隨著GPU等硬件設(shè)備的研發(fā)和人工智能相關(guān)軟件算法的成熟，人工智能逐漸被大規(guī)模應(yīng)用各個領(lǐng)域，而安防行業(yè)對實(shí)時性、準(zhǔn)確性要求極高，人工智能+安防應(yīng)運(yùn)而生。

深度學(xué)習(xí)、大數(shù)據(jù)等技術(shù)持續(xù)突破，“人工智能+”已成為我國經(jīng)濟(jì)增長的新引擎。人工智能的產(chǎn)業(yè)化是“AI+垂直行業(yè)”的一場變革。安防行業(yè)的海量數(shù)據(jù)以及事前預(yù)防、事中響應(yīng)、事后追查的訴求與人工智能訓(xùn)練需求及技術(shù)邏輯完全吻合，是人工智能*理想的落地行業(yè)之一?！癆I+安防”已經(jīng)從概念普及、技術(shù)比拼，進(jìn)入到產(chǎn)品、場景、實(shí)戰(zhàn)應(yīng)用和生態(tài)構(gòu)建階段。

根據(jù)中安協(xié)發(fā)布《中國安防行業(yè)“十三五”(2016-2020年)發(fā)展規(guī)劃》指出，“十三五”期間，安防行業(yè)將向規(guī)?；?、自動化、智能化轉(zhuǎn)型升級，且到2020年，安防企業(yè)總收入達(dá)到8000億元左右，年增長率達(dá)到10%以上。

AI+安防使用技術(shù)

1、視頻結(jié)構(gòu)化技術(shù)一是目標(biāo)檢測——從視頻中提取出前景目標(biāo)，然后識別出前景目標(biāo)是有效目標(biāo)(如：人員、車輛、人臉等)還是無效目標(biāo)(如：樹葉、陰影、光線等)。在目標(biāo)檢測過程主要應(yīng)用到運(yùn)動目標(biāo)檢測、人臉檢測和車輛檢測等技術(shù)。

二是目標(biāo)跟蹤——實(shí)現(xiàn)特定目標(biāo)在場景中的持續(xù)跟蹤，并從整個跟蹤過程中獲取一張高質(zhì)量圖片作為該目標(biāo)的抓拍圖片。在目標(biāo)跟蹤過程中主要應(yīng)用到多目標(biāo)跟蹤、目標(biāo)融合以及目標(biāo)評分技術(shù)。

三是目標(biāo)屬性提取——對已經(jīng)檢測到的目標(biāo)圖片中目標(biāo)屬性的識別，判斷該目標(biāo)具有哪些可視化的特征屬性，例如人員目標(biāo)的性別、年齡、著裝，車輛目標(biāo)的車型、顏色等屬性。目標(biāo)屬性提取過程主要基于深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的特征提取和分類技術(shù)。

2、大數(shù)據(jù)技術(shù)

大數(shù)據(jù)技術(shù)為人工智能提供強(qiáng)大的分布式計(jì)算能力和知識庫管理能力，是人工智能分析預(yù)測、自主完善的重要支撐。

一是海量數(shù)據(jù)管理被用于采集、存儲人工智能應(yīng)用所涉及的全方位數(shù)據(jù)資源，并基于時間軸進(jìn)行數(shù)據(jù)累積，以便能在時間維度上體現(xiàn)真實(shí)事物的規(guī)律。同時，人工智能應(yīng)用長期積累的龐大知識庫，也需要依賴該系統(tǒng)進(jìn)行管理和訪問。

二是大規(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(wù)。

三是數(shù)據(jù)挖掘是人工智能發(fā)揮真正價值的核心，利用機(jī)器學(xué)習(xí)算法自動開展多種分析計(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，進(jìn)行風(fēng)險預(yù)測和評估。