隨著社會經濟發展與城市化進程的加快，中國社會維穩壓力日益增加，然而警力資源的增長速度遠不及潛在危險因素的膨脹速度，導致警力不足，警務領域供需矛盾日益激化。警務機關亟待通過新技術尋求解決方案，以適應當下社會及公安業務改革的迫切需求。

在此背景下，人工智能技術賦能的智慧警務應運而生。諸如人臉識別、大數據、云計算、模式識別等技術與警務中的民生服務、治安管理、交通管理、偵查破案等場景相結合，以應對人口增長帶來的安防壓力及打擊新型化犯罪活動。

一、智慧警務市場規模

據中商產業研究院數據統計顯示，2017年，中國智慧警務綜合服務系統市場整體銷售規模為141081.36萬元。在智慧警務信息化方面，我國已經形成了較為成熟的公安信息化產業鏈。行業的上游主要為平臺軟件廠商、設備制造廠商和元器件廠商等，下游主要為公安信息化產品的需求方，包括公安行業、特種行業等。在公安軟件行業方面，中國市場起步于1984年，到1998年底開始實施的“金盾工程”使中國智慧警務現代化進入騰飛階段。根據前瞻產業研究院的數據，中國公安軟件市場規模從2013年的53.7億元增長至2017年的148.7億元，并預計2018年可達到160億元。

中國公安軟件市場規模（單位：億元）

二、智慧警務的主要技術

大數據：大數據技術，是指從各種各樣類型的數據中，快速獲得有價值信息的能力，大數據在智慧警務的應用領域廣泛，包括民生服務、治安管理、交通管理、偵查破案等。

機器學習：機器學習研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，其在智慧警務中的應用場景繁多，包括尋人、車輛分析、輔助執法辦案等。

人臉識別：人臉識別運用深度學習和海量數據集，對圖片和視頻源中面部特征進行提取分析。其在智慧警務中運用成熟，落地場景包括人證核驗、疑犯追蹤、走失尋人、終端服務等。

活體識別：活體識別是人臉識別的一種算法，指計算機判別檢測的人臉是否是真實的人臉，而不是圖片、視頻等。活體識別在智慧警務中運用在認證核驗、終端機身份驗證等。

自然語言處理：自然語言處理研究人與計算機之間用自然語言進行交流的各種理論和方法，融語言學、計算機科學、數學于一體，在智慧警務中可用于車輛分析、辦案輔助等場景。

模式識別：模式識別是通過計算機用數學技術方法來對模式的各種形式信息進行處理和分析，并進行描述、辨認、分類和解釋的過程。可應用在智慧警務的交通事故處理等場景中。

專家系統：專家系統是具有專門知識和經驗的計算機智能程序系統，一般采用知識表示和知識推理技術來模擬領域專家以解決復雜問題，在智慧警務應用場景包括交通事故處理等。

三、人工智能技術在警務領域的應用分布

其他周邊場景：本報告主要選取涉及500強公司的成熟落地案例進行總結分析，故未囊括如警務辦公、輿情分析等在內的熱門場景。

四、智慧警務落地案例簡述

深圳公安民生警務深微平臺：在騰訊云大數據、云計算、人臉識別、活體識別等技術的支持下，深微平臺將15個獨立門戶網站、8個微信公眾號、120個辦事窗口集合到一個統一辦事入口，整合了公安內部118項民生服務事項，依托微信公眾號、門戶網站，實現公安服務事項網上全流程辦理，提供人口、出入境、交警等多警種單一的業務辦理終端設備功能。

百度尋人平臺：百度與寶貝回家合作，將人工智能的跨年齡人臉識別技術應用于尋找走失兒童，平臺可根據上傳的照片進行人臉識別，提高尋親幾率。該平臺用大量跨年齡數據和親子照數據對人臉算法進行深度學習訓練，通過自主學習200萬人的近2億張照片，摸索出了識別人臉的方法，并用訓練好的模型進行跨年齡人臉照片比對，發現了人臉隨年齡變化的規律。

曠視人證核驗系統：曠視（Face++）第二代臺式人證一體機是以人臉識別算法為核心，核驗持證人與證件是否一致的智能化設備。設備內置二的代身份證讀卡模塊，可以在讀取持證人信息的同時，啟動高清攝像頭抓取持證人面部照片，并運用本地識別算法，進行快速人臉與證件照片作對比，實現人證核驗功能。產品可用于車站機場入口、酒店住宿、教育考試、樓宇訪客系統等多個場景中。

騰訊鷹眼智能反電話詐騙盒子：鷹眼智能反電話詐騙盒子，是騰訊一款將大數據與反詐騙相結合的智能產品，騰訊聯合公安部、工信部，協同中國銀聯、移動、聯通、電信，通過建立反詐騙大數據資源庫，建立詐騙模型，并對數據庫內的活躍情況進行分析，找到匹配的相應場景以檢測正在受騙的用戶。反電話詐騙盒子根據大數據分析判斷受害人受害等級，并向受害人發出及時提醒。

東軟交通事故智能處理系統：交通事故智能系統處理是利用攝影測量技術，模式識別和專家系統等人工智能技術，并結合事故力學理論，旨在實現交通事故“前拍后處、快撤直賠”。該系統通過事故大數據分析，對事故成因進行判定，以精準實施事故預防、降低同類事故發生率。系統還提供事故處理遠程定責、定損、理賠、修車等一條龍服務。

科達海燕車輛二次分析系統：海燕系統可對所有卡口、電子警察抓拍的數據進行二次分析，支持識別近400種車標、5000多種細分車型，同時可對遮陽板、安全帶等其他車輛特征進行分析與識別。在分析的基礎上，支持包括車標、車型、語義、搜車、車輛局部特征在內的多種搜車方式，并提供車輛大數據分析，實現假套牌、隱匿車輛、車輛落腳點等內容的分析。

依圖人臉識別系統：依圖系統人臉識別系統運用大數據、深度學習以及其先進算法，使機器識別能力超越了人眼極限，可將當地常住人口和暫住人口與通緝犯庫進行人臉比對，從而鎖定轄區通緝犯，輔助警方抓捕嫌疑人。依圖的結構化檢索可以快速截取到一段時間內最清晰的一幀畫面，支持同時識別多個活動目標，并進行算法交叉，實現二次分析，速度達到秒級反饋。

拓爾思智能輔助辦案系統：拓爾思智能輔助辦案系統以面向基層公安各類刑事案件，可對卷宗內容的自動識別匹配，實現證據文書等卷宗材料自動分類；通過自然語言處理技術，進行執法監督；同時提供證據采集、文書制作等智能化輔助指引；并基于圖譜化的數據，對案件進行語義推理，實現案件深層次智能分析；還通過機器學習，學習歷史案件，實現歷史卷宗和人工智能相結合。

五、人工智能技術在警務領域的局限性

信息孤島：在智慧警務方面，不同警種間信息數據缺乏共享，數據開放應用程度偏低，各項技術運用局限于自身領域，技術內部交流不足，不利于推動行業的整體發展。

數據安全性 ：人工智能在警務領域中的應用關乎民生和國家安全，在數據收集使用過程中， 數據安全和隱私保護問題難以避免，數據一旦泄露將會影響社會穩定。

技術不成熟：人工智能技術在警務方面的運用大多數處于淺層次，在一些細分場景應用中，人工智能無法實現準確理想的落地效果，場景適應能力較低，以致影響準確率。

六、人工智能技術在警務領域的發展趨勢

數據融合：大數據是建設智慧警務的前提，而構建大數據平臺是智慧警務體系建設的基礎。警務數據內部的全面聯網和開放是解決信息孤島的關鍵，也是實現警務智能化升級的必經途徑。

智能前端化：隨著警務領域人工智能技術的發展，移動執法設備的需求日益增加，同時加上智能民生服務的需求，警務終端設備運用越來越廣，使智慧警務向智能前端化發展。

經驗復用：以公安業務實戰的需求出發，將案件分析、研判、處理等警務流程歸納成為應用模型，支持跨部門、跨警種、跨地域的交流共享，并支持具體用戶根據自身需求進行靈活的調整和配置。