AI是Artificial Intelligence的縮寫，通常被稱為人工智能。人工智能是指由人工制造出來的系統所表現出來的智能，是指通過計算機實現的智能。人工智能的定義可以分為兩部分，即“人工”和“智能”。“人工”比較好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創造人工智能的地步等等。但總的來說，“人工系統”就是通常意義下的人工系統。

關于什么是“智能”，就問題多多了。這涉及到其它諸如意識（consciousness）、自我（self）、心靈（mind），包括無意識的精神（unconscious mind）等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能必要元素的了解也很有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對人智能本身的研究。其它關于動物或其它人造系統的智能也普遍被認為是人工智能相關的研究課題。人工智能目前在安防監控內，得到了愈加廣泛的發揮，尤其是在機器視覺、深度學習、智能算法、控制系統、仿真系統中得到及其廣泛的應用。

AI如何為安防賦能

隨著安防近幾年產業結構的調整安防廠家硬件技術的進步和快速推廣為人工智能向安防行業滲透提供了先天的有利條件。通過近一兩年的探索，一批優秀的安防生產廠家如天地偉業將人工智能技術應用于安防行業，并開發出交通卡口、人臉布控、警戒系統、案情分析等多種垂直應用功能。隨著各大安防廠家對人工智能持續的產業化應用，以人工智能算法為主要形式的安防智能化將在2017年實現爆發式增長。從16年下半年開始，政府類安防監控項目中人工智能功能從無到有，占比懸殊擴大。此外從項目形式上講，PPP訂單有條不紊的持續推進，全國范圍內的智能化平安城市建設將成為安防行業的重要發力點，人工智能技術將成為安防企業下一階段的核心競爭力。

高清攝像頭升級為“AI＋安防”提供可能性

不管是天地的“超星光”、還是海康的“黑光”其核心解決的痛點在于“看得清”的問題。作為行業的重要發展方向，未來的安防行業將是高科技云集的行業，AI＋安防的組合模式為行業發展最終步入智能化階段提供動力，其重點解決的是“看得懂”的問題。 總體來說，視頻監控行業經歷四個階段：第一，起步階段，傳統模擬監控，國內自主知識產權落后，安防系統用戶局限于政府部門；第二，發展階段，數字監控，安防用戶增多，監控規模擴大，圖像數字化儲存，分辨率邁入標清時代；第三，提高階段，高清化監控，市場容量持續增加，視頻監控系統與用戶業務系統融合；最后，智能化階段，逐步形成集數據傳輸、視頻、控制于一體的智能化安防綜合管理平臺。

隨著4K、H．265等技術的普及，視頻清晰度不斷提升，帶寬碼流不斷下降，人工智能將率先在安防領域實現點線面全緯度覆蓋。其核心原因在于：

1）算法成熟：安防監控的場景較為集中，容易實現技術優化和突破，目前圖像識別的算法已經滿足安防監控的要求；

2） 需求明顯：從政府到民間，安防正在向全時間全地域緯度擴展；

3） 基礎穩固：政府一直大力投資安防監控領域，全國過半的攝像頭已經完成高清化改造，警務電子化和信息化已逐步完成，為人工智能部署提供了條件；

從人工智能技術上來看，安防監控主要運用的技術是以圖像識別為基礎的人臉識別、車輛識別、行為特征識別等技術和以語義理解為基礎的視頻結構化分析。

AI＋安防場景分析

從應用的場景來看，部署場景將人工智能分為4種類型：

1）“點”布防，以卡口、出入口的身份認證為主，應用于車站、機場、酒店等關鍵節點；

以人臉圖像識別為代表的生物特征識別功能在當今社會中扮演著越來越重要的角色。小到刷臉打卡，通過門禁，車站機場安檢，大到犯罪嫌疑人追蹤與金融交易，生物特征識別均存在著廣泛的應用空間。生物識別技術中指紋識別、虹膜識別、手勢識別等技術雖然在部分領域存在著一定優勢，但他們一個共同的缺陷在于這些技術均僅限于“主動識別”功能場景，即識別對象必須“主動配合”識別過程，例如伸出手指、雙眼或者做出特定行為。而人臉識別則是一種既可以實現“主動識別”又可以應用于“被動識別”場景的生物識別方案，因此具有更廣闊的應用空間與市場。從識別技術上而言，單點布防的場景主要以靜態識別為核心技術，系統通常可以完成“人臉圖像＋身份證＋局端數據”三者比對并完成身份驗證，眾多安防企業已經完成技術迭代，實現高于99％的識別率，接近虹膜識別準確率，可以實現金融安防級別的應用。

2）“線”布防，以道路監控為主要部署場景，結合車輛識別和人臉識別；

ITS系統是人工智能實現把各個點連成“線”的重要應用場景。在這個領域負責采集有關道路交通流量的各種參數，例如車流量，車速，車型，排隊時間和長度等。隨著人工智能技術的不斷進步，基于車輛識別的識別類算法可大幅降低道路信息監控系統的技術門檻，提高道路執法效率。相對于其它交通流量檢測技術而言，人工智能技術所具備的優勢包括：

1．識別范圍廣：視頻檢測可以檢測較大的交通場景面積，并通過通訊技術實現網狀監控體系；

2．部署容易：相對于其它檢測方法，投資少，費用低；視頻傳感器等設備，例如攝像頭，易于安裝和調試，且對路面設施不會產生破壞；

3．采集數據多：使用AI技術可以采集到更多的交通流量參數，實現動態數據分析；

4．便于執法：實現了更多執法功能，例如套牌車分析、交通違章監控等。

目前運用人工智能的圖像識別技術，通過安裝在道路旁邊或者中間隔離帶的支架上的攝像機和圖像采集設備將實時的視頻信息采入，經過對視頻圖像的實時處理分析得到各種交通信息，如車輛的流量、速度、交通密度、車型分類、車輛排隊長度、轉彎信息等。圖像識別目前已經能夠勝任識別車牌，車輛顏色，車輛品牌，車輛類型（SUV，普通轎車，皮卡等），車輛型號（類似于9代雅閣，8代雅閣等），以及駕駛員是否使用安全帶及接聽手機等行為。

人工智能有望為道路交通執法帶來一場科技革命。交警部門也將從傳統的現場執法逐步過渡到遠程、非值守的智能執法，迅速降低交警執法難度，改善執法環境，并將為越來越多的駕駛員及乘客保駕護航。 　　3）“面”布防，以熱點區域、重點場所為主要部署場景，應用人群與行為特征分析技術，按需部署人臉識別產品；

圖像識別技術不僅可以實現靜態識別，也可以完成動態識別和軌跡識別。通過對視頻的迅速分析，信息分析平臺可以監測出可視范圍內的人群數量，并且捕捉每個個體的行為動作，形成重點場所及區域的面狀布防。重點區域布防對于公安部門而言有著重要的意義，但卻消耗大量警力資源。重點區域與重點社會活動已經成為公安部門安防布控的重點與難題。人群與行為識別技術是圖像識別的一個延伸，通過更為優化的AI算法與模型實時分析可視范圍內的人物、車輛及其行為。其主要功能包括，人數統計分析：統計視野范圍內人群的數量，跟蹤個體行為軌跡，防止人群密度超負荷；個體跟蹤：結合人臉識別技術，跟蹤特定人員的運動軌跡與行為舉止，實現提前預警；禁區管控：對禁區范圍實現實時監控，對違規行為實時報警；異常行為分析：對人物行為進行分類，并及時預警異常動作行為。AI技術將對區域布防業務提供強大附加功能，減少安保人員投入，減少應急響應時間，保障人民社會及經濟活動的順利進行。

4）“后臺”分析，以視頻結構化語義理解為基礎的斷文識字、智能案情分析、統籌資源調配。

有別于前三種依賴于圖像識別技術的安防領域，智能案情分析系統是一種基于人工智能自然語言處理（NLP）技術的語義理解分析系統。NLP技術通常可以將一段對事實陳述的文字進行結構化分析，拆解并分離出其中的時間、地點、人物、事件要素等一系列結構化數據，并進行模糊比對形成專業的語義理解數據庫。公安機關坐擁龐大的文字卷宗檔案及數據庫，警方需要對卷宗進行查閱和分析時，往往需要動用大量警力，進行人工文檔篩查。而警務語義理解技術，可以有效的對已有的電子卷宗進行智能檢索，尋找案件中的蛛絲馬跡，協助警方破案。例如，有經驗的警官通常對特定案件，如盜竊案件，有著獨特的理解。根據實戰的經驗，警官可以對案件的要素，如作案時間、作案手段、受害對象等，進行分類。根據這些分類，警方往往可以進行串并案操作，豐富犯罪嫌疑人的行為特征，實現快速破案。

接下來會怎樣？

人工智能能帶來數量眾多、意義重大的收益。很多收益是看得見的，從人臉識別到案情分析等。還有一些收益雖然不那么明顯，但也會對日常業務流程和消費者服務提供更強大的能力和效率。與任何范式轉變過程一樣，有時過高的期望可能會超出短期內所能實現的潛力。我們期待著未來某一時刻，人們對AI的幻想能夠徹底幻滅，隨之而來的將會是長期、持續的價值認可，因為AI學習已經被用于改善并革新現有的系統。在歷史上，工業革命曾通過新的電力和傳送方式改變了生產和交流方法。第一次工業革命在十八世紀八十年代使用蒸汽機驅動了機械化的生產過程；第二次工業革命在十九世紀七十年代使用電力推動了商品的大規模量產；第三次工業革命在二十世紀七十年代使用電子和軟件技術實現了生產和交流的自動化。今天，隨著AI逐漸“蠶食”整個安防監控領域，我們創造價值的主要來源已成為信息本身的處理。通過用更智能的方式完成這樣的工作，AI將低調地為安防帶來效益和歷史意義。