2020，雪亮工程路向何方

本篇文章4680字，读完约12分钟

有人说，从2016年到2019年，这将是中国眼光独到的工程建设的上半年。那么，从2020年开始，国家精品工程建设将何去何从？我们从两个维度来看:市场需求的升级和工业技术的质变。

2020，识别项目建设的背景分析

随着中国“新常态”下政治经济层面宏观政策的不断调整，经济增长放缓，社会经济正处于结构转型和产业升级的关键阶段。各种风险和不稳定因素不断积累和扩大，许多不可预测和不可预测的不稳定因素是由利益格局的深刻调整造成的。

与此同时，随着社会的日益开放、交通设施的日益便利以及各种新兴通信技术的广泛应用，各种利益集团在预防和解决社会矛盾和群体性事件方面将面临更加严峻的挑战，它们在全国范围内串联起来，联合起来制造声势，非法聚集，频频上访。

为适应新时期重大社会矛盾的新特点和新要求，党的报告提出了“构建共建共享的社会治理模式”，与十八届五中全会提出的“构建全民共建共享的社会治理模式”相比，增加了“共治”的提法，丰富了社会治理的内涵。

报告还指出，到2035年，当社会主义现代化基本实现时，法治社会将基本建成，现代社会治理模式将基本形成，社会将充满活力、和谐有序，从而确定了社会治理现代化的目标和光明前景。

报告中关于加强和创新社会治理的相关论述是社会治理现代化的基本纲领，指明了社会治理现代化的方向、任务和实现路径。2016年，当国家光明工程开始建设时，到2020年，将确立确保整个地区被覆盖、被整个网络共享、随时可用和整个过程可控的目标。

众所周知，该项目主要是针对农村治安防控的监控项目，旨在将视频图像信息系统纵向延伸到县、乡、村，实现无死角的治安防控全覆盖。

但是，近年来，雪亮项目的实际建设仍停留在经济能力相对较好的地区，如地级市、城市街道和社区，大多数经济基础薄弱、基础监测设备齐全的乡镇地区空白还没有开工建设。

当然，企业积极性不高，建设整合难度较大，运营维护成本也是重要因素。2020年，随着下半年雪亮工程的不断推进和重点实施，全行业将重现一波发展高潮，推动中国安防行业快速发展和产品技术升级。

未来，随着云计算、大数据和人工智能等新技术的不断应用，视频监控将为深度视频挖掘和应用提供支持，这对于识别项目的持续有效发展具有更加重要的战略意义。

智能项目升级到最大需求

随着国家雪灾工程建设的不断发展，视频监控以其直观、准确、及时、信息内容丰富等特点在基层社会治理中得到广泛应用，尤其是在安防系统中，已经成为一个比较有利的切入点。

目前，视频监控对高清晰度、智能化、网络化和数字化的要求越来越高，数据呈爆炸式增长。安全领域已经从单一系统部署逐渐转变为大数据应用分析的综合智能系统，识别工程的人工智能时代已经到来。

鉴于新时期学良工程建设对大量视频数据的快速检索和统计分析的需求，2020年学良工程已涉及中央、省(自治区、直辖市)、市(地、盟)、县(市、区、旗)、乡(街道)、村(社区)六级架构。

你为什么想要这个建筑？因为国家项目已经基本完成了视频点的建设和联网，初步形成了一个基本的应用和运维平台。但是，随着视频数据的不断融合，项目的数据模式和应用模式必须与时俱进，才能进一步发挥项目建设的核心价值。

因此，从市场的角度来看，2020年雪亮工程的建设需要更准确地了解关键人员和车辆的动态控制，努力提高社会治理体系的现代化水平。识别工程的建设要以人为本，充分利用车辆感知、火灾报警等先进技术，加强对社区人口、车辆和各系统的综合管理和判断。

当然，人工智能在这个项目的智能程度上处于领先地位。由此可见，工程建设的智能化改进方向是光明的。

▎总体规划提高前端设备的高清智能

加大前端点建设力度，“以点为本，点进线，线进面”，拓展互联网视频图像资源，鼓励公众参与精品工程建设，深化视频监控覆盖，实现重点建设和分类建设同步推进。

前端建设以科学部署理论为指导，开展基于场景的部署建设，构建多维感知系统，从多角度、多层次、全方位、全天候收集物联网的视频图像和基础数据，实现人、地、物、物、组织的多维信息收集，解决用户和公众跨部门、跨行业的个性化需求。

同时，结合5g网络传输技术，视频监控将升级到更高的清晰度，达到4k和8k级别，为智能分析提供更高质量的数据支持。

▎深入挖掘数据并专注于业务应用

在识别项目中，不仅收集视频图像数据，还收集人员数据、车辆数据和房屋数据。

要在海量有价值数据的基础上，深入开展业务应用系统建设，以业务应用为导向，推动轨迹跟踪、人像比对、车牌识别、快速检索、数据挖掘、信息预测预警等技术与政府各部门业务应用的深度耦合，实现全市公共安全、综合管理、交通运输、环保、教育、 卫生等部门在公共安全防控、城乡社会治理、智能交通、服务民生、生态建设和保护等领域。

大力培育视频云，升级“视频+”服务

基于“多维感知、资源融合、数据融合、平台开放、服务集成和智能应用”的理念，构建了一个具有物理分布和统一逻辑的视频云。

建立以视频图像为主体、多种资源关联叠加的视频资源智能服务系统，实现视频、手机、车辆等信息的整合和融合，实现人、房、车、场的关联和融合，为各类警种、城市和基层实战单位提供资源共享、开放、安全可控的多元化视频资源服务平台。

多维物联网感知(包括空信息、动态环信息、生物标志、深层语音识别等。)叠加在视频上，输出更有应用价值的视频数据，支持更广泛的业务应用，如智能城市运营中心、城市交通状况分析、机器视觉、大数据预警和决策等。

▎创造国家夏普工程数据的核心力量

随着国家雪亮工程主平台视频数据访问规模的扩大，该平台在视频数据管理和应用层面上面临新的挑战。

从综合来看，一方面，目前雪莲项目的大部分情况只是阅读和查看视频监控的基础数据；另一方面，查看和检索历史数据效率低下，这需要大量的人力。

视频数据由数据特征和编解码格式决定，需要大量的视频存储设备，基本上具有数据量大、值密度低的大数据特征。

如何实现价值数据的提取和轻量级存储是2020年识别工程建设数据任务的方向之一。在实现这一业务的过程中，我们必须依靠新的解决方案和产品技术，因此近年来对视频结构化和视频图像信息建设有很大的需求。

视频结构化可以解决价值数据问题，实现从低密度值到高密度值的转换。视频图像信息可以解决价值数据的轻量级存储问题，实现价值数据的分类和管理。

学良工程主平台是连接各级综合管理中心和横向行政部门的核心平台。在数据驱动时代，雪莲项目主平台需要从数据层特别是价值数据层提供持续的动力，为各级子平台的智能化应用奠定基础。

当然，在过去的几年里，在识别项目的建设过程中，视频结构化仍然存在一些问题。首先是视频结构化核心算法技术的突破。

视频结构化技术与视频智能分析技术密切相关，但目前的视频智能分析技术受到各种应用环境的限制。以人脸识别为例，目前的人脸识别大多是合作和重复的应用场景。在该应用场景中，人脸识别率基本能够满足实际需求，但是在没有协作、多张人脸和动态视频的场景中，很难实现实际目标。

为了解决这类问题，人脸识别算法从最初的模式识别发展到深度神经网络学习模式，大大提高了人脸检测和识别的准确率，但由此带来的负面影响也相当明显。首当其冲的是计算复杂度的增加，这需要大量的计算资源。许多监控公司针对这一瓶颈推出了各种解决方案，如计算前端的过渡。后端使用gpu实现集群计算等。这些方向为视频结构化的后续实际应用做出了展望，实现高效准确的视频结构化技术将成为未来各算法研究机构的努力方向。

其次，视频结构化数据的存储、检索和应用技术。随着数据容量的快速增长，如何实现视频结构化数据的大容量、高效存储、高效检索和快速数据应用，并为终端用户提供高效灵活的服务，将成为未来各大视频监控企业面临的问题。

最后，是视频结构化数据应用平台的构建。随着视频结构化技术的成熟，如何收集和管理这些海量的视频结构化数据，如何为公安部门提供快速、高效、专业和个性化的服务，也是服务提供商和所有者面临的难题。

例如，许多监控企业采用“云”和“大数据”框架模型作为视频结构化技术的平台架构，以满足大数据的数据存储、生命周期管理和快速响应的需求。

建立新的“最后一米”防线，建立新的社区管理模式

根据2020年学良项目综合应用升级要求，满足社区智能化、精细化管理需求，打造综合管理新的“最后一米”防线，同时推进市级“一个数据治理中心、N个应用平台”建设。信息化框架建立了自我防范、自助、互助、公共救助的全国性安全处置模式，形成了各方责任明确、信息协调、共建治理的社会治理

以上海为例，近年来，上海市金山区主动与浙江省平湖市、嘉善县对接，建立了深化安全边界联合建设，探索建立联合组织体系、联合工作体系建设、联合警力支持、联合维护社会治安、联合调整矛盾纠纷、联合边防检查等“十个联合”工作机制，提高了边境管理的综合水平。

例如，在河对岸的平湖市，夏朗镇有6个村庄，3个镇有8个村庄。自2013年起，夏朗镇与金山区水务局合作，共同实施夏朗平安跨省水系的边境建设，由两市、两局、四镇的16个村共同参与，并在主要口岸安装了视频监控探头和图像监控设备。同时，各村组织村级巡逻队、河道清洁工和平安志愿者进行定期巡查，极大地改善了边境的治安环境。

同时，从2017年开始，金山区推进“每个村都有顾问，一切依法办事”的工作，聘请律师和法律工作者担任村法律顾问，为村(居)委会和人民群众提供基本法律服务，引导人民群众依法维护自身合法权益。

目前，金山区已实现全覆盖225个村(居)法律顾问。自2017年以来，全区村(居)法律顾问共回答村民法律咨询3882次，举办法治讲座245次，参与调解矛盾纠纷991起，办理法律援助案件409件，起草法律文书79件。

实现跨域多级联动，一级平台数据完全聚合

雪莲项目的建设基本上是按照“视频级联、本地存储”的原则进行的。本地存储的原因是视频数据存储量太大，存储成本高。然而，对于结构化价值数据，所需的存储容量较低，因此平台需要实现两个步骤:半结构化分析和结构化分析。半结构化分析主要实现对原始视频中运动目标的检测和提取，完成从原始视频到运动目标图片的转换；

结构化解析主要是基于语义关系，利用时间空分割、深度学习、特征提取等技术方法进一步分析监控视频和图片等半结构化信息，并将解析后的结构组织成文本信息供计算机和人们理解。

在上述六层架构中，2020年的建设思路是在市级项目识别综合管理平台上建设一级视频图像信息，在区县建设二级视频图像视频库，在条件允许的乡镇和村社区建设三级或四级视频图像库，建立向上的数据级联和汇聚、向下的推送和受限的访问。

这样，为了识别工程建设，一方面可以实现全市结构化数据的全存储和管理，另一方面也可以通过权限策略实现下属用户的授权使用，帮助下属单位共享全市的授权视频数据。

新时期，在多个横向行政单位的并行架构中，基本建设思路是将雪莲项目综合管理平台访问的横向行政单位的视频和其他与业务相关的视频数据进行结构化处理，存储在一级视频图像信息中，并授权各行政单位使用。根据建设要求，将已建成的各水平管理单元的视频图像数据库与一级视频图像数据库对接，完成数据级联和汇聚，实现有价数据的共享和使用。

路在哪里？综上所述，2020年是识别工程建设的下半年。随着市场拓展和技术升级的不断深入，效率提高了一倍。从2020年开始，中国的工程建设将依托人工智能、云、大数据等核心技术，在更多的应用场景中进行深入探索，再一次谱写工程建设的新篇章。