未來幾年，人工智能（Artificial Intelligence，縮寫AI）將以完成具體任務(wù)的服務(wù)智能為主要趨勢，數(shù)據(jù)化程度高的行業(yè)將率先啟動(dòng)AI落地。在服務(wù)智能情景下，數(shù)據(jù)可得性高的行業(yè)，人工智能將率先用于解決行業(yè)痛點(diǎn)，爆發(fā)大量場景應(yīng)用。 如今安防監(jiān)控領(lǐng)域已進(jìn)入數(shù)據(jù)“大爆炸”的時(shí)代，面對井噴式增長的視頻監(jiān)控?cái)?shù)據(jù)量，只停留在淺層次分析識(shí)別的傳統(tǒng)智能算法，已無法滿足深層次數(shù)據(jù)價(jià)值挖掘的需求。因此，AI在安防行業(yè)的落地水到渠成。

AI作用于安防的兩大方面

安防行業(yè)作為人工智能技術(shù)天然的訓(xùn)練場和應(yīng)用場，對于人工智能的落地應(yīng)用有著迫切的需求，基于安防行業(yè)的天然屬性-識(shí)別、分析、提取視頻監(jiān)控畫面中人、車、物、環(huán)境等各項(xiàng)信息，具體到監(jiān)控應(yīng)用中來，AI在視頻理解和大數(shù)據(jù)兩方面都有很好的應(yīng)用。

視頻理解：通過深度學(xué)習(xí)等人工智能前沿技術(shù)，實(shí)現(xiàn)對視頻中目標(biāo)檢測、目標(biāo)跟蹤、目標(biāo)分類、目標(biāo)檢索和行為分析，目標(biāo)檢測和目標(biāo)跟蹤比較好理解，目標(biāo)分類在目標(biāo)檢測與跟蹤之后，捕獲到合適目標(biāo)，可以對它的屬性進(jìn)行分析判斷。以監(jiān)控場景的人體為例，可以識(shí)別他是否騎車、衣著特征、性別、年齡段、頭發(fā)長短、是否背包、拎東西、戴口罩等等，最后通過目標(biāo)檢索和行為分析與上層業(yè)務(wù)相結(jié)合判斷目標(biāo)的活動(dòng)軌跡、身份，并對視頻畫面中的目標(biāo)正在進(jìn)行的行為活動(dòng)（比如打架、人群聚集等）進(jìn)行分析判斷。

    大數(shù)據(jù)：大數(shù)據(jù)技術(shù)為人工智能提供強(qiáng)大的分布式計(jì)算能力和知識(shí)庫管理能力，是人工智能分析預(yù)測、自主完善的重要支撐。其包含三大部分：海量數(shù)據(jù)管理、大規(guī)模分布式計(jì)算和數(shù)據(jù)挖掘。海量數(shù)據(jù)管理被用于采集、存儲(chǔ)人工智能應(yīng)用所涉及的全方位數(shù)據(jù)資源，并基于時(shí)間軸進(jìn)行數(shù)據(jù)累積，以便能在時(shí)間維度上體現(xiàn)真實(shí)事物的規(guī)律;大規(guī)模分布式計(jì)算使得人工智能具備強(qiáng)大的計(jì)算能力，能同時(shí)分析海量的數(shù)據(jù)，開展特征匹配和模型仿真，并為眾多用戶提供個(gè)性化服務(wù);數(shù)據(jù)挖掘是人工智能發(fā)揮真正價(jià)值的核心，利用機(jī)器學(xué)習(xí)算法自動(dòng)開展多種分析計(jì)算，探究數(shù)據(jù)資源中的規(guī)律和異常點(diǎn)，輔助用戶更快、更準(zhǔn)地找到有效的資源。

AI加持下的智能安防效能表現(xiàn)

隨著深度學(xué)習(xí)算法的突破，安防領(lǐng)域目標(biāo)識(shí)別、物體檢測、場景分割、信息提取標(biāo)簽化、數(shù)據(jù)檢索等各項(xiàng)技術(shù)應(yīng)用也在不斷取得新的進(jìn)展，相比于傳統(tǒng)智能帶來的應(yīng)用效果，AI深度智能的效能提升尤為顯著，具體表現(xiàn)在：準(zhǔn)確率更高。應(yīng)用深度學(xué)習(xí)算法的深度智能設(shè)備，可以從原始數(shù)據(jù)中提取具有高階語義、表達(dá)能力強(qiáng)的特征，這些特征往往使得分類效果更好，從而使得識(shí)別分類對象的準(zhǔn)確率更高，也就是說：深度學(xué)習(xí)讓智能有了質(zhì)的飛躍；環(huán)境適應(yīng)性更強(qiáng)。同樣是環(huán)境特征的提煉，深度學(xué)習(xí)算法可以自行提取更豐富、更適合的特征參數(shù)，從而達(dá)到更強(qiáng)的環(huán)境適應(yīng)性。這就意味著，深度學(xué)習(xí)的產(chǎn)品可以應(yīng)用到更廣泛的環(huán)境當(dāng)中;識(shí)別種類更豐富。理論上只要有足夠多的樣本進(jìn)行訓(xùn)練，深度學(xué)習(xí)能夠?qū)崿F(xiàn)比較精準(zhǔn)的目標(biāo)分類識(shí)別，自主特征識(shí)別的特點(diǎn)，又讓深度學(xué)習(xí)特別適用于抽象、復(fù)雜的關(guān)于人的特征、行為的分析領(lǐng)域。

預(yù)警，AI+安防的趨勢

現(xiàn)階段人工智能在安防監(jiān)控中的應(yīng)用很大程度是體現(xiàn)在效率提升的方面，將原先動(dòng)輒需要幾個(gè)月，甚至幾年才能偵破的復(fù)雜案件，破案效率提升到幾天甚至幾個(gè)小時(shí)，有力的詮釋了“向科技要警力”的概念。但回到安防的本質(zhì)，安全是第一要素，終極目標(biāo)則落在“防”字上面，如何能從被動(dòng)安防到主動(dòng)安防甚至事先預(yù)警，這也是目前安防行業(yè)正在努力探索的方向。

目前，人工智能在安防領(lǐng)域另一個(gè)典型應(yīng)用是通過以大數(shù)據(jù)分析為代表的智能分析技術(shù)，實(shí)現(xiàn)輿情監(jiān)控和惡性襲擊事件預(yù)警。較為典型的有人流管控、交通熱力圖等應(yīng)用，系統(tǒng)可自動(dòng)統(tǒng)計(jì)現(xiàn)場人流量或車流情況，當(dāng)流量超過預(yù)設(shè)值時(shí)即發(fā)出報(bào)警信號(hào)提醒責(zé)任方采取限流和管控措施，適用于景區(qū)、大型活動(dòng)的安全管理和城市交通疏導(dǎo)。預(yù)警的另一個(gè)方向，利用行為大數(shù)據(jù)來預(yù)判潛在犯罪，在具體的技術(shù)應(yīng)用上，這里面涉及到對人物目標(biāo)的特征和行為識(shí)別、分析，以及目標(biāo)歷史數(shù)據(jù)的線性研判，利用人們的活動(dòng)和行為數(shù)據(jù)，例如去出售武器的商店，來評估他們實(shí)施犯罪行為的可能性。當(dāng)然這種預(yù)判是建立在有一定事實(shí)根據(jù)的基礎(chǔ)之上，比如有犯罪前科或是有作案動(dòng)機(jī)的特殊目標(biāo)，然后再輔以人工智能技術(shù)來達(dá)到預(yù)防潛在犯罪的目的，提高社會(huì)的安全性。