1、向邊緣發展
物聯網與云計算近年來逐漸為人們所熟悉，雖然為企業與消費者帶來益處，但同時也產生一些影響：從聯網設備向數據中心傳輸以便處理和存儲的數據量飛速增長，所需的相關帶寬也日益增加。而邊緣運算可以在靠近數據源的網絡“邊緣”執行數據處理任務，便能顯著降低傳感器、設備和數據中心間所需的帶寬。邊緣運算的進一步發展也與數據的完整性和隱私等問題關系密切：在數據傳輸到數據中心前，透過網絡邊緣設備對數據進行匿名和加密，可以有效地解決這些問題。
隨著網絡攝像機、音頻和其他傳感器(網絡邊緣設備)越來越先進，質量也越來越好，云計算和邊緣運算的平衡勢在必行，如此才能提供精確、可靠和可用的數據。
2、云到云
盡管存在如前述的邊緣運算發展趨勢，但云計算仍在IT基礎架構中發揮重要作用。不過，雖然云計算給人以單一實體的印象，然實際上全球有許多“云”廣為人們使用。隨著越來越多的企業開始提供建基于云端的服務，云生態系統逐漸成為用戶首選，而非傳統的內建系統。
在云端進行整合可以大幅減少所需的內部IT服務，而透過豐富的服務API，可以設立和布建來自于多家供貨商的進階復合服務，包括數據分析、內容管理和儲存，從而縮短上市時間并快速擴大規模。提供云端服務的企業組織應該抓住這個機會，透過整合相關服務，為客戶和合作伙伴增加價值。
3、深度學習與機器學習
目前我們已開始實現深度學習和機器學習架構的所有優勢：擁有海量的數據可供分析;擁有強大的處理能力，能夠在合理的時間范圍內完成分析;擁有先進的算法以及大量案例可供借鑒。當某些非凡的深度學習應用與圖像解讀、語音識別和決策支持互相關聯時，安防領域的分析潛力便不言而喻。
在相對較基礎的層面上，深度學習應用將可改善視頻運動檢測、人臉識別、個體追蹤和誤報控制，能有助于系統的設計、配置、優化和設備管理。此外，預測分析也將迎來前所未有的機遇，最終能夠預防各種事件的發生，包括恐怖攻擊、滑倒與墜落事故、交通問題和入店行竊等。
4、個性化與隱私
提供高度個性化的服務是深度學習的潛在應用之一。設想在某個零售環境中，顧客進店時進行人臉識別，而商店基于顧客過去的購買、偏好、甚至最近的瀏覽歷史，可將相關產品訊息推送到他的移動終端。但與此同時，這樣的例子也涉及人們對隱私問題的擔憂，以及對企業和其他組織機構如何使用個人資料/數據的擔憂。
在歐盟， 推出的“通用數據保護條例”(GDPR，2018年5月全面實施)統一保護歐盟范圍內的個人數據，無論其數據在哪里保存或使用。不管是受到立法的鼓舞抑或僅想做正確的事，在日益增加的個人化服務下，個人數據和隱私保護之間如何取得平衡，將是所有企業組織在新的一年必須要走的鋼索。
5、網絡安全
網絡安全的持續強化是一項永無止境的任務，網絡犯罪分子擁有充足的資源，且絕不會停止尋找任何新技術漏洞的腳步。尤其物聯網使聯網設備的數量呈指數級增長，潛在的網絡安全問題也會曝露，若不加以解決，除設備入侵外，更可能導致代價高昂的停機。2018年無疑將會面臨更多的網絡威脅和攻擊，企業應心懷警惕，持續修正、確保修補程序的落實。
6、通過平臺實現物聯網的全面優勢
物聯網現今所遇到的問題，在于要想擴張、收集和分析數據，以及有效地管理網絡設備，就必須使用可擴展性的架構。物聯網平臺允許不同節點供貨商的設備共存并交換信息，透過現有的網絡基礎設施形成智能化系統。許多企業，包括根基穩固的技術供貨商和新的市場進入者，都是通過平臺來支持物聯網設備，而其成熟度也會在新的一年中進一步提高。然而，不管是新的國際標準或事實標準在未來都同樣重要，有助于實現不同物聯網平臺間的互操作性，并可真正支持不依賴于特定供貨商的系統。
7、區塊鏈：不只是比特幣
許多人認為區塊鏈和比特幣是一回事，但它們實際上是相互獨立的，比特幣使用區塊鏈為基礎，而區塊鏈幾乎可驗證任何有價值的東西，其潛力無窮。作為一個開放的分布式賬本，區塊鏈能夠以可受驗證及永久性的方式有效記錄雙方交易，可以預期接下來將會應用在更多領域并接受考驗。
在安防業中，鑒于區塊鏈可以對任何內容進行身分驗證，我們可以透過區塊鏈來驗證各種來源(如公共移動電話和執法人員配備的隨身攝影機)的視頻內容，以實現取證調查。除視頻數據外，區塊鏈亦可用來驗證連接到攝影機的網絡設備真偽。
8、破解智能城市訊息孤立問題
智慧城市已非新概念，多年來建置在城市環境中的各類傳感器數量不斷增多，以協助解決從執法到空氣質量監測等各種問題。隨著移居至城市的全球人口越來越多，更多傳感器將被用來幫助建立更適宜居住、永續與更安全的環境。
智能城市的愿景是能安全地整合信息、數據、通訊和物聯網技術，以管理城市的各種資產，包括政府部門的信息系統、學校、圖書館、交通系統、醫院、發電廠、供水網、廢物管理、執法和緊急服務及其他小區服務設施。傳統上，這些單一服務設施大多孤立運行，唯有當城市的所有數據及服務設施都具開放性，才能算是真正的智慧城市;尤其面對各種如市民安全保障、交通堵塞、基礎設施老化以及自然災害和恐怖玫擊等事件的實時反應，都需要協調分析可用數據，才能采取適當有效的應對措施。
9、非視覺傳感器帶來新的面向
直到最近，監控人員能夠獲得的主要數據仍是2D視角的視頻，有了新的非視覺傳感器后，視角將變得多面向，能提供更豐富的數據，以利更迅速準確地評估情況，加快訊息呈報時間，將誤報率降至最低。
例如，雷達技術透過電磁波來檢測運動，雷達對移動的陰影或光束、小動物、雨滴、昆蟲、風和惡劣的天氣等通常會觸發誤報的事物不太敏感，且能提供相關目標的確切位置、行進方向等詳細信息。雖然熱成像已是相對完善的非視覺技術，但聲音檢測準確性的提升(如窗戶被砸或各種喧嘩聲)意味著音訊將會帶來另一種有用的輸入信息，而純粹基于視頻的解決方案則可能忽略這樣的信息。
10、虛擬助理與增強現實進入商用領域
去年消費者大量使用虛擬助理，亞馬遜Alexa、Google Home、蘋果Siri和微軟Cortana都被廣泛用于管理日常生活，而即將到來的Facebook M等技術將會在此基礎上持續發展。這些技術將不可避免地進入商用環境，因為消費者希望也能在工作中獲得與在家中一樣的幫助，尤其是針對復雜技術的產品與服務供貨商而言，規范、安裝、配置和管理方面的虛擬支持將不只是預期，更是當務之急。
增強現實(AR)目前則已存在于軍事、航空等領域，在商用領域也顯示出巨大潛力，特別是可普遍應用于行動設備和日益增加的穿戴式設備上。技術解決方案的安裝和維護是AR在商用領域的機會，可將視覺指令覆蓋在技術人員的實際視角上，幫助他們更好地開展工作。非視覺傳感器和分析技術已越來越多地應用于增加視頻信息的準確性和進一步的視角，視頻監控用戶可透過AR將這些數據源匯集在單一視頻中，以采取更迅速適當的因應措施。
2018年無疑還會出現更多意料之外的技術發展，但可以確定的是，我們正處在一個政治、文化、經濟、技術等方面瞬息萬變的世界，企業組織需更靈活以保持彈性。
京公網安備 11010502049343號