如果回首看安防，2016是一个开启新纪元的关键节点。这一年，安防和AI正式“联姻”，五年间，AI安防，重构了行业的智能想象，也让安防成为一种业务形态，深入千行百业，真正的海纳百川。

　　人工智能的定义

　　谈及安防行业的人工智能，我们需要精准把握人工智能定义。

　　很难想象，早在1956 年人工智能在Dartmouth学会上提出，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。是对人的意识、思维的信息过程的模拟。

　　人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

　　人工智能在计算机领域内，得到了愈加广泛的重视，并在机器人、经济政治决策、控制系统、仿真系统中得到应用。

　　著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的教授温斯顿认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”

　　这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

　　与安防相关的人工智能核心技术

　　人工智能在安防需要展开深度应用，那么人工智能有哪些核心技术与安防行业相关的核心技术呢？记者总结为有几点：

　　1.计算机视觉

　　计算机视觉技术运用由图像处理操作及机器学习等技术所组成的序列来将图像分析任务分解为便于管理的小块任务。

　　其实在2015年科达提出的机器识图概念，就是属于该项核心技术。

　　由于在当下安防行业针对已经生成的海量视频内容需要进行自动化处理，识别出特定的人、车辆、物体或者事件。另一方面，将计算机视觉技术与摄像头结合，使得摄像头具有实时识别人脸、车辆、物体的能力。

　　此外，除了公安领域，在出入境管理、交通领域、商业识别等强识别监控领域，计算机视觉也都有所应用。

　　这种技术带来的变化也在一定程度上重塑安防产业链。

　　其一，传统安防市场的巨头在跨界整合，寻找技术方面的支持与合作，比如海康联手腾讯，大华牵手阿里。

　　其二，新的技术提供商，也从技术切入，或直接切入安防视频方案处理领域，或与产业链的原有玩家合作提供技术支持。

　　目前，国内主流的计算机视觉初创公司，如旷视(Face++)、商汤、云从、依图等都已入局了智能安防领域。

　　2.自然语言处理

　　对自然语言文本的处理是指计算机拥有的与人类类似的对文本进行处理的能力。例如：自动识别文档中被提及的人物、地点等，或将合同中的条款提取出来制作成表。

　　计算机视觉与自然语言处理是高度协作性的技术，自然语言处理给计算机视觉的图片数据带来了结构化和语义化。比如：在交通执法中摄像机拍摄的图片通过机器视觉技术形成的小任务块，在结合自然语言处理形成语句来描述图片内容，弹出预警信号。

　　3.机器学习

　　机器学习并不是深度学习，其是从数据中自动发现模式，模式一旦被发现便可以做预测，处理的数据越多，预测也会越准确。

　　其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于预测。比如：给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式，处理的交易数据越多，预测就会越好。

　　机器学习技术将成安防巨头的关注重点，因为从目前安防市场上的技术来看，几乎全集中在弱人工智能阶段，无论是人脸识别、陪伴机器人、智能分析……安防行业已经逐步与人工智能擦上火花，但要由弱到强，机器学习这一步目前来看是技术障碍。

　　其原因之一是该项技术基本都嵌入到芯片之中，在这一领域里占据主导地位的芯片企业包括 Advanced Micro Devices， Inc.， 谷歌，Graphcore，英特尔，IBM，英伟达，高通，台湾半导体制造公司有限公司等，安防巨头如何与之进行深度合作，那也得破费一番心思。

　　4.生物识别技术

　　生物识别可融合计算机、光学、声学、生物传感器、生物统计学，利用人体固有的生体特性如指纹、人脸、 虹膜、静脉、 声音、步态等进行个人身份鉴定，最初运用于司法鉴定。

　　随着科技的发展，生物识别技术已经成为个人身份识别或认证技术的重要方式，人脸识别作为生物特征识别的重要分支，它的无侵害性和对用户以最自然、最直观的识别方式更容易被接受，然而，已有的一些机器学习算法大都使用浅层结构，而浅层结构的网络很难表示复杂函数。

　　同时，以往提出的多层感知机器虽可以表示复杂的函数关系但又由于没有很好的学习算法。

　　近几年深度学习技术被业界广泛认可，并在各个相关领域都取得了突飞猛进的进展，特别是深度学习技术在人脸识别领域的应用。

　　该项技术是安防行业最早应用的人工智能技术，无论是金鼎和新锐产品评测活动还是2017深圳安博会上，出现最多的人工智能技术就是基于深度学习的人脸识别。

　　由于该项技术在安防行业应用极为宽泛，所以针对该技术的应用我们多加表述。

　　无锡作为了智慧城市的先行者，目前已经在机场以及四个区部署有110余个摄像头并接入了人脸识别功能，覆盖460个小区试点至今已经成功处理了4000万个人脸，并基于此先后抓获犯罪嫌疑人10名，协助确认嫌疑人身份15名。

　　在安博会展会现场记者采访中了解到，无锡采用的视频采集设备正是旷视在安博会中亮相的智能安防级摄像机MegeyeC1，其搭载了Nvidia Tergra K1 GPU，拥有超过300,000,000次/秒的浮点运算能力，可以在前端完成视频信息的快速、统一的结构化处理，真正的做到实时响应。

　　除以上所述，其实人脸识别在安防领域还有更广阔的发挥空间，例如：刑侦、技侦、监狱、车辆监管、边检、安全、法院、治安、缉毒等细分市场，不仅可以通过照片在人口信息库查询出照片的身份信息，也可以在视频数据中找出照片相关的视频数据，帮助办案人员缩小犯罪嫌疑人的搜寻范围并提高办案效率，为公安人员解决大海捞针的困惑。

　　人脸识别技术不仅仅增加了安防应用宽度和深度，也为行业增添了新的产品形态。比如：金鼎奖评选中有海康、佳都科技、富士智能的基于人脸识别的通道管理系统。

　　以海康认证通道举例，他们产品在近景人脸识别有效解决了防止未授权人员蹲守附近，等待通道开门继而混入的情况；其“一脸一人”进出，有效防止未授权人员跟随授权人群中，借用他人人脸权限混入；单人鉴权，实时锁定检测最近一张人脸，以防多人情况下误识误判；考虑到不同的应用场合，设备可对人员权限进行分组管理，内部人员可直接通过刷脸快速通行，外部人员需通过身份证+人脸比对成功后方可进出，同时保存数据至本地或上传平台，便于留证查询。

　　由此可见，随着市场需求的不断变化，不同的应用场合，人脸识别技术也根据需要开发出各种各样的产品来满足用户的需求。

　　各种因素促成人工智能与安防行业的联姻

　　现在各行各业都在向人工智能靠拢，但若论在哪个行业人工智能发展更快、更具有潜力，非安防莫属，因为安防具有人工智能发展需要的必要条件。

　　首先，从国家层面分析，政策推进智慧城市、平安城市、智慧社区等重点建设项目，某些暴恐事件、交通安全事故、市民人身伤害事件发生，使得智能安防成为刚需。

　　智慧城市建设在“十三五”规划中，被国内95%的副省级城市、76%的地级城市明确提出，到2017年我国启动智慧城市建设和在建智慧城市的城市数量将有望超过500个。

　　智能安防作为智慧城市的一部分，在建设中设计多个领域，有望伴随着智慧城市建设实现快速增长。

　　人工智能技术是安防领域发展应用最急切的需求，有助于安防行业从原先被动式事后查证转变成主动式事前预防。

　　基于深度学习的人工智能算法，实时分析视频内容，探测异常信息，进行风险防控，以最高效、最简单的方法提升摄像头的功能，提高整体安防系统价值。

　　同时，安防领域海量的视频、图片数据为基于深度学习架构的人工智能算法提供了多维训练样本，促进算法性能的提高，并成熟应用于其他行业，所以智能安防是未来整个安防行业的发展趋势。

　　其次，从安防产品层面分析，经过几年的快速发展，人工智能技术仍在不断完善，在安防行业的应用案例层出不穷。

　　从去年开始，全国各省公安厅已经陆续开始建设全省静态人像数据库与非标人像数据库，解决视频侦查“最后一公里”的难题。国内大部分城市，基于车辆大数据系统，已经形成了一套完善的车辆技战法，成功遏制城市交通犯罪，提高城市交通流畅度。

　　以后，人工智能在安防行业的应用模式会越来越多，关键是将技术与行业需求相结合，切实解决行业难题。

　　单一的人工智能技术所能带来的效益极其有限，而且未与现有安防系统结合，在用户使用上有一定的局限性。只有深入行业业务，深度挖掘用户需求，与现有系统进行无缝融合才能使人工智能技术在安防行业有长足的应用空间。

　　最后，安防拥有大数据。安防行业最大的资源就是海量高清的视频图像以及通行数据，安装在各种场景中的安防摄像机能够实现365天全天候的采集，可以源源不断的输出海量数据。

　　这些数据可以充分满足人工智能对于算法模型训练的要求。同时安防行业事前预防、事中响应、事后追查的诉求与人工智能的技术逻辑完全吻合。

　　AI安防走入千行百业

　　人工智能在安防行业应用具备了天时地利人和，那么其能解决安防的那些实际需求?

　　第一，公安行业迫切需求在海量的视频信息中，分析发现犯罪嫌疑人的线索。人工智能在视频内容的特征提取、内容理解方面有着天然的优势。

　　通过实时分析视频内容，检测运动对象，识别人、车等属性信息，能迅速发现犯罪嫌疑人的线索，大大提高公安检索图像的效率;

　　其次，交通行业利用人工智能技术，可实时分析城市交通流量，实时掌握着城市道路上通行车辆的轨迹信息，停车场的车辆信息，以及小区的停车信息，合理调配资源、疏导交通，提升整个城市的运行效率，为居民的出行畅通提供保障。

　　在智能楼宇的应用。人工智能建筑的大脑，综合控制着建筑的安防、能耗，对于进出大厦的人、车、物实现实时的跟踪定位，区分办公人员与外来人员，监控大楼的能源消耗，使得大厦的运行效率最优，延长大厦的使用寿命。

　　在工厂园区的应用。在工厂园区场所，一方面是广泛应用在生产线上的操作机器人，一方面是利用可移动巡线机器人，定期巡逻，分析潜在的风险，保障全封闭无人工厂的可靠运行。

　　民用安防的应用，主要体现在人工智能和智能家居的结合，利用人工智能强大的计算能力及服务能力，为每个用户提供差异化的服务，提升个人用户的安全感，确实满足人们日益增长的服务需求。

　　可以看出，安防对于人工智能具有切实的实际需求，而安防又是一个涉及广泛的行业，只要深入挖掘，人工智能在安防大有作为。

　　除了解决几大行业实际需求之外，人工智能在安防行业的应用也极为广泛。可以用于以下场景应用：

　　人员分析应用，依托人工智能系统的人员特征识别服务输出的结果，进行数据分析，实现人员身份的识别、人员布防、人脸轨迹等功能。

　　车辆分析应用，可以满足全地图操作，实现可视化的应用，包括：轨迹分析、跟车分析、碰撞分析、频次分析、假牌分析、隐匿车辆挖掘等功能。

　　多资源时空应用，可以基于GIS地图的指挥调度，通过地理信息系统实现对各项视频资源进行一体化管理，实现监控图像的直观可视化应用。

　　实现快速调取需要关注的监控点或监控区域图像，实现目标在线追踪。通过视频图层叠加、视频资源搜索和视频定位，将道路情况、资源分布情况、人员分布情况、地理坐标信息、警力部署情况以图形化的形式展示出来，直观的对全局信息进行全面的展示，使指挥调度更加直观高效。

　　视图内容预警、自动告警联动应用，对视频的内容进行自动预警。当触发预先设置的预案后，联动的摄像机将会同时打开监控图像，形成对案发地的监控包围，同时实时报警。

　　布控智能规则分析功能包括：区域入侵、绊线检测、非法停车、徘徊检测、打架检测、物品遗留、物品丢失、非法尾随、人群聚集、车流统计、车牌特征识别、烟火检测等。

　　视频实时标注应用，可以利用实时视频进行实时结构化，包括人、车、运动目标进行特征提取，实时视频标注将视频数据转化为*实战所用的情报，实现视频数据向信息、情报的转化。

　　人像快速比对查找应用，可对嫌疑人员进行比对，快速确认目标身份，提供智能、精准、快速的人脸比对和完善的视频图像大数据分析挖掘应用。

　　综合解决人像实时追踪监控预警、人员身份快速比对检索核准、人员历史轨迹追踪倒查等查人、找人、预警、追踪等的人员管理监控问题。

　　视频图像智能研判应用，可以对多种格式视频、图片采用适用于多种场景、多种情况的图像处理算法，实现对模糊图像的清晰化处理。还提供视频智能标注服务和检索服务，实现对视频、图片中涉案嫌疑目标的智能(系统自动提取描述信息)结构化描述，减少人工标注录入的结构化描述信息的工作量，同时满足多种检索方式，提高视频查看的速度和效率，达到快速查找、定位嫌疑目标的目的，减少案事件视频中嫌疑目标信息遗漏的可能。

　　车辆数据碰撞挖掘应用，可以对卡口图片车辆数据的二次识别，包括车牌号码、车辆品牌、车辆子品牌、车辆年款、车辆颜色、车牌颜色、车辆类型、车牌类型、年检标、遮阳板、安全带等车辆细节信息，将车辆的运行轨迹，活动规律等进行数据碰撞比对，从而挖掘隐藏的案事件线索实现可视化的应用，功能包括：轨迹分析、跟车分析、碰撞分析、频次分析、假牌分析、隐匿车辆挖掘等。

　　车辆实时布控应用，可针对于被盗车辆、违章车辆、涉案车辆、高危人员车辆、重点车辆等，对特定移动目标对象的特征属性(如车牌号码、车型、颜色、空间区域等)及其组合进行在线即时布控功能。

　　以上能看出，人工智能在安防行业大有作为，不仅仅有效解决细分领域的实际需求，也能在多个场景下展开安防+AI的深度应用，为安防行业改变世界增添了技术活力。

　　结束语

　　安防遇上AI，世界会怎样？

　　我们暂时无法给予答案，当时光荏苒后，人工智能在安防遍地开花时，世界会因两者的联姻而精彩纷呈，也会为世界的改变留下最深的记忆，抒写安防+AI的建设传奇。