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)模應用各個領(lǐng)域，而安防行業(yè)對實時性、準確性要求極高，人工智能+安防應運而生。

深度學習、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)以及事前預防、事中響應、事后追查的訴求與人工智能訓練需求及技術(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，進入到產(chǎn)品、場景、實戰(zhàn)應用和生態(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)模化、自動化、智能化轉(zhuǎn)型升級，且到2020年，安防企業(yè)總收入達到8000億元左右，年增長率達到10%以上。

AI+安防使用技術(shù)

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

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

三是目標屬性提取——對已經(jīng)檢測到的目標圖片中目標屬性的識別，判斷該目標具有哪些可視化的特征屬性，例如人員目標的性別、年齡、著裝，車輛目標的車型、顏色等屬性。目標屬性提取過程主要基于深度學習網(wǎng)絡結(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。

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

二是大規(guī)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(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。

三是數(shù)據(jù)挖掘是人工智能發(fā)揮真正價值的核心，利用機器學習算法自動開展多種分析計算，探究數(shù)據(jù)資源中的規(guī)律和異常點，輔助用戶更快、更準地找到有效的資源，進行風險預測和評估。