如果從1957年松下研發(fā)的第一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(jīng)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[1]。

我國是一個安防大國，根據(jù)中國安全防范產(chǎn)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(gòu)建了覆蓋重點區(qū)域和行業(yè)領(lǐng)域的視頻“天網(wǎng)”。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(jīng)完全滿足不了互聯(lián)網(wǎng)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(shù)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(gòu)成)的視頻畫面了，這就依賴于計算機視覺識別技術(shù)，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(shù)得到長足的發(fā)展，并可以進入商用階段。隨著AI技術(shù)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(yīng)用，尤其是AI賦能視頻監(jiān)控領(lǐng)域已經(jīng)得到業(yè)界的普遍共識。

AI的技術(shù)創(chuàng)新體現(xiàn)在算法、芯片、采集、網(wǎng)絡(luò)、計算、存儲、終端和安全多個方面，多方面的技術(shù)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(shè)服務(wù)。視頻數(shù)據(jù)的挖掘就是將城市中活動的“人、車、物”進行結(jié)構(gòu)化特征提取，然后再結(jié)合政務(wù)大數(shù)據(jù)、警務(wù)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(shè)在中國已經(jīng)得到大面積的普及，取得了豐富的成果、積累了大量的經(jīng)驗。中國目前是世界上較大的智慧城市實踐國之一，自2012年住房城鄉(xiāng)建設(shè)部《關(guān)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(nèi)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(jīng)進入實踐當(dāng)中，局部的試點數(shù)量遠遠超過500個。為了建設(shè)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(shè)模式，甚至一些新興城市更是提出了建設(shè)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(shè)立?！敖ㄔO(shè)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(wù)位列第一條。2018年4月，雄安新區(qū)規(guī)劃綱要獲批復(fù)，其中寫到“堅持?jǐn)?shù)字城市與現(xiàn)實城市同步規(guī)劃、同步建設(shè)，適度超前布局智能基礎(chǔ)設(shè)施，推動全域智能化應(yīng)用服務(wù)實時可控，建立健全大數(shù)據(jù)資產(chǎn)管理體系，打造具有深度學(xué)習(xí)能力、全球領(lǐng)先的數(shù)字城市”，并在隨后的解讀中，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(shù)的發(fā)展，時代賦予它們?nèi)碌膬?nèi)涵。城市是人類工程中復(fù)雜的系統(tǒng)之一，若要想完整“孿生”城市的真實運轉(zhuǎn)狀態(tài)，實現(xiàn)實時行為分析和行為預(yù)測幾乎是一件不可能的事情。但是數(shù)字孿生技術(shù)可以將實時數(shù)據(jù)、狀態(tài)和數(shù)字模型進行結(jié)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(yù)先控制、事后管理、預(yù)警指揮帶來很大的輔助作用。

雄安新區(qū)“數(shù)字孿生城市”的建設(shè)會成為一個樣板，具有領(lǐng)頭示范效應(yīng)，屬于創(chuàng)新之舉。構(gòu)建物理世界和數(shù)字世界的一一對應(yīng)、交互協(xié)同、關(guān)聯(lián)映射的超級系統(tǒng)，在網(wǎng)域空間再造一個數(shù)字“雙胞胎”城市。并實現(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(jié)合的城市發(fā)展新局面。

數(shù)字孿生技術(shù)在數(shù)字城市的建設(shè)中的重要作用已經(jīng)得到主流觀點的認可。河北科技大學(xué)劉青認為數(shù)字孿生發(fā)展到現(xiàn)在作為智慧城市的關(guān)鍵技術(shù)[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(fù)制，能夠?qū)崿F(xiàn)貫通復(fù)雜產(chǎn)品設(shè)計、制造、維護等全生命周期業(yè)務(wù)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(shè)中具有廣闊的應(yīng)用前景[4]?！碧诊w博士認為“數(shù)字孿生(digitaltwin)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]?！?/span>

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(wù)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(shè)理念。多個項目的實踐表明，安全是第一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(shù)恰恰是視頻監(jiān)控和大數(shù)據(jù)賦能的橋梁?；趯θ斯ぶ悄芗夹g(shù)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(shù)藍皮書|公共安全篇》、《視頻云技術(shù)藍皮書》兩本藍皮書。

以人工智能為首的智聯(lián)網(wǎng)發(fā)展是智慧城市下一階段的關(guān)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(shù)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(jié)合技術(shù)手段，具有探測、監(jiān)控、報警、管理等基本功能，用于預(yù)防、制止違法行為和重大治安事件，是維護社會治安穩(wěn)定的基礎(chǔ)設(shè)施[6]。視頻云大數(shù)據(jù)應(yīng)用基于人工智能與大數(shù)據(jù)技術(shù)，以人臉識別技術(shù)為核心，整合人臉抓拍、視頻+門禁數(shù)據(jù)、網(wǎng)格化數(shù)據(jù)、設(shè)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(yù)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(zhǔn)打擊等問題。視頻云大數(shù)據(jù)應(yīng)用是一個整體解決方案，以視頻圖像為主、多種資源關(guān)聯(lián)疊加，構(gòu)建了視頻資源服務(wù)體系和應(yīng)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(shè)，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(yù)測、數(shù)字孿生多種技術(shù)和系統(tǒng)。

傳統(tǒng)模式下，各個系統(tǒng)和技術(shù)是獨立的。以地圖為例，大部分業(yè)務(wù)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(yīng)用，尚停留在業(yè)務(wù)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(yīng)用，地圖能力與業(yè)務(wù)應(yīng)用的深度結(jié)合有待進一步提高。視頻應(yīng)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(guān)聯(lián)、相互獨立，缺乏整合、拼接和融合應(yīng)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(wù)數(shù)據(jù)和關(guān)注的目標(biāo)之間無法和視頻建立起直觀的對應(yīng)、關(guān)聯(lián)關(guān)系，針對不同的業(yè)務(wù)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(shè)中，更加關(guān)注城市級的三維地圖應(yīng)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(guān)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(fù)雜業(yè)務(wù)應(yīng)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(yīng)用和城市中重要的人、車、物等重要目標(biāo)進行直接關(guān)聯(lián)，突破視頻監(jiān)控應(yīng)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(guān)聯(lián)，實現(xiàn)視頻的聯(lián)動應(yīng)用，拼接、融合以及跨鏡追蹤(ReID)，能夠?qū)崿F(xiàn)目標(biāo)對象的行為識別和行為預(yù)測，業(yè)務(wù)數(shù)據(jù)一旦實現(xiàn)可視化應(yīng)用，就能充分挖掘視頻大數(shù)據(jù)的潛力，將城市治理中關(guān)鍵的三要素(人、車、物)進行精細化數(shù)據(jù)刻畫。以視頻結(jié)構(gòu)化大數(shù)據(jù)為核心，結(jié)合城市多維數(shù)據(jù)，充分運用AI技術(shù)發(fā)揮數(shù)據(jù)的可計算能力，通過落地具體的應(yīng)用場景，通過多元素標(biāo)簽數(shù)據(jù)整合各種場景的業(yè)務(wù)數(shù)據(jù)，最終構(gòu)建一個三維可視化、視頻融合、多維數(shù)據(jù)關(guān)聯(lián)的數(shù)字孿生城市。

數(shù)字城市的構(gòu)建要重視四個能力的建設(shè)。一是地圖能力，系統(tǒng)要具備地理特征的還原、地圖基礎(chǔ)能力挖掘和地圖應(yīng)用業(yè)務(wù)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(jié)構(gòu)化處理，同時能夠?qū)崿F(xiàn)視頻的接力應(yīng)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(wù)數(shù)據(jù)、社會數(shù)據(jù)都能夠整合應(yīng)用，預(yù)警、告警信息能夠進行聯(lián)動，城市基礎(chǔ)治理數(shù)據(jù)能夠?qū)崿F(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(chǔ)能力。一個是地理特征還原，簡單理解就是要構(gòu)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(zhuǎn)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3DMax)三種類型。另一個就是“人、車、物”實時視頻精細刻畫應(yīng)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(shù)的融合，未來能夠?qū)崿F(xiàn)更加精細化的三維地圖模型和更全面的視頻結(jié)構(gòu)化的特征信息。

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

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(yīng)用效率；通過人臉識別、人數(shù)統(tǒng)計等AI技術(shù)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(shù)實現(xiàn)對重點區(qū)域突發(fā)狀況提前感知預(yù)警。

2.大型活動安保場景。大型活動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(nèi)重要基礎(chǔ)設(shè)施、道路及內(nèi)部通道，提高應(yīng)急處置相應(yīng)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(zhǔn)掌控；再結(jié)合三維模型實現(xiàn)安保警力部署的直觀應(yīng)用及應(yīng)急預(yù)演；輔助以活動應(yīng)急處置信息的推送手段實現(xiàn)全方位管控。

3.應(yīng)急指揮場景。實現(xiàn)各類告警、警情的準(zhǔn)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(jié)合智能路網(wǎng)應(yīng)用分析出處置路徑；通過實時視頻結(jié)構(gòu)化對目標(biāo)進行精準(zhǔn)打擊；為指揮調(diào)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(guān)部門、專業(yè)人士的高度關(guān)注，有望成為智慧城市建設(shè)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(yīng)用。數(shù)字城市建設(shè)越完善，就會對相關(guān)的智慧制造、智慧樓宇、智慧園區(qū)等智慧應(yīng)用產(chǎn)生深遠的影響，具有示范效應(yīng)。