利用AI视频监控“预测犯罪”，这事儿到底靠谱吗？

不少人感慨，如果这些技术在现实生活中存在，对于公共治安无疑是极大的利好。

利用AI“预测犯罪”初获进展

而在今天，这事儿真的有进展了。

雷锋网了解到，最近网上疯传着AI“预测”犯罪的相关消息，大概是说利用人的行为模式、轨迹等数据评估相关人犯罪的可能性。

据悉，它能对犯罪行为进行辨别，通过大量数据快速分析出看似毫无关系、错综复杂的违法犯罪案例中所存在的微妙关系，然后通过这些关系，对违法行为再发生的概率进行精准预测，当公民的犯罪系数达到危险级别时，该系统就会提醒警方，提前介入。

新闻中所提的是公安利用AI系统通过人脸识别、行为分析、步态分析等AI技术，会根据某人去哪里、做了哪些动作，给他设置犯罪风险评级，然后将预测结果告知警方。它可以在火车站的正常乘客中识别出小偷，除了用来跟踪有案底的人，它还被用来监控“高风险”场所，比如出售刀具和榔头的商店，举例说，买菜刀的人不可疑，但如果同一个人之后又同时买了一把锤子和一个袋子，那么这个人的可疑评级就会上升。

简单来说，该技术就是分析常人的“不正常”动作，之后机器评定他的动作属性是否合规，从而提前提供相关信息让当局作出判断。

让雷锋网好奇的是，利用这些数据“预测”犯罪的可行性如何？这个“技术”真的可以落地吗？

深圳自动化学会会长、资深安防专家主临宁教授告诉雷锋网，随着AI算法研究的进一步深入与落地，“提前预测”在视频监控中的应用变得更加强大与成熟。目前通过视频分析软件已经可以提前“预判”，如果针对各种“犯罪”形式专门开发算法应用，可行性非常高。

国外也早已有所涉猎

凡是不会空穴来风，新闻疯传的背后也许是技术落地前的“预热”。雷锋网了解到，早在三年前，基于AI的视频监控系统应用于“预测”犯罪就显露雏形。

2013年4月15日，美国波士顿发生恐怖袭击，“遭袭”之后波士顿警方开始大量更换城市视频监控设备，采购了一批加拿大厂商的安防产品，通过处理视频监控数据，分析出“可疑点”。

基于AI的视频监控系统是这样工作的：

事先观察人和车，然后将识别出的“可疑点”提交给警方，警方再去“把关”该疑点并作出判断，如果不是危险信号时，再将结果返回给算法，经过大批警察的一段时间训练之后，基于AI的视频监控系统就能将拍摄到的视频进行在线分析、研判。

值得注意的是，虽然波士顿警方已经应用较长时间，由于数据保密性，目前具体使用效果如何还不可得知。

除此之外，国外AI相关机构也在积极研究该技术的落地。以研究“预测家庭暴力犯罪”为例，今年2月份，伯克和宾夕法尼亚大学联合发表了一项研究报告，他们收集了2009年到2013年约10万件家庭暴力的案例，然后将这些案例数据喂给程序，包括年龄、性别、动作、等等。后来发现，通过机器学习，警方能够很容易地锁定哪些人重复犯罪，需要监禁哪些二次犯罪风险较高的人。伯克在报告中说，目前，由于涉嫌家庭暴力的罪犯有一半是被释放的，这给警察和政府对他们的监控带来了很高的成本。他们的研究挑战就是在释放的案例中，推测哪些人二次犯罪的风险较低，从而能抽出更多的警力监控那些犯罪风险较高的人。

从这看来，伯克与宾夕法尼亚大学的研究点除了“不常规”动作外，还会从人的“习性”去判断未来“再发生”的概率。他们的逻辑是，假设此人是“前科”人员，如果他做了“不常规”动作，所以定性此人“再犯罪”的概率就会更高，就更需提高警惕。

该技术的落地应用是否靠谱？

不得不说，恐怖事件频发、违法犯罪增多让各国政府都伤透脑筋，如今各国在打击犯罪、恐怖主义这件事上都花了很多心思及投入。

雷锋网认为，以往一直是人防为主，如果能通过这数以亿计的摄像头来“解读”人们的日常活动，从而在其中鉴别出谁将会犯罪，的确会避免很多惨剧发生。那么，利用此技术“提前预测”真的靠谱吗？

海康威视解决方案总监胡明辉认为，基于AI的视频监控“预测”犯罪理论是可行的，但是要看具体场景。例如应用在ATM机上，通过视频结合自然语言识别，可以实现防诈骗预警；另外当有人长时间在门口逗留或者在门禁上加装物体时，设备将报警，有效“预防”犯罪。   

另外，宇视行业产品线总工程师汤立波也具体谈了一下他对于该技术落地的看法。

在他看来，基于视频分析角度来说，该技术的应用无法使用。主要因为很多细分信息抓取不到；室外场景比较复杂，人流多、室外的光线等都会影响到它的准确率，误报率非常高。

但从数据分析角度来说，该技术又是可行的。

它和车辆分析的原理一样，底层技术源于对大数据的分析。以车为例，在实际项目中得到比较多得应用的是车辆积分模型，比如基于几个违反常规的行为来判断。1、昼伏夜出，2、在高速公路上，正常轨迹是A城直接到D城，但视频发现某车经常A城到B城下高速，B城到C城走了一段，又从C城上高速到D城，行为轨迹违反常理，而且发生多次且不规律，对于这种现象，系统就会给他一个分值，一旦分值超过警戒线，公安部门就会密切注意，提前预判。目前此技术已经广泛应用于全国的公安及交通部门。

总而言之，从算法角度来说，该技术已经非常成熟，利用大数据做事前研判，应用于海关、交通等部门准确率可观。但应用于日常的“提前”抓捕来说，该技术的可行性不高。一、摄像头不可能密集到各地都是，很多信息都捕捉不到；二、误报率非常高，给公安民警带来了很多麻烦。

与此同时，雷锋网也找到了计算机视觉公司云从科技，聊了聊关于AI视频分析系统的落地可行性以及该系统是如何预防“犯罪”的。

云从科技安防业务负责人表示，该系统主要应用的是人脸识别中的动态布控、静态大库检索、轨迹追踪及大数据分析技术。

这些技术目前解决了很多实际难题。

一、传统的人工视频排查效率较为低下，公安机关要在数以百万计的人员照片库中找出犯罪嫌疑人如大海捞针，不仅费时费力，还很有可能造成遗漏等情况，成功率极低，破案效率大打折扣；而通过人脸大数据作战平台，公安机关可以迅速确认在逃人员身份，然后根据轨迹与时间等信息分析在逃人员去向，精准抓捕；

二、目前公安机关侦察案件大多数仍然依靠事后追查和通缉，对已经发生的案件造成的损失很难有效弥补；而人脸大数据作战平台还可以对惯犯、恐怖分子等有案底的人员进行实时预警，防患于未然，第一时间将损失控制在最小范围内。

根据以上目前尚存的应用难点，云从科技提出了全城封锁战法。

一、利用人脸大数据平台对重点管控人员犯罪行为进行评估，在日常的数据积累中，警方已经掌握了辖区重点管控人员日常活动轨迹、范围，一旦出现持续异常，可及时发现并评估风险。通常来说，惯犯和重新犯罪人员有较高的行为异常几率，系统主要是积累辖区人脸大数据资料，通过长期分析，产生人员行为轨迹与资料，并对重点管控人员行为进行频繁监测，一旦发生异常行为，可以即使监测并干预。但该技术不是“针对”有犯罪前科的人，它适用于辖区内的所有人员，它会对常住人口和陌生人进行自动筛选，犯罪前科人员只是在行为异常或查找时优先监测和干预。

二、 通过在机场、铁路、地铁、汽车站等交通枢纽及小区、酒店等地方部署动态、静态人脸识别系统与人证合一终端，让全城封锁战法囊括了“出”、“住”、“行”三个方面，结合人脸大数据作战平台，在案发后的很短时间内进行全城封堵，抓捕逃犯。

在实战中，基于全城封锁革新战法的人脸大数据平台主要通过从“打”、“防”、“管”、“控”四个方面切入，在网吧、酒店等公共场所及小区、交通枢纽布控，帮助公安解决实际问题。

云从科技安防业务负责人透露，该平台目前已经在全国22省市上线，有的是试运营，有的已经屡获战果。比如说，2016年在秦皇岛北戴河，一个多月的时间就比对出200多个重点人员。

与宇视科技的看法一致。云从科技表示该技术在算法层面不存在问题，只是提供超过阈值数据分析结果给警方，警方评估风险并采取预防措施。目前在银行等领域的应用已经相当成熟。

但他们同时认为，人脸大数据分析技术才刚刚起步。通过人脸识别+行人再识别+车辆识别等计算机视觉技术，可以有效抑制犯罪行为的发生，形成威慑力。云从安防业务负责人称，从目前实际应用来看，如果单是全城封锁的数据采集及管控率，成功率可以达到90%以上。

另外，云从科技还就室外场景复杂导致细分信息获取不到、误报率很高给出了解答。他们表示除了继续优化人脸识别算法，增强抗干扰性能外，还通过针对每个特定场景进行定制化开发，可以有效抑制不良因素，强化识别稳定性，降低误识率。

在云从科技安防业务负责人看来，应用层面技术不是关键，关键是能设计出针对各个地区的能解决实际问题的合理方案。这需要对人脸识别技术的专精以及对公安行业的深度沉浸，不是一味地追求算法效果。

最后，他们还表示，今后除了利用此技术用于“预测”犯罪，还会用来打击人口拐卖，丢失人员寻回，实时干预犯罪，对犯罪频发地区进行定点巡逻，辖区常住人口实时监测，陌生人提示等等。

 从以上来看，各家的观点不一，该技术在实际应用上还存在争议。但都有一个共识，从算法层面来说，该技术是可以落地的。

技术的发展都是以人为前提，相关各方如果真的能用技术“预测”犯罪，这对于整个社会来说无疑是一大利好。但在技术发展期，相关方案能否经受住市场考验而带来实际效果，最终还是要拿出真真切切的数据来说话。