【中國安防展覽網 企業關注】伴隨著大數據、移動互聯網、云計算、物聯網、人工智能技術的不斷進步，國內 “智慧城市”的建設推向了高潮。安防行業作為智慧城市的安全之門，同時也擔負著智慧城市中智慧交通、智慧金融、智慧社區等多個系統視頻圖像識別的“智慧之眼”。如今，人工智能經歷了幾十年的沉淀后伴隨著深度學習的興起又一次浴火重生，加上視頻智能分析技術、大數據技術的不斷升級，助推安防行業各廠家此起彼伏的加速落地，衍生了一系列AI+(人工智能)智能應用。雖然目前還存在人才積累、數據共享等一些問題，但毋庸置疑的是伴隨著國家戰略政策的深化與行業需求的不斷升級，智慧城市中AI+(人工智能)安防迎來了新的發展機遇與挑戰，今天，是AI+(人工智能)安防布局的好時代。
AI+安防在智慧城市建設中的技術及應用
人工智能歷經五十年代的達特茅斯會議、八十年代 Hopfield 神經網絡和 BT 訓練算法到2006 年 Hinton 深度學習技術的提出，時至今日在積蓄了足夠的能量后再次爆發。這一次人工智能不僅在技術上頻頻取得突破，在商業市場同樣炙手可熱，尤其在安防領域，伴隨著人工智能技術的發展，各安防廠家已目露崢嶸。
人工智能在安防領域的拓展主要得益于視頻智能分析、深度學習、大數據三大技術的不斷成熟。
1.視頻智能分析技術
視頻智能分析技術是一種基于目標行為的智能監控技術。在不需要人為干預的情況下，利用計算機視覺和視頻監控分析方法對攝像機拍錄的圖像序列進行自動分析，包括目標檢測、目標分割提取、目標識別、目標跟蹤，以及對監視場景中目標行為的理解與描述，得出對圖像內容含義的理解以及對客觀場景的解釋，從而指導和規劃行動。
2.深度學習技術
深度學習之所以被稱為“深度”，是相對支撐向量機(Support vector machine, SVM)、提升方法(Boosting)、大熵方法等“淺層學習”方法而言的。深度學習是機器學習領域一個新的研究方向，其動機在于建立模型模擬人類大腦的神經連接結構，在處理圖像、聲音和文本這些信號時，通過多個變換階段分層對數據特征進行描述，進而給出數據的解釋。深度學習通過對原始信號進行逐層特征變換，將樣本在原空間的特征表示變換到新的特征空間，自動地學習得到層次化的特征表示，從而更有利于分類或特征的可視化。人工智能技術的第三次涅槃催生了大量的深度學習研究機構，例如近谷歌新成立的ALgorithmiag算法平臺已經擁有超40000個AI，超過3000個算法和模型，而這些算法和模型未來將被應用于涉及深度學習的各行各業。
3.大數據技術
大數據技術可實現整合海量的非結構化、半結構化、結構化數據，并對這些數據進行分析計算。通過智能分析技術從非結構化數據中分析出結構化信息，通過全文檢索技術從結構化數據中快速定位信息，通過分析挖掘技術從結構化數據中挖掘出有價值的信息。并能夠通過大數據的深度關聯分析對事物的發展趨勢作出預。同時，通過大數據的挖掘與分析形成的有價值數據，可以為深度學習提供更加有效的數據樣本。
總之，伴隨著人工智能技術陸續落地，AI技術不斷地融入現代安防應用中，在公安行業、交通行業、樓宇行業、民用監控行業等方向極大地豐富了智能安防的內涵與維度，推動了安防物聯網的加速落地，促使智能安防向更高層級的“智慧安防”邁進，為智慧城市的未來提供了無限可能與更加安全的保障。
智慧城市中AI+(人工智能)安防發展問題
毫無疑問，安防行業的人工智能化是必然的趨勢之一，尤其近年來，伴隨著人工智能技術的第三次大爆發，眾多圍繞AI技術的企業走到了臺前，向著智慧城市AI+(人工智能)安防不斷邁進。但是，目前的AI+(人工智能)安防在智慧城市的建設中依然存在一些問題，主要表現在以下幾個方面：
1.技術成熟度不夠
盡管第三次人工智能技術大爆發時代已經來臨，視頻智能分析、深度學習、大數據技術也已經開始在安防行業嶄露頭角。但是目前的視頻智能分析技術對于視頻成像質量要求較高，而目前的視頻圖像質量受環境影響較大，加上由于編碼、網絡帶寬等因素制約，在視頻模糊、光照不足等情況下無法實現視頻分析技術的有效辨識。深度學習技術目前也只能保證在設備制造過程中進行學習，無法實時對采集的圖像進行進一步學習分析，尚不具備成長能力。此外，大數據技術應用中，目前的結構化處理能力尚有較大的發展空間，數據量的爆發期待更靈敏、更智能的計算能力與結構化分析能力。
2.數據開放程度不足
雖然我國目前互聯網、移動互聯網用戶規模居，在安防行業隨著平安城市的建設也帶來了豐富的數據資源和應用市場優勢，可是數據之間的交叉融合非常少，數據資源割裂、分散，開放和共享程度低，難以開展多維數據融合分析，使得人工智能缺乏有效的數據支撐。
3.專業人才稀缺
吳恩達與百度的人工智能姻緣，曾經一度被國內媒體熱炒，而這恰恰說明了國內人工智能行業的人才稀缺現狀。專業人才的稀缺導致行業現有人才對專業知識的積累不足，早期的智能分析技術屬于單場景的目標檢測和行為分析，對視頻內容的理解能力偏弱，同時也很少涉及大范圍場景的關聯行為分析，沒有積累下有效的經驗知識用于異常分析和風險預測。
4.行業需求不明確
2017年的柯潔與alphago大戰幾乎人盡皆知，然而盡管人工智能攻陷圍棋，以及不同版本的人機大戰中也獲得了眾多成就，然而更多地是一場科技秀，以此向外界展示自身人工智能技術實力，但在推動人工智能技術實際應用中，至今尚未有比較成熟的應用項目。隨著智慧城市、平安城市的不斷發展，各個城市你追我趕、大干快上，底層基礎的建設在不斷加強，但上層應用的需求亟待從廠家到用戶全鏈條的關注與開發。
5.技術轉化能力與品牌難同步
近兩年人工智能的概念得到了風投的強烈關注，然而技術落地、產品的轉化、價格定位與品牌的建設與推廣絕非一日之功。目前的資本市場上每天都在上演著曇花一現的故事，只有擁有數據運用能力、產品化能力、渠道能力的企業才有望在智能安防中獲得先發優勢。
智慧城市中AI+(人工智能)安防的未來與機遇
未來，搭載AI技術的實時智能視頻監控系統將作為智慧城市中的平安社區、智能交通、智慧商業、智能家居等領域物聯網應用的核心一環。AI技術對安防行業的驅動和顛覆力是遠甚于先前的高清視頻、智能分析，未來的AI+(人工)智能安防發展趨勢將從后端向前端延伸、從靜態處理到動態識別、從被動防御到主動防控轉變。2017年3月，“人工智能”被寫進政府工作報告，未來可以預見，伴隨一系列國家政策的出臺，AI技術在安防領域將加速落地，并掀起新一輪智能安防改造與建設熱潮。同時，AI技術的融入，促使智慧城市不斷向網絡化、集約化、智能化發展。
1.政策推動
伴隨著國家對大數據、移動互聯網、云計算、物聯網等方向的不斷重視與政策傾斜，國家投資戰略及政策不斷完善，智慧城市PPP建設模式已日趨成熟，將助推安防行業新的變革，PPP等新的建設模式帶來巨大資金，可以有效引導安防廠家參與智慧城市公共服務建設的積極性。
2.技術推動
隨著機器人、語音識別、圖像識別、語言處理和專家系統等技術的愈加成熟，智能分析、云計算、云存儲、大數據技術不斷升級，加上深度學習算法種類的不斷完善與芯片技術的計算及穩定性能提升，使得視頻深度學習技術成熟度越來越高，給AI+(人工智能)安防帶來了全新的機遇。
3.需求推動
政府的功能性需求為安防行業的發展發揮了巨大的驅動作用。近兩年，平安城市逐漸向智慧型平安城市發展，推進過程中離不開智慧交通、智慧家居、智慧醫療、智慧校園、智慧社區等多樣化系統的建設與多行業應用。智慧城市行業與領域的細分必將為人工智能安防的發展奠定基礎，并將依托人工智能安防不斷提升感知水平。
4.數據助推
平安城市、綜治工程、雪亮工程、交通海燕等一系列安防工程系統的建設部署了大量的高清智能前端，必將帶來巨大的視頻圖像資源，有效的數據資源將為視頻結構化、深度學習、大數據等技術的發展提供巨大的樣本基礎，從而為人工智能安防的發展帶來明顯的推動作用。
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
