AI，安防业的下一个 “竞技场”
来源：中国安全防范产品行业协会
安防产业作为智慧城市建设的一部分，其自身将随着智慧城市的建设得到跨越式发展。而安防作为人工智能技术天然的训练场和应用场，对于人工智能的落地应用有着迫切的需求。基于安防行业的天然属性，随着深度学习重燃、海量大数据支撑、计算能力提升与成本下降等三大因素发展,人工智能逐步在智慧城市建设中崭露头角。随着人工智能技术走向开放，场景越来越丰富，未来安防行业的人工智能化必将迎来巨大的发展。目前，人工智能技术还是在逐步成熟的过程中，未来还有很长的路需要走，行业和企业也在不断探索，相关行业标准也有待统一。
AI+(人工智能)安防在智慧城市中的技术及应用
2012年底，Hinton在ImageNet分类竞赛中取得重大突破，使得人工智能在图像处理领域得到惊人的发展。随着深度学习技术的推广，其从原来的几层上升到几百层模型技术的推进。安防领域作为人工智能技术落地的天然场景，也恰使其成为国内传统安防企业和创业型公司的必争之地。目前来看主要有两种不同的切入方向：第一种 “从产品到技术”切入，传统安防厂家在不断加大软硬件安防产品的智能化，开发从前端到后端一系列的GPU人工智能产品；第二种“从技术到产品”切入，如以算法见长的视频厂家等也在将技术重点聚焦于人脸识别、行为分析等图像智能领域。
安防中的人工智能核心关键主流技术包括计算机视觉、机器学习、自然语言处理、机器人技术、生物识别技术等。
1 计算机视觉在智慧城市应用初战实效
利用计算机视觉和视频监控分析方法对摄像机拍录的图像序列进行自动分析，以及对监视场景中目标行为的理解与描述，得出对图像内容含义的理解以及对客观场景的解释，从而指导和规划行动。安防行业推出大数据系统，利用计算机视觉+物联网大数据，对不同种类的数据(视频、图片、数据等)进行分析、碰撞，发现潜在的隐藏联系，抽取其中有价值的信息，并形成可视化结果进行呈现，为业务决策提供数据支持。它可广泛应用于智慧城市管理、反恐维稳、综合治理、交通管控等业务中，并在实战中取得较好的成果。
2 机器学习在智慧城市应用蓄势待发
通过分层学习过程提取高级、复杂的抽象作为数据表示，深度学习模型比标准机器学习方法更快地产生结果,被广泛应用于图像处理、目标识别等领域。视频图像智能研判应用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结构化描述，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，减少案件视频中嫌疑目标信息遗漏的可能。
3 自然语言处理技术应用值得期待
对自然语言、文本、语音&图像的处理是指计算机拥有的与人类类似的对文本&语音(语言)进行处理的能力。它可对监视场景中的目标进行理解与描述，得出相关内容含义的理解以及对信息内容的解释和理解。智能语音技术应用到法院庭审场景下，改变当前庭审笔录记录模式，实现在庭审过程中语音内容自动实时识别成文字。典型的语音识别准确率超过了人工书记员的识别率，相同类型的案件庭审的平均时长缩短了三分之一以上， 复杂案件甚至可以缩短二分之一以上。文本&语言识别在智慧城市导航、语音购物及声音识别等领域将会有广泛的应用。
4 机器人技术在智慧城市应用崭露头角
无人驾驶是人工智能最重要的应用之一，无人驾驶汽车中的高级驾驶辅助系统是通过车载传感系统感知道路环境，人工智能对视频处理的性能和配置将直接影响无人驾驶功能的实施。如无人驾驶平台提供地图、导航、语言等服务；如智能仓储机器人能够自动规划最优路径，并在很多物流机器人项目实践中取得了较好的实际效果。例如无人驾驶技术、巡检机器(无人)机、安防机器人、物流机器人等，都是安防企业未来重点布局的业务。
5 生物识别技术智慧城市应用有待突破
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。生物识别技术将是未来发展布局的重点领域，如人体的步态跟踪技术，即使化妆了，也可以通过人体的步态确定相关的嫌疑人员。如指静脉生物识别系统，通过X光系统识别指静脉的生物特征作为识别技术，安全性更加好，目前已经广泛应用在金库、保险箱等重要涉密领域。未来虹膜识别、人脸支付等生物特征识别技术，都将有着更为广泛的商业应用。
人工智能在安防业、智慧城市的机遇与挑战
1 安防中要贴近用户业务，实战效果“为王”
实战应用是检验安防产品的主要方式。对于安防企业来说，更应该注重安防产品的实际应用，而且“AI+安防”是一种新的尝试，更应该保证减少它在使用过程中的复杂性和误报率。利用人工智能技术将大大提高识别率，能够处理一些非常复杂的实战业务场景和应用，如通过人工智能+大数据，对车辆的各种特征分析，找出套牌车辆，并取得了较好的市场和商业价值。
2 对智慧城市发展的影响与挑战
AI+安防技术已经延伸到各个智能领域建设中，助力智慧城市发展。通过智能终端实现人、车、物特征以及密度、行为的信息智能化采集、识别、分析，大大提升监控视频价值及大数据检索效率；通过大数据平台关联处理，呈现城市运行关键体征指标(KPI)，运用高清地图直观展现，为城市交通疏导、应急情况处理、全域旅游营销、智慧城管管控等场景提供分析决策依据；结合辅助决策模型库，全面生成智慧城市仿真数据和预测预案，实现城市事件的快速响应与协同联动，助力智慧城市各领域智能应用发展。
AI+安防在智慧城市领域的应用有着非常好的前景，但目前国内的安防智能技术基础相对较薄弱，还处于起步阶段，在应用过程中还有一些问题需要完善和解决：
1.缺乏有效的自主完善能力。在安防领域，当前很多的智能，只是一种反应式智能，根据输入条件进行自动判断，并不具备成长能力。智慧城市应用中的人工智能应具备基于时间的经验积累以及群体间的经验分享能力，还需依托实战应用场景，不断学习，提高自主完善能力，才能有效运用于智慧城市智能应用中。
2.数据资源相对分散，开放、融合程度低。安防领域最初建设以平安城市建设项目为主，更多聚焦公安、交通等主要行业的视频监控、视频结构化、视频分析建设上，各行业分散建设，并局限于单一行业专有数据和行业专用场景，数据资源相对分散，开放、融合度较低，难以开展多维数据融合分析，使得人工智能缺乏有效的数据支撑，综合分析学习能力提升缓慢，无法为智慧城市智能应用提供有价值的融合数据支撑。未来需加快前端视频大联网建设，推动后端物联感知服务平台搭建，提高数据融合、共享程度，为智慧城市综合应用提供更强大的视频、数据服务能力支撑。
