實現這樣的目標，自然要涉及云計算、大數據、物聯網應用等新一代信息技術的支撐，特別是人工智能的應用。
人工智能(AI-ArtificialIntelligence)是計算機科學的分支，是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用的一門邊緣和交叉學科。現已發展成具有完整的學科體系;獨特的研究方法和非常廣泛應用領域的獨立的學科。
由于深度學習優異的特征學習能力;對數據更本質的刻畫;快速的知識積累，拓展了人工智能的研究和應用領域，使得機器學習能夠完成更多的任務，實現更多的應用;勢如破竹地攻克了一些長期未能解決的難題，使得人們企盼的智能機器變為可能，人工智能不再是人們的期望，而是近在眼前，甚至即將實現。如、無人駕駛汽車、預防性醫療與健康管理等。
可以說，人工智能界終于找對了方向，實現了大爆發。人類第一次如此接近了人工智能的夢想;真正、真實的看到了人工智能輝煌的未來。
人工智能是支撐自動(智能)化系統的基礎技術。也是安防(視頻監控)系統的基礎技術，或者說：安防是人工智能研究(應用)的重要領域。雪亮工程應時而出，自然成為人工智能新的研究和應用領域。具體應用主要有：
一、實施功能的自主化
視頻監控系統包含許多遙控和編程控制功能和子系統，如、攝像機的目標跟蹤;多個攝像機，或攝像機與系統其它設備的多機聯動、功能聯動等遙控和編程控制功能或子系統。這些功能是由人的操縱或預先設定的程序控制來完成。采用人工智能，可實現系統的自主動作，如、攝像機自動發現目標，然后自主地進行跟蹤;根據目標的行為，自主地與相關攝像機和其它設備進行聯動。
機器人、無人機等是人工智能的重要研究領域，涉及人工視覺、人工觸覺等技術。目前廣泛應用于安防領域的這些設備基本上還是遙控裝置。采用人工智能技術，可以逐漸實現動作的自主動性，如通過人工視覺，感知目標的特征、形態、距離和速度等，自主地跟蹤目標、避障、制動和發動攻擊等;通過人工觸覺，感知物體的重量、虛實、光滑度等，自主地抓物或采用相應的失能處置。
通常，自動化系統分為三個層次：遙控、編程控制和自主動作。顯然、后者技術難度最高，是自動化的最高境界——智能化。但并不是所有系統和設備都需要智能化，各層次的產品適應不同的應用，并非都要實現自主動作。
二、提高動作的精準性和效率
視頻監控系統中許多功能和子系統已采用了機器學習技術，根據統計學理論，進行價值判斷，提高性能與能力。若采用深度學習，就可以進一步提高它們的學習能力。如圖像系統的生物特征識別(人臉、指紋等)、圖像內容分析及搜圖等系統，通過深度學習可提高識別、判斷、搜索的精準性和效率;同時可以增強系統的抗干擾能力、環境適應性，提高其實用性，擴展其應用的范圍。
攝像機圖像調節(光、焦、抖動)、寬動態、數字降噪及透霧等功能都是通過軟件來實現的。通過機器學習的訓練，可以不斷的優化算法，獲得更佳的圖像效果。在此基礎上，產生了軟件定義攝像機的概念。
改進圖像內容分析及搜圖等系統的學習方法，提高目標分類、行為判斷、搜索的精準性和效率。特別是通過深度學習的訓練，提高圖像分類特征表示的精細(粒)度，提高圖像標識的精準性。為系統學習提供高質量的、深層次的數據，逐步實現圖像信息的(半)結構化處理。在通常的監控環境下，實現圖像中事件的標識;人臉識別的應用;以及步態識別、聲紋識別等關鍵技術的突破和初步應用。在進行圖像內容標識時，數據融合對提高標識的精準性和深度有很大的幫助。數據融合也有助于感知前端的完善和云邊結構的構成。
三、提高系統的決策水平
安防和視頻監控系統中存在著各種各樣的決策系統，大如風險評估、預警系統和預案(專家)系統;小如圖像調節的算法、目標跟蹤的方案。采用深度學習技術，提高預警、風險評估，預案等專家系統的決策水平;圖像搜索的策略等，這些決策水平的高低，決定系統的應用水平和功能滿足業務需求的能力。
通過人工智能的應用，深化圖像信息的應用;破解公共安全難題;構建風險評估體系，安全預警體系，促進和加快現代安全體系的建立，是中央對公共安全的要求，也是雪亮工程建設的重要目標。
上述應用本質是大數據處理，我們通過從新的、更多的角度(維度)和深度，觀察世界(事務)，來提高洞察、決策、程序優化的能力;通過數據融合，挖掘圖像的深層次的信息，真正發現大數據的價值。
四、人工智能的應用場景
場景，是指技術應用的(外界)環境。是充分發揮技術本質能力的外部條件，或技術可以適應的外部條件。通常智能系統要求建立稍加限制的應用環境(場景)，以保證技術本質能力的發揮。因此、場景(環境因素)也成了限制技術應用和影響應用效果的重要因素。顯然、外部條件的限制越少(低)，技術的環境適用性越好。
人工智能的出現，特別是深度學習的應用，正逐漸突破環境因素的限度。使智能系統的應用環境(場景)日益自然、自由。如在通常的監控系統環境保護下，實現許多智能化技術的應用。我們也把解決視頻監控系統現存問題和不足，寄望予人工智能。
從應用場景的角度，分析人工智能智能在雪亮工程中的應用，還可以更直觀和清晰地表現出人工智能技術的切入點、可以解決的具體問題和可能實現的效果。
雪亮工程中人工智能的應用場景主要有：
圖像標識
標識圖像是圖像信息結構化的一個途徑。人工智能將是實現圖像標識的主要的技術方法。這里暫且稱之為半結構化。圖像標識包括：
標識圖像中的目標，它需要截取一(幾)幀圖像。目前大多系統都可完成這個功能。如標識視頻圖像中的人或車。人工智能化應用于該場景，有助于目標的標識更精準、更精細。
標識圖像中的事件，需要分析一段視頻圖像(一個圖像序列)，屬視頻語義解釋。目前，很多應用離業務需求尚有差距。深度學習將為解決這一問題提供一個新思路和方法。
人臉識別
深度學習很可能實現人臉識別的突破，而且解決問題的速度之快會令人驚訝。
模式識別，是傳統人臉識別的基本方法。要求系統定義人臉、建立特征庫和稍加限制的環境。在技術上實現后，一直沒有實質性進步，距實用化尚有很大距離，特別是在通常的視頻監控環境下。
深度學習，通過模仿人的思維過程，產生大量的、深層的數據分布式特征的表示，經大數據的訓練，使圖像的分類表示越來越精細，知識積累愈加豐富，很快就產生許多實用性的成果。基于深度學習，將會導致生物特征識別方法和模式的創新。使人臉識別在通常的監控環境下，得以實現。
同樣，深度學習也將支持步態識別、聲紋識別等新技術得到初步的應用。
構建城市空間狀態圖像
把系統前端設備(攝像機等)感知的信息，通過深度學習，生成反映城市狀態的原始、實時數據的可視化表示。是觀察城市實時狀態、動態變化的最佳、最直觀方式。
視頻信息對構建城市空間狀態圖像具有最大的價值，前提是實現視頻語義的理解。
視頻信息可直接生成空間狀態圖像。如人流密度、分布，車輛密度等。
通過深度學習，從視頻信息中產生城市狀態深層數據的可視化表示。如道路擁堵指數、人流踩踏風險指數等。
非視頻信息經大數據處理，也可生成空間狀態圖像。如高危人、物、活動的分布，城市人口狀態等。
而且，多種數據的融合是構建空間狀態圖像的最有效方法，可以提高狀態圖像的準確性和實時性。
風險管控
風險管控是現代安全的基本功能(要素)。
傳統安全，風險分析的目的是發現系統的脆弱性。通過系統加固(建設)，降低風險到可接受的程度。風險分析是系統設計的依據(方法)。
現代安全，風險管控的目的是發現安全環境可能出現的風險。采用適當的措施，防止危險事件的發生。風險分析是系統功能(要素)。
風險分析，通過對影響安全的諸多因素(政、經、社)的大數據處理。洞察和判斷宏觀的安全狀態及可能出現的風險;通過對敏感人、物、時、地、突發、形勢等的大數據處理，判斷各類事件發生的可能性(風險高低)。
空間狀態圖像反映安全環境的實時狀態，狀態的變化是趨勢，良性的保持;不良的就是風險，采取適當方式改善。就是風險管控和預警。
風險管控系統具有自主成長性，在大數據的支持下、通過迭代式的訓練，可不斷的提高系統的洞察、判斷的能力和風險分析的準確性。
空間狀態預測調節
交通管理系統是典型案例，傳統系統以交通信號的實時控制為核心，希望能實現點、線、面的控制及最佳綠信比。但實踐證明，傳統控制方法(信號的實時控制)實現不了這些目標;現代(城市)交通管理系統必須采用現代控制理論，通過多變量的空間狀態分析，進行區域性(整體空間)的預測調節，來實現道路資源與車流狀態的匹配。
風險管控更是典型的現代復雜系統。所謂發現可能出現的風險，采用適當的措施，防止危險事件的發生，實質上、是空間狀態的預測和多方位、立體化的安全體系的調節。
概括的講，雪亮工程是人工智能最適配的應用場景，除上述幾個方面外，還有許多可為人工智能大展身手的場景。總之，雪亮工程為智能監控提供了新的舞臺，通過人工智能的應用，極大地提升視頻監控系統的智能化水平，解決傳統系統的缺欠和不足。真正使視頻監控的眼睛更加雪亮。同時，也成為行(企)業轉型、升級的切入點。將安防行業的改革引入新的階段。
京公網安備 11010502049343號