安防恰好具有數據可得性高、數據層次豐富的特征，如今安防監控領域已進入數據“大爆炸”的時代。在云計算、大數據、芯片、算法等技術的助推下，“AI+安防”的概念開始浮出水面。如今在公共安全領域尤其是視頻監控技術應用領域，“AI+安防”應用已經落地。
“AI+安防”獲得國家政策加持
2016年6月份，工信部等部門發布的《“互聯網”人工智能三年行動實施方案》(以下簡稱《方案》)指出，智能安防將作為人工智能產品創新的重點應用推廣領域。《方案》提出，實施智能安防推廣工程，鼓勵安防企業與互聯網企業開展合作，研發集成圖像與視頻精準識別、生物特征識別、編碼識別等多種技術的智能安防產品，推動安防產品的智能化、集約化、網絡化。
“AI+安防”的落地趨勢
基于GPU運算的方案、人臉識別、大數據應用等已經成為業內的共識。各種新技術的大肆輸入，加速驅動著智能監控技術升級，向更高層級進化。與此同時，行業用戶對視頻監控也提出更多需求，多樣化的應用場景催生出不同的用戶需求。具體到安防監控應用中來，AI在視頻理解和大數據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務相結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。
大數據：大數據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：海量數據管理、大規模分布式計算和數據挖掘。海量數據管理被用于采集、存儲人工智能應用所涉及的全方位數據資源，并基于時間軸進行數據累積，以便能在時間維度上體現真實事物的規律;大規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據，開展特征匹配和模型仿真，并為眾多用戶提供個性化服務;數據挖掘是人工智能發揮真正價值的核心，利用機器學習算法自動開展多種分析計算，探究數據資源中的規律和異常點，輔助用戶更快、更準地找到有效的資源。
大數據解決安防監控“痛點”
目前大數據解決安防監控“痛點”主要是從九個方面進行。
一、人流密度分布、變化趨勢、活動的動態監測，預測踩踏指數，實現大型活動和重要區域的風險管理。
二、空間狀態分析，車流密度分布、變化趨勢，道路狀態及變化監測，主要用于預測擁堵指數，實現交通信號的預測調節；
三、數據融合、關聯，實現同號搜索，人、車軌跡跟蹤等。
四、有序過程與隨機過程分析，成為社會治安關鍵因素，進行常態與暫態分析，實現社會治安風險評估，事件預警。
五、高風險因素監控和關聯分析，主要應用于擴大社會掌控面；制定有效防范措施和反應預案。
六、融合定位、通信、網絡等技術，提高對高風險因素（人、物、事、時間、地點等）掌控的精度、粒度，建立重大事件風險評估、預警機制，提高防范能力，進而實現犯罪高發分布及分類基礎性研究及綜合治理方案的制定。
七、高風險單位、區域、活動安全管理，利用大數據，進行風險和脆弱性分析，結合歷史數據的回歸統計；成功和不成功案例的分析，建立風險管理機制，指導安防系統建設。
八、各類系統效能分析，主要應用公共安全系統建設、評價。
九、安防基礎理論研究數據庫，通過數據融合、關聯及歷史回歸統計，開展大數據應用；建立安全基礎研究和預警理論研究基礎數據庫。總之，大數據應能解決公共安全的關鍵問題，支撐公共安全系統建設。
結語：人工智能的逐漸落地，正推動著主動安防理念的一步步深化。“AI+安防”在應用層面必然爆發大量場景應用，為我們創造一個更智能的生活環境。
京公網安備 11010502049343號