AI是ArtificialIntelligence的简写，一般来说被称作人工智能。人工智能是所指由人工生产出来的系统所展现出出来的智能，是指通过计算机构建的智能。人工智能的定义可以分成两部分，即“人工”和“智能”。

“人工”较为好解读，争议性也并不大。有时我们不会要考虑到什么是人力所能及生产的，或者人自身的智能程度是不是低到可以建构人工智能的地步等等。但总的来说，“人工系统”就是一般来说意义下的人工系统。

关于什么是“智能”，就问题多多了。这牵涉到到其它诸如意识（consciousness）、自我（self）、心灵（mind），还包括无意识的精神（unconsciousmind）等等问题。人唯一理解的智能是人本身的智能，这是广泛尊重的观点。但是我们对我们自身智能的解读都十分受限，对包含人的智能适当元素的理解也很受限，所以就很难定义什么是“人工”生产的“智能”了。

因此人工智能的研究往往牵涉到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广泛被指出是人工智能涉及的研究课题。人工智能目前在安防监控内，获得了愈发普遍的充分发挥，特别是在是在机器视觉、深度自学、智能算法、控制系统、建模系统中获得及其普遍的应用于。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变革和较慢推展为人工智能向安防行业渗入获取了先天的有利条件。

通过将近一两年的探寻，一批杰出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，并研发出有交通卡口、人脸布控、警戒系统、案情分析等多种横向应用于功能。随着各大安防厂家对人工智能持续的产业化应用于，以人工智能算法为主要形式的安防智能化将在2017年构建爆发式快速增长。

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，占到比占优势不断扩大。此外从项目形式上谈，PPP订单有条不紊的持续前进，全国范围内的智能化五谷丰登城市建设将沦为安防行业的最重要发力点，人工智能技术将沦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”获取可能性不管是天地的“超强星光”、还是海康的“黑光”其核心解决问题的痛点在于“看得清”的问题。作为行业的最重要发展方向，未来的安防行业将是高科技云集的行业，AI＋安防的人组模式为行业发展最后步入智能化阶段获取动力，其重点解决问题的是“看得懂”的问题。

总体来说，视频监控行业经历四个阶段：第一，跟上阶段，传统仿真监控，国内自律知识产权领先，安防系统用户局限于政府部门；第二，发展阶段，数字监控，安防用户激增，监控规模不断扩大，图像数字化储存，分辨率踏入标清时代；第三，提升阶段，高清化监控，市场容量持续减少，视频监控系统与用户业务系统融合；最后，智能化阶段，逐步形成集数据传输、视频、掌控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，视频清晰度大大提高，比特率码流大大上升，人工智能将首度在安防领域构建点线面仅有纬度覆盖面积。

其核心原因在于：1）算法成熟期：安防监控的场景更为集中于，更容易构建技术优化和突破，目前图像识别的算法早已符合安防监控的拒绝；2）市场需求显著：从政府到民间，安防正在向全时间仅有地域纬度拓展；3）基础巩固：政府仍然大力投资安防监控领域，全国过半的摄像头早已已完成高清化改建，警务电子化和信息化已逐步已完成，为人工智能部署获取了条件；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、车辆辨识、不道德特征辨识等技术和以语义解读为基础的视频结构化分析。AI＋安防场景分析从应用于的场景来看，部署场景将人工智能分成4种类型：1）“点”布防，以卡口、出入口的身份认证居多，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辨识功能在当今社会中扮演着更加最重要的角色。小到刷脸发票，通过形同虚设，车站机场安全检查，大到犯罪嫌疑人跟踪与金融交易，生物特征辨识皆不存在着普遍的应用于空间。

生物识别技术中指纹识别、虹膜识别、手势辨识等技术虽然在部分领域不存在着一定优势，但他们一个联合的缺失在于这些技术皆仅限于“主动辨识”功能场景，即辨识对象必需“主动因应”辨识过程，例如张开手指、双眼或者作出特定不道德。而人脸识别则是一种既可以构建“主动辨识”又可以应用于“被动辨识”场景的生物识别方案，因此具备更加辽阔的应用于空间与市场。

从辨识技术上而言，单点布防的场景主要以静态辨识为核心技术，系统一般来说可以已完成“人脸图像＋身份证＋局端数据”三者核对并已完成身份验证，众多安防企业早已已完成技术递归，构建低于99％的识别率，相似虹膜识别准确率，可以构建金融安防级别的应用于。2）“线”布防，以道路监控为主要部署场景，融合车辆辨识和人脸识别；ITS系统是人工智能构建把各个点连成“线”的最重要应用于场景。在这个领域负责管理收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，基于车辆辨识的辨识类算法可大幅度减少道路信息监控系统的技术门槛，提升道路执法人员效率。相对于其它交通流量检测技术而言，人工智能技术所不具备的优势还包括：1．辨识范围广：视频检测可以检测较小的交通场景面积，并通过通讯技术构建网状监控体系；2．部署更容易：相对于其它检测方法，投资较少，费用较低；视频传感器等设备，例如摄像头，更容易加装和调试，且对路面设施会产生毁坏；3．收集数据多：用于AI技术可以收集到更加多的交通流量参数，构建动态数据分析；4．便于执法人员：构建了更好执法人员功能，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，通过加装在道路旁边或者中间隔离带的支架上的摄像机和图像收集设备将动态的视频信息采入，经过对视频图像的实时处理分析获得各种交通信息，如车辆的流量、速度、交通密度、车型分类、车辆排队长度、弯道信息等。

图像识别目前早已需要胜任辨识车牌，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），以及驾驶员否用于安全带及电话手机等不道德。人工智能未来将会为道路交通执法人员带给一场科技革命。

交警部门也将从传统的现场执法人员逐步过渡到远程、非值班的智能执法人员，很快减少交警执法人员可玩性，提高执法人员环境，并将为更加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，应用于人群与不道德特征分析技术，按须要部署人脸识别产品；图像识别技术不仅可以构建静态辨识，也可以已完成动态辨识和轨迹辨识。通过对视频的很快分析，信息分析平台可以监测出有可用范围内的人群数量，并且捕猎每个个体的不道德动作，构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具有最重要的意义，但却消耗大量警力资源。重点区域与重点社会活动早已沦为公安部门安防布控的重点与难题。

人群与不道德辨识技术是图像识别的一个伸延，通过更加优化的AI算法与模型动态分析可用范围内的人物、车辆及其不道德。其主要功能还包括，人数统计分析：统计资料视野范围内人群的数量，追踪个体不道德轨迹，避免人群密度超负荷；个体追踪：融合人脸识别技术，追踪特定人员的运动轨迹与不道德粗鲁，构建提早预警；禁区管控：对禁区范围构建动态监控，对违规行为动态报警；出现异常不道德分析：对人物不道德展开分类，并及时预警出现异常动作不道德。AI技术将对区域布防业务获取强劲可选功能，增加安保人员投放，增加应急响应时间，确保人民社会及经济活动的顺利进行。

4）“后台”分析，以视频结构化语义解读为基础的断文识字、智能案情分析、专责资源调配。大同小异前三种依赖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置（NLP）技术的语义解读分析系统。NLP技术一般来说可以将一段对事实陈述的文字展开结构化分析，报废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，并展开模糊不清核对构成专业的语义解读数据库。

公安机关坐拥可观的文字卷宗档案及数据库，警方必须对卷宗展开查询和分析时，往往必须动用大量警力，展开人工文档筛查。而警务语义解读技术，可以有效地的对有数的电子卷宗展开智能检索，找寻案件中的蛛丝马迹，帮助警方侦破。

例如，有经验的警官一般来说对特定案件，如偷窃案件，具有独有的解读。根据空战的经验，警官可以对案件的要素，如作案时间、作案手段、受害者对象等，展开分类。根据这些分类，警方往往可以展开串并案操作者，非常丰富犯罪嫌疑人的不道德特征，构建较慢侦破。

接下来不会怎样？人工智能能带给数量众多、意义根本性的收益。很多收益是看见的，从人脸识别到案情分析等。

还有一些收益虽然不那么显著，但也不会对日常业务流程和消费者服务获取更加强劲的能力和效率。与任何范式改变过程一样，有时过低的希望可能会远超过短期内所能构建的潜力。我们期望着未来某一时刻，人们对AI的幻想需要完全破灭，随之而来的将不会是长年、持续的价值接纳，因为AI自学早已被用作提高并革新现有的系统。

在历史上，工业革命曾通过新的电力和传输方式转变了生产和交流方法。第一次工业革命在十八世纪八十年代用于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用于电力推展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用于电子和软件技术构建了生产和交流的自动化。

今天，随着AI渐渐“蚕食”整个安防监控领域，我们建构价值的主要来源已沦为信息本身的处置。通过用更加智能的方式已完成这样的工作，AI将高调地为安防带给效益和历史意义。

本文来源：bob官方网站-www.greeklawservices.com