【环球军事报道】8月初在京召开的2014第二届中国指挥控制大会上，来自国内指挥控制领域的科研院所、高等院校、大型国有企业、高新技术企业以及民营高科技公司等近1500名各界代表齐聚一堂，深入交流网络信息时代指挥控制科技产业的创新与发展。会议期间，中国科学院副秘书长谭铁牛院士发表题为《面向公共安全的模式识别研究与应用》的演讲。大会授权环球军事独家刊发演讲的内容——
各位老师、各位同学，各位领导、各位代表，大家下午好!非常高兴有机会在第二届中国指挥控制大会和大家交流汇报我们的一些工作，。
主要希望讲这么几个问题，大量的监控摄象头中，海量的视频里，大数据里怎么快速有效的提炼出公共安全有意义的信息，面向安全监控的视频分析，基本问题就是人的特征，基于生物特征的身份识别，网络、物理空间感知数据处理。
信息化时代的安全挑战，包括在公共安全方面的挑战，物理空间发生很多的事件，通过信息化手段开始测算，信息化时代人的身份安全也是一个挑战，大家看了很多报道，身份证失窃带来的损失非常巨大。在互联网上并不清楚打交道的人是不是说的那个人。信息内容安全业面临挑战，这个照片并不是真实的照片，肉眼看不到任何修改的痕迹，人工合成的图象，怎么检测这样类似的篡改，显然也是一个挑战。
我国社会深刻转型，公共安全事件高发，前面一些专家已经提到了，我们国家目前人均GDP 6500，是公共安全事件高发时期，尤其面临其他的挑战，迫切需求信息高科技的有利支撑，需要我们更加有效的指挥和控制机制和工作的平台。
今天特别介绍也是我个人从事的专业，也是支撑公共安全非常重要的一个是能技术，叫做模式识别，按通过对海量视频信息处理，某一个关心的区域的态势，基于模式识别的态势感知，无论是战争的感知，包括互联网的感知，特别是大家都在讲大数据，今天看到有专门大数据的专题演讲会。
现在大数据很热，非常重要的一个环节，就是把大数据的内容进行理解和识别，涉及到核心数据就是识别。这本书可能非常熟悉，非常著名的书，高层的领导也非常关注这本书。大数据的关键是数据内容的理解与识别。美国最近的一个报告，也是在涉及怎么样通过大数据里面能够挖掘出更多的公共安全的信息，涉及重要的支撑技术就是模式识别。
什么是模式识别？简单的说就是研究各类模式的表达、分类与识别，各类模式，有的看得见，不同的模式。还有不同的力度分类，看得见的，包括桌子椅子，还有看不见的，我的情感状态，是看不见的，这种模式的表达分类和识别，就是所谓的模式识别。
美国著名的发明家的一段话，计算机的模式识别越强，变成象人一样聪明。模式识别的概念非常简单，就是一种模式，识别出来，就是模式识别的问题。
这个流程，我就不介绍了，要把识别的东西拍摄下来，把图象里的东西分离出来，这是苹果，提取一些特征，进行特征抽取，进行匹配，识别出来是苹果还是犁的过程。
大家知道，人观察外部世界主要靠视觉，百分之七八十通过视觉，下面着重讲怎么样视觉模式识别感兴趣的东西，特别是对公共安全有利的信息和知识。
视觉大数据及其识别的重要性，也是因为识别大数据爆炸式的大增长，带来实实在在的挑战。社交媒体数据量的增长，右下角的蓝色，图象视频数据直线增长，周克华案例中长沙民警所看的视频量相当于83万部电影。大家可以想像，这个控制和指挥效应多大的提取，这的却是一个关键的技术，特别是Facebook用户量超过8亿，每天上传的图片超过3亿张，视频超过300万个。
我们国家也是如此，每天早上出门到回家不知道被多少个摄象头看到，被二十多个摄象头看到，数量非常多。摆在我们面前的机遇和挑战是什么，怎么样把这么多不断增长的摄象头拍摄的数据快速的找到你感兴趣的，尤其对公共安全有意义的一些信息，这就是我想模式识别面临的一个重大的挑战，也是当前公共安全的一个迫切需求。
这也是我今天说的主题，大规模监控视频数据的分析，北京市也是庞大的监控摄像机网络，数据整合在一起，快速找到感兴趣的目标，目标检测，从那个场景到那个场景，那个区域到那个区域，全国监控量都是联网的，都可以追踪。要解决一些关键问题，感兴趣的目标，在图象什么位置，动了以后跟踪，识别是谁，尤其是行为构成不构成威胁，是不是正常行为，还是异常行为？这就是我想今天为什么又宏又专的细节。
对这样的工作基本的工作，能不能算出这个人离开这个摄象头进入另外一个摄象头的概率多大，离开这个场景到其他的场景不是完全一样，能不能这些网络的图片，人员交互的概念有多大，能不能把这个统一出来，这样大大缩小搜索空间。通过摄像机网络脱铺模型，建立跨场景监控的关联关系。
其中基本的问题就是检测，如果对一个目标始终不动，静态的，不构成任何威胁。更感兴趣就是运动的目标检测，有一些老师也是从事这方面的研究，传统的一副图象或一个视频怎么检测，各种各样的方法。比如把这个人检测出来，大家看到很干净的数据，这样目标检测其实很难，大家看一看，比如光照变化同一个人，还有形变，各种各样的姿态。比如这个图象，是同一幅图象，只是旋转变化，大家看到的结果完全不一样。这就是目标检测与分类中的挑战，还有尺度变化等等，还有遮挡、歧义，这些都是目标检测里碰到的一些问题。还有类内变化，都是椅子，但是形态各一，把椅子都检测出来，怎么确保各种各样的椅子都能检测出来，这都是很难的问题。
人的眼睛的视觉能力应该说是了不起的，我们研究解决这个问题的出发点就是从人类眼睛找起，现在有一个很火的说法就是深度学习，深度卷积神经网络，人可以举一反三，能够融会贯通，不断的学习积累，目前在我们这个领域，我相信今天在座的各位也听说了，深度学习，你想得透看得更准。这样一个模型今天不展开讲了，一层一层学习，实行的方法就是深度卷积神经网络。
这样一个学习积累，模拟人的大脑，人的大脑学习也是从初级到高级，发现效果是非常好的。大家可以看这个，按照这样的理念，自动的算法，可以非常快速到图片领域，把人体分布出来，无论是尺度变化，左上角的照片很小，无论是姿态变化，都可以快速检测出来。包括输入图象、手工结果，算法结果，各种各样的场景非常快速。这是从图象检测目标，无论是运动的，还是静止的，都可以快速。如果是运动的，可以跟踪他，走到那里跟到那里，跟完之后知道他的运动轨迹，可以分析他，是异常行为还是正常行为，还是特殊关注的行为，从而可以提炼出来。
目标分类与识别，比如说摆在我面前的东西，是人还是桌子，怎么识别，留到后面专门讲。行为分析与识别，最关键就是时空信息，既然是行为就有运动，跟踪完了轨道通过轨道的分析，知道什么行为。
比如这么庞大的监控摄像机网络，怎么快速的把感兴趣的行为检测出来，比如人汇聚，人分开，有人跑，有人追，这样特定的行为可以快速的检测出来，现在可以快速的实现。
人流密度变化自动检测与估计，这是真实场景，特别是人的会组，突然增多，对于公安的人及其有意义。到目前大多数情况，人是显然看不过来的，力不从心，希望自动的应用模式识别的技术，能够估计敏感区域需要密切关注人流密度的变化情况，现在已经现实场景使用。
根据人群不同的规模、行走方向，将人群分类。这样听起来很简单，比如强光照下，常常带来阴影干扰的问题，不同天气、拍摄角度下，图象特征变化明显。
这样的工作在很多地方已经用了，包括城铁13号线，2007年老是有电缆被人偷了，后来城铁13号线全线四十公里，装三百个摄象头，自动监控，自动识别，第一个月抓了三波，后来很少发生。效率非常明显。还有一翻墙就自动报警，这些都是自动的实现对异常行为的检测。
今天讲了这么多，主要是讲如何从海量的视频信息里，视频来自于庞大的监控摄象头网络，能够找到你所感兴趣对公安有意义的人和行为。
如果是一个人，能不能快速识别出是张三还是李四，基于生物特征的身份识别，虹膜识别，就是瞳孔和眼白中间，非接触式的，虹膜识别首先要把图象拍下，虹膜图象预处理，在用一些特征刻划细节的管理，虹膜的模式识别。这是我们自动化所虹膜图象获取装置的演进，当然有很多的困难，比如有人戴眼镜、还有眼睫毛遮挡，还有咪咪眼，有时候不配合，所以这样的问题都是具有挑战性的。