1对1定制 · 专业服务 · 官网保障
微信1对1咨询
官方小程序
官方公众号
官方微博
百家号
在线时间：7*24小时
验证码错误，请重新输入
秒后可重新发送
最近普林斯顿大学工程学院发布了一项研究，讨论了 AI 工具在警察随身执法记录仪视频分析上的现实局限。这项研究论文将于 9 月在瑞典马尔默举办的欧洲计算机视觉大会上进行展示。
越来越多的警务部门开始尝试用 AI 来处理海量执法记录仪录像。警察执勤每年会产生海量视频资料，总量达到 PB 级别，依靠人工完整回看全部录像，人力成本很难承担。大家期待 AI 可以自动识别画面中的关键行为，帮助工作人员快速筛选、复盘视频，提升警务记录的审查效率。
但普林斯顿团队的测试结果，给这项应用敲了警钟：在四分之一的案例中，AI 模型无法识别视频里的基础行为，比如警员是否给嫌疑人戴上手铐、是否拔出武器。
造成识别不准的核心原因，来自训练素材和真实场景的巨大差距。目前 AI 模型大多是在布景拍摄、光线充足、画面清晰的视频上完成训练。而执法记录仪实拍画面，往往画质粗糙、画面模糊，镜头跟随行动快速晃动，环境复杂多变，和训练素材差异很大。
为了客观评估现有模型，研究团队搭建了一套评测基准数据集。数据集收录了来自伊利诺伊州、加州、得克萨斯州以及华盛顿特区警务部门的公开录像，总时长 185 小时。33 名学生对视频片段做标注，标记片段内是否出现警员奔跑、上手铐、拔枪、提供医疗救助等事件。
研究人员选取 12 款 AI 模型开展测试，包含 Gemini 2.5 Flash、GPT 4.1、Llama-VID、Qwen 2.5VL 等。在一分钟长度的视频测试中，识别效果较好的模型，事件判断正确率约 77%；表现较差的模型，正确率仅 11%。
放到普通计算机视觉任务里，77% 的正确率尚可接受，例如识别犬类品种，不需要做到百分百准确。但这项任务属于高风险场景，研究人员提到，即便准确率达到 95%，也不足以直接落地投入实际警务工作。
风险不在于 5% 的错误率本身，而在于公众与机构对这套系统的信任。只要系统存在出错可能，人们就会持续质疑它的判断结果，怀疑它是否真正起到辅助审查的作用。
随身执法记录仪诞生的初衷，是增加警务工作的监督与透明度。但录像体量过于庞大，绝大多数片段不会被人工回看。美国各州对录像保存的规则各不相同，多数地区规定，除非录像关联案件调查，否则 90 天后就会清除视频素材。除非发生性质严重的事件，否则大量普通警民互动的录像，很难被人工查阅，这些视频数据也难以发挥价值。
AI 的价值，是让这些海量视频数据被利用起来，帮助人工快速筛选、归类视频，发现其中的行为模式，把人工回看视频的时间压缩百倍以上。但团队明确，理想的系统不能脱离人，必须保留人工审核环节，并且可以把视频信息和警务报告等其他资料结合起来综合判断。
团队强调，AI 的定位是辅助人的判断，而不是替代人。模型可以提示画面里出现冲突、有人拔出武器、平民逃跑等信息，但判定事件责任归属，依旧需要由人来完成，这不属于技术可以解决的问题。
研究团队也表示，这项研究的目标之一，是给科研人员和警务部门，提供一套评估现成视频处理 AI 工具的标准。团队测试发现，像 ChatGPT、Gemini 这类通用大模型，现阶段还达不到警务机构落地使用的要求。
需要说明的是，研究人员并没有评估市面上已经在警务场景使用的商用 AI 产品。目前已有不少警务部门使用专门开发的 AI 工具，用来识别面部表情、肢体动作以及武力使用行为。
当 AI 遇上执法记录仪视频：我们期待它快速筛查海量录像，提升警务透明度。但普林斯顿大学最新研究提醒我们，面对模糊、晃动的真实执法画面，现有 AI 识别基础行为依旧会频繁出错。在高风险场景，AI 只能作为人的帮手，不能代替人做判断。
如果你需要，我还可以压缩成适合公众号短推文版本，或者提炼 3 个核心要点做摘要。
验证码错误，请重新输入
秒后可重新发送
稍后会有顾问老师反馈评估结果
微信扫一扫
