黨的十八大以來,以習近平同志為核心的黨中央高度重視發展數字經濟,出臺了一系列重大政策,構建了從頂層設計、戰略規劃到具體措施的政策支持體系,推動我國數字經濟發展取得顯著成就,為經濟社會高質量發展注入了強勁動力智能安防 。
當前,數字經濟發展迅猛、輻射廣泛、影響深遠,數字化正在深刻改變人們的生產和生活方式智能安防 。銀行業數字經濟時代,既要“搶抓先機”,更要“行穩致遠”,銀行在注重創新金融服務場景、開拓業務發展模式的同時,還應考慮銀行中后臺智能化轉型發展,在新的安全威脅和日趨嚴格的精細化監管要求下,銀行必須不斷提升安全運營管理水平、強化全面風險管控能力,充分確保業務運營和發展的時效性、合規性、可控性和安全性。
交通銀行河北省分行 朱宏濤
銀行業數字化轉型概述
數字化轉型給銀行業帶來了新機遇,銀行應結合行業特點和自身情況制定數字化發展戰略、搭建信息基礎設施平臺、完善數據信息管理策略,應利用先進信息技術、建設智能化運營管理平臺,通過數字化轉型提升競爭力,為客戶提供更優質的金融服務,同時提升銀行運營效率、降低成本預算、確保風險可控智能安防 。
當前,銀行數字化轉型主要側重以下三方面內容智能安防 。
一是數字化轉型可實現業務流程的優化和效率的提升,對金融產品和服務進行方便、高效、個性化推廣智能安防 。如利用大數據分析客戶群體,了解客戶多樣性需求,提供定制化產品和服務,提升精準營銷能力。
二是數字化轉型可以拓展銀行的業務范圍和場景建設智能安防 。銀行可利用移動互聯網和虛擬現實(Virtual Reality,簡稱VR)技術,開展線上線下業務融合,提升業務和渠道的覆蓋度,消除時間或空間對業務開展的制約。
三是數字化轉型實現銀行中后臺智能化風險控制管理,特別是利用數據挖掘和人工智能技術,建立及時有效的風險評估和動態監測機制,增強風險防控預警能力,從而有效防范化解金融風險,牢牢守住不發生系統性風險的底線智能安防 。
銀行作為經營“風險”的行業,其運營與內控管理要求往往較其他行業更為嚴格智能安防 。安全風險控制作為銀行業務能力提升和穩健高質量發展的重要輔助環節,是銀行數字化轉型的核心。通過將大數據、人工智能、云計算、移動互聯網等前沿技術與銀行風險控制業務管理流程相結合,分析數據信息,得出風險等級并預判風險變化趨勢,實現銀行風控流程和內容的線上化和智能化。進而全面提升銀行風險控制能力,并消除各類風險和安全隱患。
基于人工智能的視頻識別分析技術
人工智能(AI)是研究和開發用于模擬、延伸或擴展人類智能的一門技術科學智能安防 。通俗地講就是通過計算機來模擬人類大腦的思維方式,從而做出相應的判斷和操作。最終使其具備一定的邏輯思維和認知能力,實現模擬“人”的效果,能做到“像人一樣思考、像人一樣判斷、像人一樣行動”。該領域研究包括機器學習、語言識別、圖像識別、自然語言處理等方面。
視頻識別分析技術作為當前人工智能研究的一個分支,是通過對視頻數據信息的目標進行監測、識別和跟蹤,分析出視頻中人或物的狀態和行為,并對其結果進行分類管理和操作智能安防 。
視頻識別分析技術的優越性如下智能安防 。
自動化識別:能夠自動化識別和分類不同目標行為,節省人力和時間成本,提高工作效率智能安防 。
實時監控:可以實時監控場景中的不同狀態和行為,及時發現和預警異常情況,提高時效性智能安防 。
高精度識別:計算機視覺分析算法可對不同行為進行高精度識別,提高準確性智能安防 。
數據分析:對海量數據信息進行分析,對管理決策和風險評估提供數據支持和判斷依據智能安防 。
智能識別分析技術的發展使視頻監控逐步實現從被動式的事后取證向事前預警和事中處置轉變,提升風險預警和應急處置聯動能力智能安防 。同時降低監控值班人員工作強度,解決人員視覺疲勞、注意力分散、存在主觀判定、效率低下、預警周期長等問題,真正實現視頻監控系統的數字智能化應用。
智能視頻分析技術在銀行運營安全管理中的應用分析
AI視頻分析系統一般由目標監測、目標跟蹤及行為分析三部分構成智能安防 。深度學習是視頻識別分析的主流方法,它是通過建立多層次網絡模擬人類大腦神經結構提取數據特征,總結數據規律的一類算法總稱。該技術利用深度神經網絡提取人員語義特征,完成人員異常行為模型的自適應構建,再對異常行為進行監測。基于深度學習的目標監測算法健壯性更強,泛化能力也更強,更容易應用于實際場景。
按照識別分析目標的特點,可分為以下4種分析方法智能安防 。
一是對象分析是通過目標監測和跟蹤技術,進而對目標進行結構化的識別、定義和統計智能安防 。
二是屬性分析是對目標的屬性如大小、狀態、顏色、位置等描述性信息進行識別、測量和計算分析智能安防 。
三是行為分析是目標在特定場景內產生的動作行為的描述性信息,應用在具有時序性特征的異常行為監測上智能安防 。如打架、摔倒、規范操作等。
四是事件分析是把對象、屬性、行為等元素綜合化的概念智能安防 。它利用AI視頻識別技術對業務流程進行整體導向分析。如視頻內容檢索,語義視覺定位等功能。
當前AI視頻分析系統應用主要有以下3種部署方式智能安防 。
一是本地計算智能安防 。將AI算法嵌入到攝像機中,由前端攝像機實現對異常情況的智能分析監測,該方式適用于較固定的場所。如占用消防通道、區域內禁止堆放雜物、電動車禁止進入電梯、倉庫物品保管、非法闖入等靜態場景。
二是邊緣計算智能安防 。邊緣計算的部署模式最為常見,它是一個在社區或園區內部署“邊緣盒子”的設備,監控視頻信息接入該設備,“邊緣盒子”內置的AI算法會對視頻信息進行智能分析。如監測施工人員未戴安全帽、工作期間抽煙、長時間使用手機、空缺崗、人員違規操作等動態行為。
三是云端計算智能安防 。為便于集中管理和無限擴展,將AI視頻分析設備部署在云端,該方式適合大型項目。如將分散各地的工地、園區、銀行網點的視頻信息通過云服務匯聚到集團總部的AI算法服務器上進行集中處理,該方式對后臺服務器的算力以及網絡帶寬要求較高。
項目應根據實際視頻通道數、圖像質量、網絡帶寬、功能要求、算力性能、預算成本等因素,選擇合適的部署方式智能安防 。邊緣計算由于部署實施較容易,對網絡帶寬要求較小,實施的費用成本較低,是當前主流使用的部署方式。
以下為某銀行機構采用第二種部署方式的系統整體架構圖(如圖1所示)智能安防 。
圖1 系統整體架構圖
系統整體流程簡單描述如下:具備AI視頻分析功能的“邊緣盒子”放置在基層營業網點的設備間,“邊緣盒子”旁路讀取網點網絡硬盤錄像機(NVR)采集的前端視頻信息智能安防 。“邊緣盒子”對視頻信息按照設定的算法和策略進行計算分析,得到的結果通過網絡設備傳送到部署在上級行的智能綜合管理平臺。平臺具有接收、轉發、存檔取證、基礎管理等信息處理能力,最后通過各類終端設備將信息顯示給用戶。
“邊緣盒子”具備對監控視頻中的人、物、狀態和動作的識別監測,通過監測和提取視頻中的對象,基于經過訓練的深度神經網絡識別它們,按照既定的規則和特定算法對動作行為進行分析,然后對每個對象進行分類,以啟用智能搜索、過濾、警報、數據聚合和可視化等分析功能智能安防 。深度學習算法可提高監測精度和分類能力,進而識別異常可疑行為和事件,解決了傳統視頻監控頻繁誤報和時效滯后等缺點。
以銀行的安全合規、內控操作風險管理為例,智能視頻識別分析系統可作為監測識別的場景有:值班睡覺或脫崗、長時間玩手機、非法侵入、客戶異常裝扮、客戶摔倒或打斗、消防通道占用、煙火監測、聯動門出入管理、柜員合規操作、款箱交接/清點、金庫/日間庫現金管理、柜面交易、印章管理等智能安防 。
使用場景和安全防范的要求不同,采用的AI算法也不同智能安防 。有些利用視頻截取圖片的前后實時對比技術,確認物品擺放位置。如滅火器被挪動位置,雜物擺放占用逃生通道等情況。不宜安裝煙感溫感的場所采用煙霧火焰監測算法利用視頻監控及時發現火災隱患。有些利用人臉識別技術確認戴口罩、帽子,遮擋面部的異裝打扮客戶,提前做好異常情況預警處理。有些場景為通過人數統計異常發出預警信息,如ATM防護艙或進入現金區聯動門內一般情況為1人,對于監測到多于1人的情況發出預警信息。類似的還有雙人值班管理等情況。利用人體骨骼關鍵點分析算法對人員摔倒、打斗、長時間操作手機等行為動作進行識別預警。
智能管理平臺是整個系統的中樞,它的核心功能是適配和調度各類軟硬件資源,增強各模塊和應用的協調聯動能力,提升系統的可擴展性和操作性智能安防 。智能綜合管理平臺具備多格式視頻接入和分發、遠程監控、視頻回放、數據共享/統計、算法下發、系統升級、告警推送、工單處置、設備/配置/系統/業務/綜合管理等功能。智能管理平臺實行模塊化管理,針對不同的應用場景,可靈活定制,且多層次開放方便集成。實現對整個系統中視頻數據的采集、挖掘和分析,以及數據處理結果的可視化呈現進行全流程管理。
未來發展和趨勢展望
隨著AI技術的快速發展,視頻識別分析技術將向“更好,更穩,更精準”的方向發展智能安防 。未來基于視頻的復雜場景下人體行為分析將是研究和應用的熱點。分析過程主要通過神經網絡的設計和實現、深度學習模型的訓練和調整、目標動作的監測、跟蹤和識別等多重方法相結合。這其中包括算法的優化、算力的提升、業務流程的部署等問題。還包括如何解決外部環境對視頻監控信息質量的影響,如視頻采集時光線的強弱、飛入物的干擾、異常振動,識別對象變化速度不穩定、行為持續時間難以確定、邊緣服務器負載過重等問題,以及系統整體穩定性和成本控制等情況。如何實現視頻監控、識別分析、平臺管理的有效統一,從而構建一個低成本、強擴展性、安裝方便、操作靈活的高效應用系統,將是未來需要進一步研究和努力的方向。
(此文刊發于《金融電子化》2025年1月下半月刊)