隨著大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等創(chuàng)新技術(shù)的不斷發(fā)展，人工智能將在數(shù)據(jù)化程度高的行業(yè)快速實(shí)現(xiàn)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。

安防恰好具有數(shù)據(jù)可得性高、數(shù)據(jù)層次豐富的特征，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。在云計(jì)算、大數(shù)據(jù)、芯片、算法等技術(shù)的助推下，“AI+安防”的概念開始浮出水面。如今在公共安全領(lǐng)域尤其是視頻監(jiān)控技術(shù)應(yīng)用領(lǐng)域，“AI+安防”應(yīng)用已經(jīng)落地。

“AI+安防”獲得國家政策加持

　工信部等部門發(fā)布的《“互聯(lián)網(wǎng)”人工智能三年行動(dòng)實(shí)施方案》(以下簡稱《方案》)指出，智能安防將作為人工智能產(chǎn)品創(chuàng)新的重點(diǎn)應(yīng)用推廣領(lǐng)域。

“AI+安防”的落地趨勢

基于GPU運(yùn)算的方案、人臉識(shí)別、大數(shù)據(jù)應(yīng)用等已經(jīng)成為業(yè)內(nèi)的共識(shí)。各種新技術(shù)的大肆輸入，加速驅(qū)動(dòng)著智能監(jiān)控技術(shù)升級(jí)，向更高層級(jí)進(jìn)化。與此同時(shí)，行業(yè)用戶對(duì)視頻監(jiān)控也提出更多需求，多樣化的應(yīng)用場景催生出不同的用戶需求。具體到安防監(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(duì)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(duì)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(duì)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。

大數(shù)據(jù)解決安防監(jiān)控“痛點(diǎn)”

目前大數(shù)據(jù)解決安防監(jiān)控“痛點(diǎn)”主要是從九個(gè)方面進(jìn)行。

一、人流密度分布、變化趨勢、活動(dòng)的動(dòng)態(tài)監(jiān)測，預(yù)測踩踏指數(shù)，實(shí)現(xiàn)大型活動(dòng)和重要區(qū)域的風(fēng)險(xiǎn)管理。

二、空間狀態(tài)分析，車流密度分布、變化趨勢，道路狀態(tài)及變化監(jiān)測，主要用于預(yù)測擁堵指數(shù)，實(shí)現(xiàn)交通信號(hào)的預(yù)測調(diào)節(jié);

三、數(shù)據(jù)融合、關(guān)聯(lián)，實(shí)現(xiàn)同號(hào)搜索，人、車軌跡跟蹤等。

四、有序過程與隨機(jī)過程分析，成為社會(huì)治安關(guān)鍵因素，進(jìn)行常態(tài)與暫態(tài)分析，實(shí)現(xiàn)社會(huì)治安風(fēng)險(xiǎn)評(píng)估，事件預(yù)警。

五、高風(fēng)險(xiǎn)因素監(jiān)控和關(guān)聯(lián)分析，主要應(yīng)用于擴(kuò)大社會(huì)掌控面;制定有效防范措施和反應(yīng)預(yù)案。

六、融合定位、通信、網(wǎng)絡(luò)等技術(shù)，提高對(duì)高風(fēng)險(xiǎn)因素(人、物、事、時(shí)間、地點(diǎn)等)掌控的精度、粒度，建立重大事件風(fēng)險(xiǎn)評(píng)估、預(yù)警機(jī)制，提高防范能力，進(jìn)而實(shí)現(xiàn)犯罪高發(fā)分布及分類基礎(chǔ)性研究及綜合治理方案的制定。

七、高風(fēng)險(xiǎn)單位、區(qū)域、活動(dòng)安全管理，利用大數(shù)據(jù)，進(jìn)行風(fēng)險(xiǎn)和脆弱性分析，結(jié)合歷史數(shù)據(jù)的回歸統(tǒng)計(jì);成功和不成功案例的分析，建立風(fēng)險(xiǎn)管理機(jī)制，指導(dǎo)安防系統(tǒng)建設(shè)。

八、各類系統(tǒng)效能分析，主要應(yīng)用公共安全系統(tǒng)建設(shè)、評(píng)價(jià)。

九、安防基礎(chǔ)理論研究數(shù)據(jù)庫，通過數(shù)據(jù)融合、關(guān)聯(lián)及歷史回歸統(tǒng)計(jì)，開展大數(shù)據(jù)應(yīng)用;建立安全基礎(chǔ)研究和預(yù)警理論研究基礎(chǔ)數(shù)據(jù)庫�？傊�，大數(shù)據(jù)應(yīng)能解決公共安全的關(guān)鍵問題，支撐公共安全系統(tǒng)建設(shè)。

結(jié)語：人工智能的逐漸落地，正推動(dòng)著主動(dòng)安防理念的一步步深化�！癆I+安防”在應(yīng)用層面必然爆發(fā)大量場景應(yīng)用，為我們創(chuàng)造一個(gè)更智能的生活環(huán)境。