人工智能是当下*火的新兴技术，智能安防也是这几年市场关注的重点，那人工智能是如何为智能安防赋予灵魂的?下面我们就好好谈论一番，AI是Artificial Intelligence的缩写，通常被称为人工智能。人工智能是指由人工制造出来的系统所表现出来的智能，是指通过计算机实现的智能。人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步等等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是“智能”，就问题多多了。

　　这涉及到其它诸如意识(consciousness)、自我(self)、心灵(mind)，包括无意识的精神(unconscious mind)等等问题。人**了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能必要元素的了解也很有限，所以就很难定义什么是“人工”制造的“智能”了。

　　因此人工智能的研究往往涉及对人智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。人工智能目前在安防监控内，得到了愈加广泛的发挥，尤其是在机器视觉、深度学习、智能算法、控制系统、仿真系统中得到及其广泛的应用。

　　AI如何为安防赋能

　　随着安防近几年产业结构的调整安防厂家硬件技术的进步和快速推广为人工智能向安防行业渗透提供了先天的有利条件。通过近一两年的探索，一批####的安防生产厂家如天地伟业将人工智能技术应用于安防行业，并开发出交通卡口、人脸布控、警戒系统、案情分析等多种垂直应用功能。

　　随着各大安防厂家对人工智能持续的产业化应用，以人工智能算法为主要形式的安防智能化将在2017年实现爆发式增长。从16年下半年开始，政府类安防监控项目中人工智能功能从无到有，占比悬殊扩大。此外从项目形式上讲，PPP订单有条不紊的持续推进，全国范围内的智能化平安城市建设将成为安防行业的重要发力点，人工智能技术将成为安防企业下一阶段的核心竞争力。

　　高清摄像头升级为“AI+安防”提供可能性

　　不管是天地的“超星光”、还是海康的“黑光”其核心解决的痛点在于“看得清”的问题。作为行业的重要发展方向，未来的安防行业将是高科技云集的行业，AI+安防的组合模式为行业发展*终步入智能化阶段提供动力，其重点解决的是“看得懂”的问题。

　　总体来说，视频监控行业经历四个阶段：**，起步阶段，传统模拟监控，国内自主知识产权落后，安防系统用户局限于政府部门;第二，发展阶段，数字监控，安防用户增多，监控规模扩大，图像数字化储存，分辨率迈入标清时代;第三，提高阶段，高清化监控，市场容量持续增加，视频监控系统与用户业务系统融合;*后，智能化阶段，逐步形成集数据传输、视频、控制于一体的智能化安防综合管理平台。

　　随着4K、H.265等技术的普及，视频清晰度不断提升，带宽码流不断下降，人工智能将率先在安防领域实现点线面全纬度覆盖。其核心原因在于：

　　算法成熟：安防监控的场景较为集中，容易实现技术优化和突破，目前图像识别的算法已经满足安防监控的要求;

　　需求明显：从政府到民间，安防正在向全时间全地域纬度扩展;

　　基础稳固：政府一直大力投资安防监控领域，全国过半的摄像头已经完成高清化改造，警务电子化和信息化已逐步完成，为人工智能部署提供了条件;

　　从人工智能技术上来看，安防监控主要运用的技术是以图像识别为基础的人脸识别、车辆识别、行为特征识别等技术和以语义理解为基础的视频结构化分析。

　　AI+安防场景分析

　　从应用的场景来看，部署场景将人工智能分为4种类型：

　　1、“点”布防，以卡口、出入口的身份认证为主，应用于车站、机场、酒店等关键节点;

　　以人脸图像识别为代表的生物特征识别功能在当今社会中扮演着越来越重要的角色。小到刷脸打卡，通过门禁，车站机场安检，大到犯罪嫌疑人追踪与金融交易，生物特征识别均存在着广泛的应用空间。

　　生物识别技术中指纹识别、虹膜识别、手势识别等技术虽然在部分领域存在着一定优势，但他们一个共同的缺陷在于这些技术均仅限于“主动识别”功能场景，即识别对象必须“主动配合”识别过程，例如伸出手指、双眼或者做出特定行为。

　　而人脸识别则是一种既可以实现“主动识别”又可以应用于“被动识别”场景的生物识别方案，因此具有更广阔的应用空间与市场。从识别技术上而言，单点布防的场景主要以静态识别为核心技术，系统通常可以完成“人脸图像+身份证+局端数据”三者比对并完成身份验证，众多安防企业已经完成技术迭代，实现高于99%的识别率，接近虹膜识别准确率，可以实现金融安防级别的应用。

　　2、“线”布防，以道路监控为主要部署场景，结合车辆识别和人脸识别;

　　ITS系统是人工智能实现把各个点连成“线”的重要应用场景。在这个领域负责采集有关道路交通流量的各种参数，例如车流量，车速，车型，排队时间和长度等。随着人工智能技术的不断进步，基于车辆识别的识别类算法可大幅降低道路信息监控系统的技术门槛，提高道路执法效率。相对于其它交通流量检测技术而言，人工智能技术所具备的优势包括：

　　识别范围广：视频检测可以检测较大的交通场景面积，并通过通讯技术实现网状监控体系;

　　部署容易：相对于其它检测方法，投资少，费用低;视频传感器等设备，例如摄像头，易于安装和调试，且对路面设施不会产生破坏;

　　采集数据多：使用AI技术可以采集到更多的交通流量参数，实现动态数据分析;

　　便于执法：实现了更多执法功能，例如套牌车分析、交通违章监控等。

　　目前运用人工智能的图像识别技术，通过安装在道路旁边或者中间隔离带的支架上的摄像机和图像采集设备将实时的视频信息采入，经过对视频图像的实时处理分析得到各种交通信息，如车辆的流量、速度、交通密度、车型分类、车辆排队长度、转弯信息等。图像识别目前已经能够胜任识别车牌，车辆颜色，车辆品牌，车辆类型(SUV，普通轿车，皮卡等)，车辆型号(类似于9代雅阁，8代雅阁等)，以及驾驶员是否使用安全带及接听手机等行为。

　　人工智能有望为道路交通执法带来一场科技革命。交警部门也将从传统的现场执法逐步过渡到远程、非值守的智能执法，迅速降低交警执法难度，改善执法环境，并将为越来越多的驾驶员及乘客保驾护航。

　　3、“面”布防，以热点区域、重点场所为主要部署场景，应用人群与行为特征分析技术，按需部署人脸识别产品;

　　图像识别技术不仅可以实现静态识别，也可以完成动态识别和轨迹识别。通过对视频的迅速分析，信息分析平台可以监测出可视范围内的人群数量，并且捕捉每个个体的行为动作，形成重点场所及区域的面状布防。重点区域布防对于公安部门而言有着重要的意义，但却消耗大量警力资源。重点区域与重点社会活动已经成为公安部门安防布控的重点与难题。

　　人群与行为识别技术是图像识别的一个延伸，通过更为优化的AI算法与模型实时分析可视范围内的人物、车辆及其行为。其主要功能包括，人数统计分析：统计视野范围内人群的数量，跟踪个体行为轨迹，防止人群密度超负荷;个体跟踪：结合人脸识别技术，跟踪特定人员的运动轨迹与行为举止，实现提前预警;禁区管控：对禁区范围实现实时监控，对违规行为实时报警;异常行为分析：对人物行为进行分类，并及时预警异常动作行为。AI技术将对区域布防业务提供强大附加功能，减少安保人员投入，减少应急响应时间，保障人民社会及经济活动的顺利进行。

　　4、“后台”分析，以视频结构化语义理解为基础的断文识字、智能案情分析、统筹资源调配。

　　有别于前三种依赖于图像识别技术的安防领域，智能案情分析系统是一种基于人工智能自然语言处理(NLP)技术的语义理解分析系统。NLP技术通常可以将一段对事实陈述的文字进行结构化分析，拆解并分离出其中的时间、地点、人物、事件要素等一系列结构化数据，并进行模糊比对形成专业的语义理解数据库。

　　公安机关坐拥庞大的文字卷宗档案及数据库，警方需要对卷宗进行查阅和分析时，往往需要动用大量警力，进行人工文档筛查。而警务语义理解技术，可以有效的对已有的电子卷宗进行智能检索，寻找案件中的蛛丝马迹，协助警方破案。例如，有经验的警官通常对特定案件，如盗窃案件，有着独特的理解。根据实战的经验，警官可以对案件的要素，如作案时间、作案手段、受害对象等，进行分类。根据这些分类，警方往往可以进行串并案操作，丰富犯罪嫌疑人的行为特征，实现快速破案。

　　接下来会怎样?

　　人工智能能带来数量众多、意义重大的收益。很多收益是看得见的，从人脸识别到案情分析等。还有一些收益虽然不那么明显，但也会对日常业务流程和消费者服务提供更强大的能力和效率。与任何范式转变过程一样，有时过高的期望可能会超出短期内所能实现的潜力。

　　我们期待着未来某一时刻，人们对AI的幻想能够彻底幻灭，随之而来的将会是长期、持续的价值认可，因为AI学习已经被用于改善并革新现有的系统。在历史上，工业革命曾通过新的电力和传送方式改变了生产和交流方法。

　　**次工业革命在十八世纪八十年代使用蒸汽机驱动了机械化的生产过程;第二次工业革命在十九世纪七十年代使用电力推动了商品的大规模量产;第三次工业革命在二十世纪七十年代使用电子和软件技术实现了生产和交流的自动化。今天，随着AI逐渐“蚕食”整个安防监控领域，我们创造价值的主要来源已成为信息本身的处理。通过用更智能的方式完成这样的工作，AI将低调地为安防带来效益和历史意义。