未來幾年，人工智能（Artificial Intelligence，縮寫AI）將以完成具體任務的服務智能為主要趨勢，數(shù)據(jù)化程度高的行業(yè)將率先啟動AI落地。在服務智能情景下，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，爆發(fā)大量場景應用。 如今安防監(jiān)控領域已進入數(shù)據(jù)“大爆炸”的時代，面對井噴式增長的視頻監(jiān)控數(shù)據(jù)量，只停留在淺層次分析識別的傳統(tǒng)智能算法，已無法滿足深層次數(shù)據(jù)價值挖掘的需求。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)作為人工智能技術天然的訓練場和應用場，對于人工智能的落地應用有著迫切的需求，基于安防行業(yè)的天然屬性-識別、分析、提取視頻監(jiān)控畫面中人、車、物、環(huán)境等各項信息，具體到監(jiān)控應用中來，AI在視頻理解和大數(shù)據(jù)兩方面都有很好的應用。

視頻理解：通過深度學習等人工智能前沿技術，實現(xiàn)對視頻中目標檢測、目標跟蹤、目標分類、目標檢索和行為分析，目標檢測和目標跟蹤比較好理解，目標分類在目標檢測與跟蹤之后，捕獲到合適目標，可以對它的屬性進行分析判斷。以監(jiān)控場景的人體為例，可以識別他是否騎車、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，最后通過目標檢索和行為分析與上層業(yè)務相結(jié)合判斷目標的活動軌跡、身份，并對視頻畫面中的目標正在進行的行為活動（比如打架、人群聚集等）進行分析判斷。

    大數(shù)據(jù)：大數(shù)據(jù)技術為人工智能提供強大的分布式計算能力和知識庫管理能力，是人工智能分析預測、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)模分布式計算和數(shù)據(jù)挖掘。海量數(shù)據(jù)管理被用于采集、存儲人工智能應用所涉及的全方位數(shù)據(jù)資源，并基于時間軸進行數(shù)據(jù)累積，以便能在時間維度上體現(xiàn)真實事物的規(guī)律;大規(guī)模分布式計算使得人工智能具備強大的計算能力，能同時分析海量的數(shù)據(jù)，開展特征匹配和模型仿真，并為眾多用戶提供個性化服務;數(shù)據(jù)挖掘是人工智能發(fā)揮真正價值的核心，利用機器學習算法自動開展多種分析計算，探究數(shù)據(jù)資源中的規(guī)律和異常點，輔助用戶更快、更準地找到有效的資源。

AI加持下的智能安防效能表現(xiàn)

隨著深度學習算法的突破，安防領域目標識別、物體檢測、場景分割、信息提取標簽化、數(shù)據(jù)檢索等各項技術應用也在不斷取得新的進展，相比于傳統(tǒng)智能帶來的應用效果，AI深度智能的效能提升尤為顯著，具體表現(xiàn)在：準確率更高。應用深度學習算法的深度智能設備，可以從原始數(shù)據(jù)中提取具有高階語義、表達能力強的特征，這些特征往往使得分類效果更好，從而使得識別分類對象的準確率更高，也就是說：深度學習讓智能有了質(zhì)的飛躍；環(huán)境適應性更強。同樣是環(huán)境特征的提煉，深度學習算法可以自行提取更豐富、更適合的特征參數(shù)，從而達到更強的環(huán)境適應性。這就意味著，深度學習的產(chǎn)品可以應用到更廣泛的環(huán)境當中;識別種類更豐富。理論上只要有足夠多的樣本進行訓練，深度學習能夠?qū)崿F(xiàn)比較精準的目標分類識別，自主特征識別的特點，又讓深度學習特別適用于抽象、復雜的關于人的特征、行為的分析領域。

預警，AI+安防的趨勢

現(xiàn)階段人工智能在安防監(jiān)控中的應用很大程度是體現(xiàn)在效率提升的方面，將原先動輒需要幾個月，甚至幾年才能偵破的復雜案件，破案效率提升到幾天甚至幾個小時，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，終極目標則落在“防”字上面，如何能從被動安防到主動安防甚至事先預警，這也是目前安防行業(yè)正在努力探索的方向。

目前，人工智能在安防領域另一個典型應用是通過以大數(shù)據(jù)分析為代表的智能分析技術，實現(xiàn)輿情監(jiān)控和惡性襲擊事件預警。較為典型的有人流管控、交通熱力圖等應用，系統(tǒng)可自動統(tǒng)計現(xiàn)場人流量或車流情況，當流量超過預設值時即發(fā)出報警信號提醒責任方采取限流和管控措施，適用于景區(qū)、大型活動的安全管理和城市交通疏導。預警的另一個方向，利用行為大數(shù)據(jù)來預判潛在犯罪，在具體的技術應用上，這里面涉及到對人物目標的特征和行為識別、分析，以及目標歷史數(shù)據(jù)的線性研判，利用人們的活動和行為數(shù)據(jù)，例如去出售武器的商店，來評估他們實施犯罪行為的可能性。當然這種預判是建立在有一定事實根據(jù)的基礎之上，比如有犯罪前科或是有作案動機的特殊目標，然后再輔以人工智能技術來達到預防潛在犯罪的目的，提高社會的安全性。