随着经济环境、政治环境、社会环境的变化和日趋复杂，各行业对安防的需求不断增加，同时对于安防技术的应用性、灵活性、人性化也提出了更高的要求，传统安防技术的局限性日益凸显。在这样的大背景下，人工智能脱颖而出。

    AI作为一项降本增效工具赋能传统行业，其中安防市场在政策和技术的双轮驱动下成为AI的首要着陆场。为什么安防会成为AI的首要着陆场?产业存在需要解决的问题有哪些?为什么AI适合解决这个问题?具体场景案例有哪些?

    1、产业存在的、需要解决的问题

    社会经济进入转型阶段，原本稳定的社会关系变得复杂。资源的市场化配置造**口流动和就业分布以及城市、农村格局等一系列变化，导致社会管理的难度加大和各种矛盾冲突的表面化，客观上为犯罪活动提供了更多的机遇。

    面对城市这样一个庞大的复杂系统，如果想要做到信息的实时发布、监控、分析和智能化管理，以确保整个系统的决策、命令能够稳妥迅速地传达执行并反馈，高度集成的可视化终端必不可少。装载在城市各个角落的视频监控系统是城市管理系统的重要组成部分。

    随着监控点位的骤增，遍布大街小巷的监控摄像头每时每刻产生的视频数据也在爆炸式增长，过去简单利用人海战术进行检索和分析已经很难满足新时代的安防工作需求。为此行业相关人士寄希望于AI的强大的算力和数据表达能力。

    2、为什么AI适合解决这个问题?

    实际上智能安防并非新逻辑，海康、大华等安防设备龙头早从2006年就开始布局智能安防产品了，2006年安防行业就开始向智能化发展，但一直不能有令人满意的突破。个中原因总结出来有：1.识别准确不够高;2.设备环境适应性不够;3.识别种类少。面对这三点不足，“人工智能”可以解决。

    归根结底，AI赋能安防就是借助计算机视觉识别技术解决海量视频监控数据得不到很好利用的问题。海量数据到信息到情报再到洞察，中间需要层层的数据价值提炼，而计算机视觉识别技术就能很好地将“看到”的东西结构化成以“人”、“车”、“物”为主体的属性信息。

    智能化早在2006年就存在，计算机视觉识别技术应用于安防也是从2006年左右就开始，过去只可以做简单的车牌识别，而后随着计算力的提升，识别的准确度在提高，也越来越能够适应复杂度更高的环境，识别种类也越来越多。

    3、如何通过AI进行解决的具体场景案例?

    AI结构化视频监控数据大致可以划分为四种应用场景——“点”布防、“线”布防、“面”布防、后台分析。

    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;

    场景描述：车站、机场、酒店等关键节点的身份认证，此类场景特点为相对封闭的室内空间、人流量多;

    应用描述：单点布防的场景主要以静态人脸识别为核心技术，系统通常可以完***脸图像+身份证+公安局端数据”三者比对并完成身份验证;

    技术描述：1.人脸识别技术既可以实现“主动识别”又可以实现“被动识别”场景;2.目前众多安防企业已经完成技术迭代，实现高于99%的识别率，可以实现金融安防级别的应用。

    “主动识别”功能场景，即识别对象必须“主动配合”识别过程，例如主动伸出手指、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。

    公司案例：商汤科技的身份证一体机、格灵深瞳的威目人脸识别系统等;

    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;

    场景描述：ITS系统(IntellifentTrafficSystem智能交通系统)是人工智能实现把各个点连成“线”的重要应用场景。以道路监控为主，结合车辆识别和人脸识别，此类场景特点为开放区域、车流量较多;

    应用描述：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。车辆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、车辆型号，以及驾驶员是否使用**带及接听手机等行为;

    技术描述：基于车辆识别的识别类算法可以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;

    公司案例：格灵深瞳旗下的威目车辆大数据系统，便是基于深度学习的新一代车辆识别引擎，其产品形式包括有：在线云服务、离线SDK、软硬一体。

    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;

    场景描述：重点区域布防对于公安部门而言有着重要意义，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点;此类场景为特定时间、特定活动下的人流量聚集，诸如2014年跨年夜上海外滩踩踏事件;

    应用描述：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;

    技术描述：1.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;2.人群与行为识别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;

    公司案例：旷视科技的智能安防解决方案便适用于“面”布防场景，诸如重点区域智能监控可自动判别在危险分子进入前后，是否出现异常态势(例如人员异常聚集等)并及时预警;再比如可视化人员的滞留分析、人群行为分析和群体轨迹分析，能够为公安机关实现快速、精准、移动化指挥提供依据。

    4)后台分析，结合数据进行智能案情分析、统筹资源调配;

    场景描述：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;

    应用描述：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;

    技术描述：利用自然语言理解技术对电子卷宗进行智能检索;

    公司案例：商汤科技旗下的视图情报研判系统，便是基于深度学习以图搜图、模糊人脸搜索技术，助力公安干警快速确认相关人员身份的产品，适用于刑侦破案场景。