随着社会经济发展与城市化进程的加快，中国社会维稳压力日益增加，然而警力资源的增长速度远不及潜在危险因素的膨胀速度，导致警力不足，警务领域供需矛盾日益激化。警务机关亟待通过新技术寻求解决方案，以适应当下社会及公安业务改革的迫切需求。
在此背景下，人工智能技术赋能的智慧警务应运而生。诸如人脸识别、大数据、云计算、模式识别等技术与警务中的民生服务、治安管理、交通管理、侦查破案等场景相结合，以应对人口增长带来的安防压力及打击新型化犯罪活动。
一、智慧警务市场规模
据中商产业研究院数据统计显示，2017年，中国智慧警务综合服务系统市场整体销售规模为141081.36万元。在智慧警务信息化方面，我国已经形成了较为成熟的公安信息化产业链。行业的上游主要为平台软件厂商、设备制造厂商和元器件厂商等，下游主要为公安信息化产品的需求方，包括公安行业、特种行业等。在公安软件行业方面，中国市场起步于1984年，到1998年底开始实施的“金盾工程”使中国智慧警务现代化进入腾飞阶段。根据前瞻产业研究院的数据，中国公安软件市场规模从2013年的53.7亿元增长至2017年的148.7亿元，并预计2018年可达到160亿元。
中国公安软件市场规模（单位：亿元）
二、智慧警务的主要技术
大数据：大数据技术，是指从各种各样类型的数据中，快速获得有价值信息的能力，大数据在智慧警务的应用领域广泛，包括民生服务、治安管理、交通管理、侦查破案等。
机器学习：机器学习研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，其在智慧警务中的应用场景繁多，包括寻人、车辆分析、辅助执法办案等。
人脸识别：人脸识别运用深度学习和海量数据集，对图片和视频源中面部特征进行提取分析。其在智慧警务中运用成熟，落地场景包括人证核验、疑犯追踪、走失寻人、终端服务等。
活体识别：活体识别是人脸识别的一种算法，指计算机判别检测的人脸是否是真实的人脸，而不是图片、视频等。活体识别在智慧警务中运用在认证核验、终端机身份验证等。
自然语言处理：自然语言处理研究人与计算机之间用自然语言进行交流的各种理论和方法，融语言学、计算机科学、数学于一体，在智慧警务中可用于车辆分析、办案辅助等场景。
模式识别：模式识别是通过计算机用数学技术方法来对模式的各种形式信息进行处理和分析，并进行描述、辨认、分类和解释的过程。可应用在智慧警务的交通事故处理等场景中。
专家系统：专家系统是具有专门知识和经验的计算机智能程序系统，一般采用知识表示和知识推理技术来模拟领域专家以解决复杂问题，在智慧警务应用场景包括交通事故处理等。
三、人工智能技术在警务领域的应用分布
其他周边场景：本报告主要选取涉及500强公司的成熟落地案例进行总结分析，故未囊括如警务办公、舆情分析等在内的热门场景。
四、智慧警务落地案例简述
深圳公安民生警务深微平台：在腾讯云大数据、云计算、人脸识别、活体识别等技术的支持下，深微平台将15个独立门户网站、8个微信公众号、120个办事窗口集合到一个统一办事入口，整合了公安内部118项民生服务事项，依托微信公众号、门户网站，实现公安服务事项网上全流程办理，提供人口、出入境、交警等多警种单一的业务办理终端设备功能。
百度寻人平台：百度与宝贝回家合作，将人工智能的跨年龄人脸识别技术应用于寻找走失儿童，平台可根据上传的照片进行人脸识别，提高寻亲几率。该平台用大量跨年龄数据和亲子照数据对人脸算法进行深度学习训练，通过自主学习200万人的近2亿张照片，摸索出了识别人脸的方法，并用训练好的模型进行跨年龄人脸照片比对，发现了人脸随年龄变化的规律。
旷视人证核验系统：旷视(Face++)第二代台式人证一体机是以人脸识别算法为核心，核验持证人与证件是否一致的智能化设备。设备内置二的代身份证读卡模块，可以在读取持证人信息的同时，启动高清摄像头抓取持证人面部照片，并运用本地识别算法，进行快速人脸与证件照片作对比，实现人证核验功能。产品可用于车站机场入口、酒店住宿、教育考试、楼宇访客系统等多个场景中。
腾讯鹰眼智能反电话诈骗盒子：鹰眼智能反电话诈骗盒子，是腾讯一款将大数据与反诈骗相结合的智能产品，腾讯联合公安部、工信部，协同中国银联、移动、联通、电信，通过建立反诈骗大数据资源库，建立诈骗模型，并对数据库内的活跃情况进行分析，找到匹配的相应场景以检测正在受骗的用户。反电话诈骗盒子根据大数据分析判断受害人受害等级，并向受害人发出及时提醒。
东软交通事故智能处理系统：交通事故智能系统处理是利用摄影测量技术，模式识别和专家系统等人工智能技术，并结合事故力学理论，旨在实现交通事故“前拍后处、快撤直赔”。该系统通过事故大数据分析，对事故成因进行判定，以精准实施事故预防、降低同类事故发生率。系统还提供事故处理远程定责、定损、理赔、修车等一条龙服务。
科达海燕车辆二次分析系统：海燕系统可对所有卡口、电子警察抓拍的数据进行二次分析，支持识别近400种车标、5000多种细分车型，同时可对遮阳板、安全带等其他车辆特征进行分析与识别。在分析的基础上，支持包括车标、车型、语义、搜车、车辆局部特征在内的多种搜车方式，并提供车辆大数据分析，实现假套牌、隐匿车辆、车辆落脚点等内容的分析。
依图人脸识别系统：依图系统人脸识别系统运用大数据、深度学习以及其先进算法，使机器识别能力超越了人眼极限，可将当地常住人口和暂住人口与通缉犯库进行人脸比对，从而锁定辖区通缉犯，辅助警方抓捕嫌疑人。依图的结构化检索可以快速截取到一段时间内最清晰的一帧画面，支持同时识别多个活动目标，并进行算法交叉，实现二次分析，速度达到秒级反馈。
拓尔思智能辅助办案系统：拓尔思智能辅助办案系统以面向基层公安各类刑事案件，可对卷宗内容的自动识别匹配，实现证据文书等卷宗材料自动分类；通过自然语言处理技术，进行执法监督；同时提供证据采集、文书制作等智能化辅助指引；并基于图谱化的数据，对案件进行语义推理，实现案件深层次智能分析；还通过机器学习，学习历史案件，实现历史卷宗和人工智能相结合。
五、人工智能技术在警务领域的局限性
信息孤岛：在智慧警务方面，不同警种间信息数据缺乏共享，数据开放应用程度偏低，各项技术运用局限于自身领域，技术内部交流不足，不利于推动行业的整体发展。
数据安全性 ：人工智能在警务领域中的应用关乎民生和国家安全，在数据收集使用过程中, 数据安全和隐私保护问题难以避免，数据一旦泄露将会影响社会稳定。
技术不成熟：人工智能技术在警务方面的运用大多数处于浅层次，在一些细分场景应用中，人工智能无法实现准确理想的落地效果，场景适应能力较低，以致影响准确率。
六、人工智能技术在警务领域的发展趋势
数据融合：大数据是建设智慧警务的前提，而构建大数据平台是智慧警务体系建设的基础。警务数据内部的全面联网和开放是解决信息孤岛的关键，也是实现警务智能化升级的必经途径。
智能前端化：随着警务领域人工智能技术的发展，移动执法设备的需求日益增加，同时加上智能民生服务的需求，警务终端设备运用越来越广，使智慧警务向智能前端化发展。
经验复用：以公安业务实战的需求出发，将案件分析、研判、处理等警务流程归纳成为应用模型，支持跨部门、跨警种、跨地域的交流共享，并支持具体用户根据自身需求进行灵活的调整和配置。
