如果從1957年松下研發(fā)的第*臺電子顯像管攝像機算起，視頻監(jiān)控有了大約61年的歷史，經歷了模擬時代、數(shù)字時代、智能時代和數(shù)據(jù)時代。在智能時代之前，視頻監(jiān)控的主要功能還是限于監(jiān)視、錄像和回放三個功能，如果需要采用視頻進行輔助工作需要人工翻查，費時費力，而且效率不高 。

我國是一個安防大國，根據(jù)中國安全防范產品行業(yè)協(xié)會統(tǒng)計，截至2017年底，全國公共區(qū)域安裝的攝像機數(shù)量達到2800多萬臺，構建了覆蓋重點區(qū)域和行業(yè)領域的視頻“天網”。另根據(jù)艾瑞咨詢的研究報告，2016年中國主要城市視頻監(jiān)控攝像頭數(shù)量北京為115萬臺、上海為100萬臺、深圳為40萬臺、廣州為30萬臺，可見城市監(jiān)控的數(shù)量巨大。傳統(tǒng)的監(jiān)控功能監(jiān)視、錄像、回放已經完全滿足不了互聯(lián)網時代的需求，尤其是人工智能（AI）時代，那么如何挖掘視頻監(jiān)控這個金礦就是擺在人們面前的問題。

2016年開始，AI技術大規(guī)模普及之后，計算機就能夠讀懂一幀一幀(1秒視頻由25幀畫面構成)的視頻畫面了，這就依賴于計算機視覺識別技術，具體來講，就是人臉識別、人體識別、車牌識別、車輛特征識別、ReID技術得到長足的發(fā)展，并可以進入商用階段。隨著AI技術的不斷發(fā)展，AI賦能城市的能力逐漸凸顯，在公安、樓宇、醫(yī)療、教育和金融行業(yè)都催生了全新的應用，尤其是AI賦能視頻監(jiān)控領域已經得到業(yè)界的普遍共識。

AI的技術創(chuàng)新體現(xiàn)在算法、芯片、采集、網絡、計算、存儲、終端和安全多個方面，多方面的技術創(chuàng)新可以深度挖掘視頻監(jiān)控所形成的視頻大數(shù)據(jù)的潛力，為智慧城市、數(shù)字城市建設服務。視頻數(shù)據(jù)的挖掘就是將城市中活動的“人、車、物”進行結構化特征提取，然后再結合政務大數(shù)據(jù)、警務大數(shù)據(jù)、商業(yè)大數(shù)據(jù)等進行碰撞，可充分的挖據(jù)潛在數(shù)據(jù)價值，促使人類社會最終全面進入數(shù)據(jù)時代。

智慧城市的建設在中國已經得到大面積的普及，取得了豐富的成果、積累了大量的經驗。中國目前是世界上最大的智慧城市實踐國之一，自2012年住房城鄉(xiāng)建設部《關于開展國家智慧城市試點工作的通知》已來，到目前為止，不完全統(tǒng)計國內超過500個城市明確的提出智慧城市的整體規(guī)劃，大部分已經進入實踐當中，局部的試點數(shù)量遠遠超過500個。為了建設更美好的智慧城市，部分城市甚至提出了城市交通大腦、城市安全大腦和城市大腦等多種大腦建設模式，甚至一些新興城市更是提出了建設數(shù)字城市，雄安新區(qū)就是代表城市之一。

2017 年4 月，雄安新區(qū)設立。“建設綠色智慧新城，建成國際一流、綠色、現(xiàn)代、智慧城市”在七大重點任務位列第*條。2018年4 月，雄安新區(qū)規(guī)劃綱要獲批復，其中寫到“堅持數(shù)字城市與現(xiàn)實城市同步規(guī)劃、同步建設，適度超前布局智能基礎設施，推動全域智能化應用服務實時可控，建立健全大數(shù)據(jù)資產管理體系，打造具有深度學習能力、全球領先的數(shù)字城市”，并在隨后的官方解讀中，提出了“數(shù)字孿生城市”的表述 [2] 。

“數(shù)字城市”和“數(shù)字孿生”并不是新生概念，但隨著AI、大數(shù)據(jù)等技術的發(fā)展，時代賦予它們全新的內涵。城市是人類工程中最復雜的系統(tǒng)之一，若要想完整“孿生”城市的真實運轉狀態(tài)，實現(xiàn)實時行為分析和行為預測幾乎是一件不可能的事情。但是數(shù)字孿生技術可以將實時數(shù)據(jù)、狀態(tài)和數(shù)字模型進行結合，基于城市三維地圖、實時視頻圖像，使得城市管理人員能夠局部實現(xiàn)實體系統(tǒng)的孿生，并在虛擬的數(shù)字世界看到與現(xiàn)實一致的數(shù)字系統(tǒng)，對預先控制、事后管理、預警指揮帶來極大的輔助作用。

雄安新區(qū)“數(shù)字孿生城市”的建設會成為一個樣板，具有領頭示范效應，屬于創(chuàng)新之舉。構建物理世界和數(shù)字世界的一一對應、交互協(xié)同、關聯(lián)映射的超級系統(tǒng)，在網域空間再造一個數(shù)字“雙胞胎”城市。并最終實現(xiàn)城市全要素的數(shù)字化治理、全時空實時化、三維數(shù)字化、決策智能化，開創(chuàng)一個虛實結合的城市發(fā)展新局面。

數(shù)字孿生技術在數(shù)字城市的建設中的重要作用已經得到主流觀點的認可。河北科技大學劉青認為數(shù)字孿生發(fā)展到現(xiàn)在作為智慧城市的關鍵技術[3]。耿建光認為“數(shù)字孿生是對實體對象或過程的數(shù)字化復制，能夠實現(xiàn)貫通復雜產品設計、制造、維護等全生命周期業(yè)務過程的數(shù)字空間和物理空間信息的雙向共享交互和全面追溯，在智慧軍工、智慧院所建設中具有廣闊的應用前景[4]。”陶飛博士認為“數(shù)字孿生（digital twin）是以數(shù)字化方式創(chuàng)建物理實體的虛擬模型，借助數(shù)據(jù)模擬物理實體在現(xiàn)實環(huán)境中的行為，通過虛實交互反饋、數(shù)據(jù)融合分析、決策迭代優(yōu)化等手段，為物理實體增加或擴展新的能力[5]。”

筆者長期致力于數(shù)字城市的實踐，提出了“社會安全立體化、行業(yè)管理效率化、民生服務智慧化”三大階段、“安全、高效、開放、人文、健康、綠色”六大體系的新型智慧城市建設理念。多個項目的實踐表明，安全是第*位的且離不開視頻數(shù)據(jù)、效率的提升離不開大數(shù)據(jù)的挖掘，而AI技術恰恰是視頻監(jiān)控和大數(shù)據(jù)賦能的橋梁。基于對人工智能技術的研究和深挖視頻大數(shù)據(jù)的潛力，筆者和所在的團隊編制發(fā)行了《人工智能技術藍皮書|公共安全篇》、《視頻云技術藍皮書》兩本藍皮書。

以人工智能為首的智聯(lián)網發(fā)展是智慧城市下一階段的關鍵。升級安防場景有助于搭建更高效的城市治安系統(tǒng)。隨著技術的革新和發(fā)展，AI+安防系統(tǒng)取代了傳統(tǒng)的安防措施。大型安全防范系統(tǒng)結合技術手段，具有探測、監(jiān)控、報警、管理等基本功能，用于預防、制止違法犯罪行為和重大治安事件，是維護社會治安穩(wěn)定的基礎設施[6]。視頻云大數(shù)據(jù)應用基于人工智能與大數(shù)據(jù)技術，以人臉識別技術為核心，整合人臉抓拍、視頻+門禁數(shù)據(jù)、網格化數(shù)據(jù)、設備數(shù)據(jù)（WiFi）、車輛抓拍數(shù)據(jù)等多維數(shù)據(jù)，以視頻大數(shù)據(jù)的比對、分析、挖掘能力從人、車、案等多角度協(xié)助管理人員開展打防管控工作，解決人工翻查錄像費時費力、發(fā)現(xiàn)預防能力不足、重點管控對象不能主動發(fā)現(xiàn)、人員精確身份難以確定、海量布控庫下如何精準打擊等問題。視頻云大數(shù)據(jù)應用是一個整體解決方案，以視頻圖像為主、多種資源關聯(lián)疊加，構建了視頻資源服務體系和應用體系，實現(xiàn)了多維感知數(shù)據(jù)的匯聚、解析和存儲[7]。

未來的數(shù)字城市建設，將會同時融合城市三維地圖、實時視頻監(jiān)控、多維數(shù)據(jù)、行為識別、行為預測、數(shù)字孿生多種技術和系統(tǒng)。

傳統(tǒng)模式下，各個系統(tǒng)和技術是獨立的。以地圖為例，大部分業(yè)務系統(tǒng)還基于二維地圖無法真實還原位置信息和地圖空間信息，無法有效滿足對重點區(qū)域、重點場所、重點建筑的三維數(shù)字應用，尚停留在業(yè)務數(shù)據(jù)的簡單疊加，不能充分挖掘深層次的地圖數(shù)據(jù)應用，地圖能力與業(yè)務應用的深度結合有待進一步提高。視頻應用也存在較多的局限性不能充分發(fā)揮視頻能力，僅僅局限于固定點位監(jiān)控，視野限制較為狹窄，各個視頻點之間互補關聯(lián)、相互獨立，缺乏整合、拼接和融合應用。在多維數(shù)據(jù)的整合上也存在諸多不足，表現(xiàn)為各類業(yè)務數(shù)據(jù)和*深關注的目標之間無法和視頻建立起直觀的對應、關聯(lián)關系，針對不同的業(yè)務場景，缺乏綜合的、統(tǒng)一的可視化平臺來進行數(shù)據(jù)整合。

圖1  數(shù)字城市局部

在數(shù)字城市的建設中，更加關注城市級的三維地圖應用，能夠完整呈現(xiàn)城市地理空間，進行精細刻畫，采用城市三維地圖，可以直觀還原受關注區(qū)域的地理空間信息，滿足各種對重點區(qū)域、重點場所、重點建筑的精細空間刻畫及復雜業(yè)務應用的需求。基于三維地圖模型獨特的空間優(yōu)勢，可以將三維地圖應用和城市中重要的人、車、物等重要目標進行直接關聯(lián)，突破視頻監(jiān)控應用界限，實現(xiàn)城市的數(shù)字化視覺描述。與此同時，將城市中分散的視頻監(jiān)控進行整合、關聯(lián)，最大限度地實現(xiàn)視頻的聯(lián)動應用，拼接、融合以及跨鏡追蹤（ReID），能夠實現(xiàn)目標對象的行為識別和行為預測，業(yè)務數(shù)據(jù)一旦實現(xiàn)可視化應用，就能充分挖掘視頻大數(shù)據(jù)的潛力，將城市治理中最關鍵的三要素（人、車、物）進行精細化數(shù)據(jù)刻畫。以視頻結構化大數(shù)據(jù)為核心，結合城市多維數(shù)據(jù)，充分運用AI技術最大限度發(fā)揮數(shù)據(jù)的可計算能力，通過落地具體的應用場景，通過多元素標簽數(shù)據(jù)整合各種場景的業(yè)務數(shù)據(jù)，最終構建一個三維可視化、視頻融合、多維數(shù)據(jù)關聯(lián)的數(shù)字孿生城市。

數(shù)字城市的構建要重視四個能力的建設。一是地圖能力，系統(tǒng)要具備地理特征的還原、地圖基礎能力挖掘和地圖應用業(yè)務的賦能；二是視頻能力，要能夠通過視頻呈現(xiàn)真實的世界、對“人、車、物”三要素進行實時結構化處理，同時能夠實現(xiàn)視頻的接力應用；三是數(shù)據(jù)能力，將多維數(shù)據(jù)（包含視頻）整合到三維作業(yè)地圖中來，各種安保數(shù)據(jù)、政務數(shù)據(jù)、社會數(shù)據(jù)都能夠整合應用，預警、告警信息能夠進行聯(lián)動，城市基礎治理數(shù)據(jù)能夠實現(xiàn)接入、整合；四是系統(tǒng)要具備靈活的自定義配置能力，各種元素可視化的樣式可實現(xiàn)自定義、可視化字段類型可自定義、報表和儀表盤樣式可自定義。

四個能力中有兩個能力是特別重要的基礎能力。一個是地理特征還原，簡單理解就是要構建三維地圖模型建模，主要包括地理數(shù)據(jù)大范圍建模（可以采用2.5D地圖轉換3D、國規(guī)委地圖）、傾斜攝影大范圍建模（可以采用無人機）、精細化建筑三維建模（常用的精細化建模工具包括建筑信息模型BIM和3D Max）三種類型。另一個就是“人、車、物”實時視頻精細刻畫應用，在數(shù)字孿生城市中對人員的精細刻畫特征信息包括性別、年齡、是否背包、上身衣著、下身衣著、帽子和眼鏡等；對非機動車的精細刻畫特征信息包括非機動車類型、騎行人員頭盔、上身衣著和下身衣著；對機動車的精細刻畫特征信息包括車型、車身顏色、車牌號碼和車輛品牌。相信隨著AI和3D技術的融合，未來能夠實現(xiàn)更加精細化的三維地圖模型和更全面的視頻結構化的特征信息。

圖2  實時視頻結構化

AI賦能視頻大數(shù)據(jù)下數(shù)字城市應用有著廣闊的前景，目前來看，以下三大場景需求最為迫切：

1.重點區(qū)域場景。對重點區(qū)域視頻監(jiān)控進行視頻融合、拼接，可提升視頻監(jiān)控的應用效率；通過人臉識別、人數(shù)統(tǒng)計等AI技術實現(xiàn)人員身份確認及人流熱度管控；對進出區(qū)域的車輛身份進行確認以及周邊道路狀況實時動態(tài)監(jiān)測；通過視頻智能分析技術實現(xiàn)對重點區(qū)域突發(fā)狀況提前感知預警。

2.大型活動安保場景。大型活動最直觀的方式就是能夠遠程實現(xiàn)現(xiàn)場畫面的監(jiān)控，在活動區(qū)域可以整合各類視頻圖像到三維地圖中；通過三維模型就能更加直觀呈現(xiàn)活動場所內重要基礎設施、道路及內部通道，提高應急處置相應效率；通過人證合一、票證系統(tǒng)實現(xiàn)對區(qū)域人員身份進行確認及活動區(qū)域人流量及人群熱度精準掌控；再結合三維模型實現(xiàn)安保警力部署的直觀應用及應急預演；輔助以活動應急處置信息的推送手段實現(xiàn)全方位管控。

3.應急指揮場景。實現(xiàn)各類告警、警情的準確定位；針對告警、警情地點周邊視頻資源制定聯(lián)動策略；對告警、警情地點周邊警力部署位置直觀呈現(xiàn)；結合智能路網應用分析出處置最優(yōu)路徑；通過實時視頻結構化對目標進行精準打擊；為指揮調度指令的下發(fā)、上傳建立高效的傳送渠道。

數(shù)字孿生城市在近兩年發(fā)展非常迅速，得到有關部門、專業(yè)人士的高度關注，有望成為智慧城市建設的一種新的方向，能夠更好的促進智慧城市的落地和深度應用。數(shù)字城市建設越完善，就會對相關的智慧制造、智慧樓宇、智慧園區(qū)等智慧應用產生深遠的影響，具有示范效應。

責編：鄧蕊玲