)頻(pín)追蹤辨認、比對，達到車輛查證的目的，從(cóng)而實現交通(tōng)運輸服務和(hé)管理智能(néng)化。車輛的描述信息包括車輛号牌、車牌顔色、車輛品牌、車輛類型、車身顔色等。車輛二次分析實戰中的信息包括安全帶、年(nián)檢标、遮陽闆、挂件、擺件、司乘人(rén)員(yuán)等方面的識别。車型：确定車型對縮小查找範圍，明(míng)确摸排方向，節省人(rén)力資源等具有極大幫助。對車型的判斷主要(yào)依據不同車型外(wài)部特征的差異進行(xíng)，如(rú)車輛銘牌、尾翼、車門、車窗、顔色、尾燈形狀、刹車燈位置等。車牌照：車輛号牌是車輛的外(wài)在标識，具有唯一(yī)性、合法性，是區(qū)分不同車輛的重要(yào)依據。根據視(shì)頻(pín)圖像中車輛的車牌号碼，可(kě)以将該号碼輸入到車輛信息管理系統、道(dào)路收費(fèi)信息系統等進行(xíng)查詢，極大程度地(dì)獲取車輛特征信息，用于追蹤查證。

2.人(rén)臉特征結構化

人(rén)臉特征辨識以視(shì)頻(pín)監控為(wèi)基礎，以計算機、網絡信息為(wèi)依托，以現代信息處理技術(shù)為(wèi)支撐，開(kāi)拓了(le)“從(cóng)像到像”、“從(cóng)像到人(rén)”的全新辨别模式。當前視(shì)頻(pín)監控系統能(néng)對畫(huà)面中的行(xíng)人(rén)和(hé)其屬性進行(xíng)結構化，讓機器識别人(rén)的一(yī)些基本屬性，如(rú)性别、年(nián)齡範圍等特征範圍，還可(kě)以對人(rén)的衣着、運動、背包、拎包、打傘、是否騎車等信息進行(xíng)結構化描述。如(rú)果從(cóng)視(shì)頻(pín)圖像中的目标正面抓拍，可(kě)以識别到臉部一(yī)些具體的特征，如(rú)戴口罩、眼鏡、胡子類型等。人(rén)臉識别借助人(rén)像識别及智能(néng)搜索技術(shù)的深度應用，對視(shì)頻(pín)中人(rén)員(yuán)的面部定位、面部特征提取，視(shì)頻(pín)中的人(rén)臉圖像被自(zì)動檢出後，與後台人(rén)像模型數(shù)據進行(xíng)特征比對匹配，從(cóng)而對人(rén)員(yuán)身份進行(xíng)判别和(hé)告警。

3.行(xíng)為(wèi)事件特征結構化

對于行(xíng)為(wèi)事件的描述信息包括：車輛行(xíng)為(wèi)如(rú)違反交通(tōng)信号指示燈、超速行(xíng)駛、違反行(xíng)車标識、禮讓行(xíng)人(rén)、交通(tōng)流量統計等多種行(xíng)為(wèi)特征描述；人(rén)體行(xíng)為(wèi)如(rú)越界、區(qū)域、徘徊、聚集、人(rén)流量統計等多種行(xíng)為(wèi)特征描述；物(wù)體行(xíng)為(wèi)如(rú)丢失、位移等行(xíng)為(wèi)特征描述。

4.物(wù)體深度技術(shù)

目前主流的視(shì)覺深度傳感器方案主要(yào)分結構光(guāng)、Time-of-Flight和(hé)純雙目三類。雙目跟結構光(guāng)一(yī)樣，都(dōu)是使用三角測量法根據物(wù)體匹配點的視(shì)差反算物(wù)體距離，隻是雙目是用自(zì)然光(guāng)，而結構光(guāng)是用主動光(guāng)發射特定圖案的條紋或散斑。ToF是通(tōng)過給目标連續發送光(guāng)脈沖，然後用傳感器接收從(cóng)物(wù)體返回的光(guāng)，通(tōng)過探測光(guāng)脈沖的飛行(xíng)（往返）時(shí)間(jiān)來得到目标物(wù)距離。

TOF原理是傳感器發出經調制的近紅(hóng)外(wài)光(guāng)，遇物(wù)體後反射，通(tōng)過計算光(guāng)線發射和(hé)反射時(shí)間(jiān)差或相位差來換算被拍攝物(wù)體的距離。3D結構光(guāng)（StructuredLight）技術(shù)則要(yào)相對複雜(zá)一(yī)些，該技術(shù)将編碼的光(guāng)栅或線光(guāng)源等投射到被測物(wù)上(shàng)，根據它們産生的畸變來解調出被測物(wù)的三維信息。雙目視(shì)覺則是和(hé)人(rén)眼一(yī)樣，用兩個普通(tōng)攝像頭以視(shì)差的方式來計算被測物(wù)距離。三種方式各有優缺點，在現有技術(shù)條件下(xià)各有應用場景。

四、基于AR三維實景融合技術(shù)的危化品貯存風(fēng)險監測關鍵技術(shù)應用

随着危化品貯存風(fēng)險帶來的應急管理态勢的持續升級，對危化品貯存重點場所的監管要(yào)求不斷遞增，對重點場所中倉庫園區(qū)的風(fēng)險監測手段日趨增強。傳統的監測手段普遍存在底數(shù)不清、底圖不明(míng)、預警監測數(shù)據不及時(shí)、危化品的物(wù)物(wù)關聯、人(rén)物(wù)關聯關系不清楚等不足，随着雲計算、大數(shù)據、物(wù)聯網技術(shù)深入行(xíng)業應用，開(kāi)發基于AR三維實景融合技術(shù)将為(wèi)視(shì)頻(pín)監控手段、傳感器實時(shí)數(shù)據感知手段、智能(néng)視(shì)頻(pín)分析手段、地(dì)圖視(shì)頻(pín)數(shù)據三維合一(yī)手段提供融合技術(shù)，形成應急管理風(fēng)險監測手段的多重并舉，技術(shù)革新。充分發揮其地(dì)圖、數(shù)據、視(shì)頻(pín)的能(néng)力，為(wèi)解決傳統危化品貯存中的實際問(wèn)題提供新型關鍵技術(shù)和(hé)裝備研發與示範。AR三維實景融合技術(shù)是将傳統應急管理中一(yī)張圖的二維地(dì)圖以三維實景地(dì)圖進行(xíng)替代，将傳統單一(yī)視(shì)角以多種視(shì)角進行(xíng)擴展，将傳統數(shù)據被動接入以新型應急管理大數(shù)據主動感知進行(xíng)升級，将傳統單一(yī)維度的事後追溯向當前多維數(shù)據主動預警預測進行(xíng)轉變的綜合性解決方案。

本應用研究以傾斜攝影三維實景快(kuài)速建模、危化品貯存重點場所BIM精細化建模為(wèi)可(kě)視(shì)化模型基礎，自(zì)主研發地(dì)圖視(shì)頻(pín)數(shù)據三合一(yī)的微(wēi)內(nèi)核實景融合引擎，為(wèi)危化品倉庫繪制鳥瞰視(shì)角、傾斜視(shì)角、第一(yī)人(rén)稱視(shì)角、伴随視(shì)角，構建對危化品貯存周邊整體環境的總體态勢感知、對危化品貯存物(wù)、包裝物(wù)的智能(néng)視(shì)頻(pín)結構化算法識别、通(tōng)過微(wēi)服務感知各類前端數(shù)據采集信息（如(rú)溫度、濕度、壓力、容器、氣體、煙感、GPS定位等傳感器數(shù)據、視(shì)頻(pín)監控實時(shí)高清視(shì)頻(pín)、其他(tā)監管系統的狀态類數(shù)據、流程類數(shù)據、上(shàng)報統計類數(shù)據、交易類進銷存系統關系型數(shù)據、海(hǎi)關物(wù)流電子數(shù)據報文EDI數(shù)據等），将傳統的二維地(dì)圖升級打造為(wèi)兼容多種地(dì)圖視(shì)角和(hé)內(nèi)容的三維實景地(dì)圖、支持衛星雲圖、2.5D瓦片地(dì)圖、3D建模地(dì)圖、VR街景地(dì)圖、AR高清渲染地(dì)圖、視(shì)頻(pín)拼接投影地(dì)圖，利用3D引擎的海(hǎi)量點雲數(shù)據支持特性，構建危化品實時(shí)動态更新的各類興趣點視(shì)角POI數(shù)據展示，通(tōng)過應急管理的危化品車輛路徑、人(rén)物(wù)-物(wù)物(wù)關聯軌迹、貯存位置室內(nèi)BIM動态監測實現危化品倉庫在線實時(shí)監測的圖屏聯動、實現比傳統體驗更直觀更身臨其境的沉浸式體驗第一(yī)人(rén)稱視(shì)角的操作(zuò)方式，實現全景視(shì)覺、全局感知、全程交互、多災種适用的應急指揮、重點防控、實時(shí)監測的應急賦能(néng)應用平台。

五、基于智能(néng)視(shì)頻(pín)分析算法應用到安全生産風(fēng)險識别監測的關鍵技術(shù)應用

通(tōng)過基于計算機視(shì)覺算法基礎形成的深度學習、人(rén)工(gōng)智能(néng)、視(shì)覺計算的能(néng)力，可(kě)以設計構造基于人(rén)的特征行(xíng)為(wèi)識别算法，将規範化在安全生産過程中人(rén)的行(xíng)為(wèi)導緻的相關危害風(fēng)險，諸如(rú)易燃易爆物(wù)活動區(qū)域的抽煙行(xíng)為(wèi)、高空作(zuò)業活動區(qū)域的防護措施不到位行(xíng)為(wèi)、機床設備操作(zuò)台上(shàng)的不按照規定動作(zuò)操作(zuò)違規行(xíng)為(wèi)等。相關實地(dì)調研數(shù)據統計，一(yī)個大型五金(jīn)加工(gōng)廠每年(nián)投入安全生産教育培訓後依然存在各種原因違規行(xíng)為(wèi)導緻的安全生産事故屢禁不止，由此産生的要(yào)求安全生産零事故成為(wèi)這(zhè)類企業的老(lǎo)大難問(wèn)題。

經過仔細分析，事故發生的相關生産工(gōng)人(rén)普遍都(dōu)是機床設備的熟練度較高的群體，對安全生産規範的理解也是深刻清楚的，但(dàn)往往由于諸如(rú)疲勞作(zuò)業、連續趕工(gōng)加班、計件工(gōng)資多勞多得等原因，導緻明(míng)知不可(kě)為(wèi)而為(wèi)之，為(wèi)了(le)趕工(gōng)疲勞施工(gōng)，為(wèi)了(le)多點計件工(gōng)資，不按照标準動作(zuò)施工(gōng)導緻。智能(néng)視(shì)頻(pín)分析算法的必要(yào)性就應運而生，通(tōng)過高清視(shì)頻(pín)監控設備部署在機床位置，利用後端算法的深度學習和(hé)人(rén)工(gōng)智能(néng)計算，識别計算工(gōng)人(rén)的工(gōng)作(zuò)時(shí)長(cháng)、識别特征動作(zuò)識别、事先定義違規操作(zuò)動作(zuò)、位置、特征等，如(rú)識别沒有佩戴安全帽、識别沒有按規定操作(zuò)機床、識别沒有前置動作(zuò)或指示燈沒有亮就直接操作(zuò)設備等特征。

如(rú)果将視(shì)頻(pín)結構化和(hé)工(gōng)廠的機床被動裝置、電力裝置、防護裝置等進行(xíng)集成，并與有條件的企業工(gōng)廠的安全管理系統、車間(jiān)管理MES系統、績效考核系統進行(xíng)對接，事先危險動作(zuò)識别、安全特征缺失就啓動設備自(zì)動防護措施、自(zì)動錄制及記錄違規動作(zuò)行(xíng)為(wèi)，進行(xíng)人(rén)、機床、動作(zuò)、特征的關聯。

算法的識别精度可(kě)以達到99.99%的高準确率，且不會識别疲勞，沒有主觀臆斷。可(kě)以預期的是算法的能(néng)力與企業工(gōng)廠的制動系統進行(xíng)接入後，當識别到違規動作(zuò)、疲勞施工(gōng)等特征和(hé)行(xíng)為(wèi)動作(zuò)的時(shí)候，機床暫停、制動停止，可(kě)以确保工(gōng)傷及重大事故的發生。這(zhè)對監管部門、企業、工(gōng)人(rén)多方都(dōu)有極大的意義，監管部門能(néng)夠從(cóng)事後前移到事前，能(néng)夠讓事故少(shǎo)發生，能(néng)夠控制事故發生的範圍和(hé)蔓延的程度，真正做(zuò)到底數(shù)清、情況明(míng)。

本應用研究以自(zì)主創新的安全生産違規動作(zuò)行(xíng)為(wèi)識别算法為(wèi)基礎，企業也可(kě)利用舊(jiù)的高清視(shì)頻(pín)監控前端設備，後端開(kāi)發建設算法解析系統，通(tōng)過GPU加速計算技術(shù)對海(hǎi)量違規特征行(xíng)為(wèi)的圖片視(shì)頻(pín)樣本進行(xíng)計算機深度學習，以人(rén)工(gōng)智能(néng)人(rén)臉識别算法為(wèi)基礎，開(kāi)發安全生産違規動作(zuò)行(xíng)為(wèi)識别算法，按照特定違規行(xíng)為(wèi)的範圍進行(xíng)聚類，形成安全生産違規動作(zuò)的專題庫和(hé)主題庫，通(tōng)過密集的算法識别樣本訓練，讓計算機能(néng)夠通(tōng)過前端視(shì)頻(pín)監控實時(shí)地(dì)捕獲識别違規動作(zuò)特征，形成記錄和(hé)告警。

2019年(nián)是人(rén)工(gōng)智能(néng)技術(shù)的落地(dì)應用年(nián)，應急管理是重要(yào)的落地(dì)行(xíng)業之一(yī)，我們認為(wèi)計算機視(shì)覺在應急管理中存在廣泛的應用，能(néng)夠大大提高應急管理的應用效率。本文主要(yào)針對危化品倉庫和(hé)危化品車輛、危化品貯存風(fēng)險監測、安全生産風(fēng)險識别監測三個方面進行(xíng)了(le)具體應用研究，提出了(le)一(yī)些思路，并給出了(le)一(yī)些具體的落地(dì)方法，相信在未來的兩三年(nián)內(nèi)能(néng)夠看(kàn)到更大範圍的落地(dì)技術(shù)和(hé)應用場景。