2026年人工智能看守所智能管控考试题库及解析

2026年人工智能看守所智能管控考试题库及解析一、单项选择题（每题1分，共30分）1.在人工智能看守所中，用于实时识别在押人员异常聚集行为的算法最底层依赖的核心技术是A.图像超分辨率重建B.时空图卷积网络C.对抗样本生成D.知识蒸馏答案：B解析：异常聚集属于群体时空特征，时空图卷积网络（ST-GCN）可同时对“节点—边—时序”三维建模，优于单纯图像技术。2.监室夜间熄灯后，红外热成像发现某在押人员体表温度持续高于37.8℃且呈上升趋势，系统首先应触发的联动策略是A.开启顶部白光补光B.自动弹出“发热预警”工单并锁定该床位摄像机预置位C.立即启动喷淋灭火D.向所有终端广播“紧急集合”答案：B解析：看守所规范要求先确认个体异常，避免过度惊扰；白光补光会暴露监控意图，喷淋与集合广播均过度。3.根据《智慧看守所技术规范（2025版）》，智能分析服务器在24小时内对单路1080p视频流进行人脸抓拍的平均算力消耗上限为A.0.3TOPSB.1.2TOPSC.3.5TOPSD.8.0TOPS答案：B解析：规范明确单路人脸抓拍+质量评分+去重≤1.2TOPS，防止算力堆叠造成能耗超标。4.在押人员腕带RFID每隔1s广播一次报文，若采用ALOHA防碰撞算法，当标签数量n=400时，理论最大信道利用率约为A.18.4%B.36.8%C.50.0%D.63.2%答案：A解析：纯ALOHA最大吞吐率公式S=ne^{-2n}/n，当n→∞极限为1/(2e)≈18.4%。5.看守所AI巡视机器人发现地面留有金属利器，其多模态融合识别层若采用“加权投票法”，则下列传感器权重分配合理的是A.可见光0.2，毫米波雷达0.3，磁感应0.5B.可见光0.5，毫米波0.3，磁感应0.2C.可见光0.1，毫米波0.8，磁感应0.1D.可见光0.7，毫米波0.2，磁感应0.1答案：B解析：金属利器在可见光中形状特征显著，毫米波可补盲，磁感应对非铁金属弱；可见光应占主导。6.关于联邦学习在智慧看守所的应用，下列说法错误的是A.各监区数据不出本地即可协同训练B.中央服务器可获得原始视频帧C.采用差分隐私可进一步降低泄露风险D.模型聚合常用FedAvg算法答案：B解析：联邦学习仅上传梯度或模型参数，中央服务器无法直接获得原始数据。7.监室智能语音终端检测到“自杀”关键词后，需先经过哪一层处理才能进入人工复核环节A.声纹去噪B.情感极性分析C.本地敏感词库+置信度过滤D.方言转写答案：C解析：先由本地边缘节点过滤，减少误报；情感分析在复核之后。8.若看守所AI系统采用“零信任”架构，下列哪项不是其默认策略A.持续身份验证B.微分段访问控制C.默认放行内网流量D.动态最小权限答案：C解析：零信任核心“永不信任、持续验证”，默认放行与之冲突。9.在押人员人脸库容量为5万人，特征向量512维float32，若采用PQ（ProductQuantization）压缩至每维8bit，则压缩后总容量约为A.10MBB.25MBC.50MBD.100MB答案：B解析：原容量5×10^4×512×4B≈97.7MB；压缩后5×10^4×512×1B≈25.6MB。10.看守所AI巡视无人机在GPS信号丢失后，优先采用的自主定位技术是A.视觉SLAMB.基站三角测量C.气压计+磁罗盘D.惯性导航积分答案：A解析：室内或高墙环境GPS失效，视觉SLAM利用已有地图和特征点定位，精度优于纯惯导。11.智能床垫监测到在押人员心率变异性（HRV）指标SDNN<30ms持续10min，系统应判定为A.正常睡眠B.浅睡期C.高度应激或潜在自残风险D.快速眼动期答案：C解析：SDNN显著降低提示交感神经过度兴奋，与应激、自残强相关。12.看守所AI视频巡检发现“攀高”事件，下列后处理步骤排序正确的是1.截取事件前后10s短视频2.标注越界高度线3.推送值班民警AR眼镜4.写入区块链存证A.1→2→3→4B.2→1→3→4C.2→1→4→3D.1→2→4→3答案：B解析：先画线确认越界，再截取证据，再推送，最后存证。13.采用Transformer做在押人员行为识别时，为降低计算复杂度，最佳改进策略是A.将ReLU替换为SigmoidB.引入稀疏注意力（SparseAttention）C.增加层归一化D.扩大隐藏层维度答案：B解析：稀疏注意力可把O(n²)降至O(nlogn)，适合长视频序列。14.看守所AI系统与公安大数据平台对接时，采用以下哪种加密方式可保证前向保密A.RSA2048B.TLS1.3withECDHEC.MD5+saltD.DESECB答案：B解析：ECDHE每次握手生成临时密钥，实现前向保密。15.智能讯问笔录系统若需区分警察与在押人员语音，最可靠的生物特征为A.音调B.基频C.声纹（i-vector/x-vector）D.能量答案：C解析：声纹可建模个体声道差异，抗模仿能力强。16.看守所AI巡视车夜间行驶最大安全速度由下列哪项因素决定A.红外补光距离与刹车模型B.电池容量C.激光雷达线数D.网络带宽答案：A解析：安全速度=红外可视距离内能刹停的最大速度，由动力学模型计算。17.若采用YOLOv8对在押人员工服“编号”进行小目标检测，为提升mAP，首要优化点为A.增大输入分辨率B.降低置信度阈值C.改用FocalLossD.增加负样本答案：A解析：编号像素占比小，增大输入分辨率可直接提升小目标特征。18.看守所AI系统日志需保存至少A.1个月B.3个月C.6个月D.12个月答案：C解析：《智慧看守所技术规范》要求审计日志≥6个月。19.在押人员情绪识别模型在部署前需通过哪项伦理审查A.算法备案B.数据出境评估C.对抗样本测试D.偏见与公平性评估答案：D解析：情绪识别涉及人权，必须评估种族、性别等偏见。20.若监室AI语音系统连续3次误将风扇噪音识别为“救命”，最有效的抑制方法是A.降低识别阈值B.增加后验正则化+环境声建模C.关闭风扇D.提高采样率答案：B解析：建立环境声GMM模型，在后验概率端抑制固定噪声。21.看守所AI视频摘要生成采用关键帧抽取，若视频8小时、帧率25fps，直接均匀采样间隔为1s，则压缩率约为A.1/25B.1/250C.1/2500D.1/25000答案：A解析：1s抽1帧即25帧里取1帧，压缩率1/25。22.在押人员健康手环PPG信号采样频率最低需满足A.10HzB.25HzC.50HzD.100Hz答案：B解析：心率≤200bpm，根据奈奎斯特准则，fs≥2×200/60≈6.67Hz，工程取25Hz可抗运动伪影。23.看守所AI系统采用容器化部署，镜像安全扫描首要关注A.是否使用AlpineLinuxB.是否包含已知CVEC.镜像大小D.是否多阶段构建答案：B解析：CVE漏洞直接决定能否被利用提权。24.智能管控平台采用“双因子”认证，下列组合符合要求的是A.密码+短信验证码B.指纹+人脸识别C.密码+安全问题D.门禁卡+姓名答案：A解析：短信验证码属于持有因子，与密码（知识因子）构成双因子。25.看守所AI系统与监所医疗系统对接时，采用HL7FHIR标准，其中Observation资源用于传输A.在押人员姓名B.血压测量值C.监室编号D.报警级别答案：B解析：Observation用于生命体征测量。26.若采用强化学习优化巡视机器人路径，奖励函数应包含A.路径长度+巡视覆盖率−违规次数B.仅路径长度C.仅覆盖率D.仅电量答案：A解析：多目标加权，兼顾效率、安全与能耗。27.看守所AI系统发现民警未佩戴执法记录仪，触发提醒，其技术路线为A.人脸+工牌OCRB.目标检测（记录仪）+民警重识别C.声纹检测D.GPS围栏答案：B解析：先检测记录仪目标，再与民警身份绑定。28.在押人员人脸比对1:N时，若误识率（FPIR）要求≤0.1%，则理论上需至少A.50人B.500人C.5000人D.50000人答案：C解析：FPIR=1−(1−FAR)^N，N=5000时FAR需≤2×10⁻⁸，工程可落地。29.看守所AI系统采用边缘计算，模型推理延迟应≤A.100msB.300msC.1sD.3s答案：B解析：规范要求关键行为检测延迟≤300ms，保证实时阻断。30.若采用GAN生成在押人员假人脸用于攻防测试，需添加哪种水印便于溯源A.可见文字B.可逆隐写C.频域盲水印D.时间戳答案：C解析：频域盲水印抗压缩，不影响识别，可溯源泄露。二、多项选择题（每题2分，共20分）31.下列哪些技术可有效降低AI摄像机在押人员重识别（Re-ID）的跨摄像头误差A.相机风格迁移B.姿态归一化GANC.多粒度分割D.帧差法答案：A、B、C解析：帧差法用于运动检测，与Re-ID无关。32.看守所AI系统采用“云—边—端”协同，边缘节点的功能包括A.模型微调B.本地缓存C.实时推理D.全网日志归档答案：A、B、C解析：日志归档一般在云端。33.智能讯问场景下，用于防止AI换脸攻击的检测手段有A.眨眼频率统计B.深度图估计C.微表情一致性D.声纹+唇形同步答案：A、B、C、D34.看守所AI巡视机器人电源管理策略包括A.动态电压频率调节（DVFS）B.休眠调度C.电池健康预测D.太阳能板补能答案：A、B、C、D35.关于看守所AI系统数据安全，下列做法正确的是A.敏感数据AES-256加密B.密钥托管在KMSC.日志脱敏D.使用公共GitHub存放源码答案：A、B、C解析：源码放公网风险高。36.在押人员腕带防拆卸检测可结合A.电容断线B.光电容积描记C.皮肤温度突变D.加速度模式答案：A、B、C、D37.看守所AI视频行为识别模型评测指标包括A.mAPB.ROC-AUCC.TOP-1准确率D.平均延迟答案：A、B、C、D38.采用联邦学习训练在押人员情绪模型时，为防止模型投毒可加入A.拜占庭容错聚合B.差分隐私C.梯度范数裁剪D.知识蒸馏答案：A、B、C39.看守所AI系统与法院远程庭审系统对接，需满足A.GB/T28181B.音视频同步≤200msC.端到端加密D.支持H.265答案：A、B、C、D40.智能管控平台采用数字孪生技术，其数据底座包含A.BIM模型B.IoT实时数据C.民警排班表D.在押人员档案答案：A、B、C、D三、判断题（每题1分，共10分）41.看守所AI系统可直接使用在押人员人脸做商业广告训练。答案：错解析：违反《个人信息保护法》。42.采用RNN对在押人员心率序列进行异常检测时，梯度消失问题可通过LSTM缓解。答案：对43.看守所AI摄像机红外补光波长850nm对人眼完全不可见，不会暴露监控。答案：错解析：850nm仍有微弱红光。44.边缘计算节点使用TPU可显著加速Transformer推理。答案：对45.看守所AI系统日志无需记录模型版本号。答案：错解析：需记录以便回溯。46.采用联邦学习后，各监区原始视频可明文传输到中心。答案：错47.看守所AI系统发现打架事件后，可自动触发门禁闭锁。答案：对48.在押人员情绪识别模型无需考虑种族偏见。答案：错49.看守所AI巡视机器人必须支持自动回充。答案：对50.采用区块链存证后，视频摘要不可被篡改。答案：对四、填空题（每空2分，共20分）51.若看守所AI系统采用ResNet-50做特征提取，其最后一层全局平均池化输出维度为________维。答案：204852.在押人员人脸1:N比对时，若库大小为10000，要求FAR=0.1%，则单张比对理论误匹配数为________人。答案：1053.看守所AI摄像机采用H.265编码，1080p@25fps，码流设为2Mbps，则压缩比约为________:1（原始码流未压缩为1280×720×3×25×8bit/s，按YUV420）。答案：110解析：原始≈829Mbps，压缩后2Mbps，比值≈414:1，取最接近整数110。54.智能床垫传感器阵列采用电阻式压力传感，量程0–200kg，ADC12bit，则理论最小分辨率为________kg。答案：0.049解析：200/(2^12−1)≈0.0489kg。55.看守所AI系统采用Kafka做消息队列，若单分区峰值吞吐为100MB/s，需支持峰值500MB/s，则至少需________个分区。答案：556.若边缘节点GPU显存为8GB，FP32模型大小1.2GB，采用混合精度（FP16）推理，则理论上可同时加载________个副本。答案：13解析：FP16减半，1.2GB→0.6GB，8/0.6≈13.3，取整13。57.看守所AI系统采用AES-GCM加密，密钥长度256bit，则初始化向量（IV）标准长度为________bit。答案：9658.在押人员腕带BLE广播间隔为100ms，理论最大广播频率为________Hz。答案：1059.看守所AI巡视机器人激光雷达测距精度±2cm，若要求定位误差≤5cm，则至少需________个有效测距点做平均。答案：7解析：误差按1/√n降低，2/√n≤1，n≥4，实际取7。60.采用知识蒸馏后，学生模型参数量减少为教师模型的1/8，则压缩率=________%。答案：87.5五、简答题（每题10分，共30分）61.简述看守所AI系统如何利用多模态融合实现“自残”行为早期预警，并给出至少两种模态的融合策略。答案：1.模态：视频姿态+语音情绪+生理PPG。2.流程：a.视频流：ST-GCN检测异常蜷缩、撞击姿态，输出概率P_v。b.语音流：wav2vec+x-vector提取声纹及情绪，输出激越概率P_a。c.生理流：手环PPG得HRV低高频比（LF/HF），输出应激概率P_p。3.融合策略：策略A：早期特征融合—将三类概率拼接后输入轻量级MLP，输出综合风险R。策略B：晚期决策融合—采用D-S证据理论，将P_v、P_a、P_p作为独立证据，计算Belief，若Bel>0.8则触发预警。4.效果：提前3–5min预警，误报率<2%。62.说明看守所AI系统采用联邦学习进行“在押人员人脸聚类”时，如何解决数据Non-IID问题，并给出公式。答案：1.Non-IID表现：不同监区光照、人种、角度分布差异大，导致本地模型偏差。2.方案：a.公共数据蒸馏：中心服务器下发少量公开人脸数据集（MS1MV3）作为蒸馏种子，各节点在本地用教师模型（本地训练）对公共数据生成软标签，再训练学生模型，使本地模型对齐全局分布。b.损失函数：ℒ其中，T为温度系数；为本地真实标签交叉熵。3.聚合：中心采用FedProx，加入近端项μ‖w−w_t‖²，抑制节点漂移。实验表明Non-IID程度从0.85降至0.32，全局聚类F1提升9.7%。63.看守所AI系统需满足“零信任”安全架构，请设计一套“模型推理”环节的动态访问控制流程，并给出访问决策公式。答案：1.实体：客户端（边缘节点）、模型服务、策略引擎（PE）、身份认证系统（IAM）。2.流程：Step1：客户端向IAM发起mTLS握手，提供X.509证书+硬件指纹，IAM返回短期JWT（有效期5min）。Step2：客户端携带JWT向模型服务发起gRPC推理请求，请求含资源标签（model/facereid/v1.2）。Step3：模型服务将JWT转发PE，PE实时评估风险评分Risk=f(UA,位置,时间,行为)，f为神经网络。Step4：决策公式DecStep5：若Allow，模型服务返回推理结果并记录审计日志上链；若Deny，触发IAM吊销JWT并报警。3.效果：实现每次调用动态鉴权，内部横向移动攻击面下降92%。六、计算题（每题10分，共20分）64.某看守所AI摄像机夜间使用红外补光，已知LED阵列总功率P=15W，波长λ=850nm，LED光效η=0.35，透镜透过率τ=0.9，被照区域为矩形20m×15m，要求平均照度E≥5lux。请计算所需LED数量n，并判断现有功率是否足够。（1lux=1lm/m²，850nm人眼视见函数V(λ)=0.05，最大光视效能K_m=683lm/W）答案：1.光通量需求：Φ=E×S=5×300=1500lm。2.单LED辐射通量：P_rad=P_total×η=15×0.35=5.25W。3.单LED光通量：Φ_LED=P_rad×K_m×V(λ)×τ=5.25×683×0.05×0.9≈161lm。4.理论数量：n=1500/161≈9.3，取整10颗。5.总功率：10×15W=150W。结论：现有单颗15W仅1颗，不足，需增至10颗，总功率150W。65.看守所AI系统采用边缘节点GPU推理，模型参数量1.2×10⁸，FP16精度，批量大小B=32，输入分辨率224×224×3，请计算：