人工智能助力公务车辆管理

公车私用、超编超标配置、豪华装饰

从1994年“两办”下发公车管理文件

应该是“公车改革”的开始

一个“公车改革”的问题竟然持续了20多年

实行公务车号牌

安装GPS等手段以加强对公车的监管

然而这些年的实践效果并不好

不仅监管成本比较高

同时在改变公车浪费方面的收效不大

丨公务用车，监控体系空白丨

公车私用不仅造成了巨大浪费，还滋生了特权腐败。政府公车运行经费居高不下，更是为民众深恶痛绝。公车私用之所以难以“刹车”，与公车标识不明显有很大关系，民众难以辨识是否为公务用车，监督也就无法进行，仅仅依靠政府内部监察部门有限的人力，难以监督各种娱乐场所，效果自然会大打折扣。

丨公车改革的新手段丨

既然公车私用改革的实施点困难重重，那光只靠人力监督，显然是不现实的。大千将车辆二次识别技术应用到了公车私用监督的细分领域，能够助力监察部门纠正公车私用的不良风气。

中国科学院自动化研究所图像与视频分析团队的王金桥研究员等提出一种基于结构化深度度量学习的车脸识别方法，可以从车辆视觉表观中学习到高效的特征，从而实现精准的车辆重识别与检索。

具体来说，团队设计了一种层级式神经网络并引入了排序损失函数，有效融合了车型分类损失、粗粒度的排序、细粒度的排序以及基于样本对的差异化建模。粗粒度的排序和细粒度的排序分别致力于增大不同车型以及不同车辆之间的类间差异，而基于样本对的差异化则旨在尽可能减小同一车辆的类内差异。利用这种层级式的排序损失函数可以由粗到细地学习到一个结构化的特征度量空间，从而有效刻画车辆图像之间多层级的语义相关性。

与此同时，团队还发布了一个当前最大的车脸识别与检索数据库“Vehicle-1M”。现可支持5000余种车型车款的精细识别，还支持对假牌、套牌车的检索，即便车辆经过换牌照、重新喷漆等改装，也逃不过该系统的‘火眼金睛’！该方法已经成功应用于视频侦查、违章限行、高速自助通行、智慧停车等领域。

丨成果丨

武汉大千的"车脸识别与检索系统"能够识别多角度的离线数据，包括手机、行车记录仪等设备的视图文件及各种卡口、电警、智能停车场拍摄的图片数据，并可提供社会面私有视频格式的转码，将公务用车的各类信息，包括车牌号、车型年款等，通过离线数据的快速比对，能够迅速识别公务用车的相关信息，极大的提升了识别的准确度，节省了监察成本及效率。在离线视图数据条件允许的情况下，甚至能够对使用者进行人脸识别，快速获取使用者信息。

虽然将车辆重识别技术应用至公车私用领域

只是一个技术性的手段

但是效果溢出于技术

监督者从之前仅有的内部人员

还加上了无所不在的民众

违规行为马上陷入人民战争的汪洋大海无可逃遁

才能真正遏制公车私用之风