AI安防监控工程在智慧城市的应用现状与趋势

　　伴随着云计算、大数据、物联网、AI人工智能等技术的不断进步，国内“智慧城市”的安防监控工程的建设欣欣向荣。AI+(人工智能)安防视频监控迎来了新的发展机遇与挑战，也是AI+视频监控布局的好时代。人工智能时代，安防监控工程将面临着怎样的发展机遇、挑战，以及未来的趋势如何？本文从演变的过程和见微知著的角度来对上述这几个问题进行浅析。

　　一、“AI+安防”在智慧城市建设中的落地应用现状

　　在云计算、大数据、芯片、算法等基础能力技术的助推下，“AI+安防”的概念开始浮出水面，应用已经落地。基于GPU运算的方案、人脸识别、大数据应用等已经成为业内的共识。可以说，安防监控行业正在经历一次重大转型，各种新技术的大规模植入，加速驱动着智能监控技术升级，向更高层级进化。与此同时，行业用户对视频监控也提出更多需求，多样化的应用场景催生出不同的用户需求。

　　以公共安全领域为例，目前大规模建设的“雪亮工程”是安防监控工程继平安城市建设之后又一历史性机遇。“雪亮工程”已出现加速向上拐点，成为安防市场主要驱动力。

　　通过雪亮工程的监控建设，增强了预计预防、打击犯罪、整体防控、基础防控和破解社会管理难题的能力，目前已进入以数据分析为核心的情报驱动的信息化建设阶段，数据是重中之重，对于公共安全领域的使用者和管理者来说，如何更高效地收集和分析数据是一个重点。所以，从应用层面来看，大数据、视频云和智能分析的有机结合与多维应用已经是当前公共安防监控工程建设的热点。

　　二、AI+安防在智慧城市中急需突破的瓶颈

　　当前，AI技术对安防监控工程的驱动和颠覆力是远甚于先前的高清视频、智能分析，未来的AI+(人工智能)安防发展趋势将从后端向前端延伸、从静态处理到动态识别、从被动防御到主动防控转变。AI技术的融入，促使智慧城市不断向网络化、集约化、智能化发展。但是，目前的AI+(人工智能)安防在智慧城市的建设中依然存在一些问题，主要表现在以下几个方面：

　　1.技术成熟度亟待提高

　　随着人工智能技术大爆发的来临，视频智能分析、深度学习、大数据技术也已经开始在安防监控工程崭露头角。但是目前视频智能分析技术对于视频成像质量要求较高，而目前视频监控图像质量受环境影响较大，加上由于编码、网络带宽等因素制约，在视频模糊、光照不足等情况下无法实现视频分析技术的有效辨识。深度学习技术目前也只能保证在设备制造过程中进行学习，无法实时对采集的图像进行进一步学习分析，尚不具备成长能力。此外，大数据技术应用中，目前的结构化处理能力尚有较大的发展空间，数据量的几何规模对计算机的计算能力、处理能力以及结构化分析能力有着更高的期待与要求。

　　2.提高数据的开放程度以及加强数据之间的联系

　　目前，我国的互联网用户规模大，随着平安城市、雪亮工程的建设，为安防监控工程带来了丰富的数据资源和应用优势。但是，数据之间的关联融合非常少，数据资源仍处于分散状态，各个数据所有者之间的孤岛现象、烟囱现象仍很严重，数据的开放和共享程度低，难以开展多维数据融合分析，导致人工智能在获取有效的数据支撑这条道路上仍有很长时间要走。但是，承载着AI技术的实时智能视频监控系统将作为智慧城市中的雪亮工程、平安社区、智能交通、智慧商业、智能家居等领域物联网应用的核心一环。

　　3.专业领域稀有人才的缺失

　　据相关数据统计，全球目前拥有约25万名人工智能专业人才。然而，从市场的发展来看，这一数量级的人才储备远无法满足未来几年中人工智能在垂直领域及消费者市场快速、稳健增长的宏观需求。

　　未来，无论是安防巨头，还是人工智能领域的“独角兽”公司，亦或是普通公司，人才缺口都将成为这些企业人工智能发展的一道坎。

　　4.安防监控业务应用需求不聚焦

　　在推动AI人工智能技术实际应用中，至今尚未有比较成熟的应用项目。随着智慧城市、平安城市的不断发展，各个城市你追我赶、大干快上，底层基础的建设在不断加强，但面向客户的应用需求仍然亟待从厂家到用户全链条的关注与开发。

　　三、AI+安防在智慧城市建设中的应用前景与趋势

　　1.前端物联设备高清化、智能化

　　安防监控工程业务系统应遵循“看得清、看得全、看得懂、看为用”的实战目标，而实现这一目标的基本前提就是规模化部署智能化、立体化的高清采集前端。随着编码技术的提升，目前720P、1080P码流带宽都在大规模应用范围之内，4K高清也逐步应用于特定的一些场景。要做到智能化、立体化，就必须要求场景足够细化，产品类型足够丰富，选型部署足够匹配。

　　另一方面，安防监控工程的视频监控具有点位多、信息量大、传输成本高、后端大规模分析成本高、分析时效延迟等特点，如果单个前端设备具备智能化能力，不但可以大大提高整个系统的响应效率，还可以缩减后端平台的建设成本。通过计算和数据的边缘化，降低了整个系统对数据中心的依赖。应用人像识别、车辆识别、行为识别等前端分析行为，使视频图片的深度精细化分析逐步前置，我们将“雾计算”与“云计算”相结合，更好的提升了全网效能。

　　2.深度挖掘，为探知数据加载智慧大脑

　　以视频图像为核心内容的智能前端设备，实现了数据多元化、探知立体化。数据的有效性分为两个方面：一方面，按照数学统计的说法，有效信息可能只分布在一个较短的时间段内，即所谓信息的密度，往往密度越高的信息价值越大；另一方面是深层次挖掘庞大的海量数据，关联得出高价值的有效信息。将这些视图大数据快速有效转变为各种业务实战所需的价值信息，需要为智能的前端探知设备加载智慧大脑。经过智能感知之后，智慧大脑实现了海量数据价值的智能挖掘和海量价值数据的智慧流通，并因此让价值信息的实战应用成为可能。

　　3.精耕视频云，实现实战应用数据化

　　依托专有业务信息网新建人脸大数据防控、车辆大数据防控、视频大数据治安巡控、视频大数据情报追踪、视频大数据指挥调度、视频大数据侦查实战等视频大数据应用建设，实现视频云调用、图像云智能、涉车云分析、人像云比对、综合云研判、策略云评估等应用。实现更广泛的大数据整合应用和跨业务部门的深度视频大数据应用，实现省内应用关联，跨地市的视频大数据防控、视频情报分析、专项行动指挥等，从而达到提升预警防范能力、治安防控能力、指挥救援能力的目的。

　　随着语音识别、图像识别、语言处理等技术的愈加成熟，智能分析、云计算、云存储、大数据技术不断升级，加上深度学习算法种类的不断完善与芯片技术的计算及稳定性能提升，使得视频深度学习技术成熟度越来越高，给AI+安防监控工程带来了全新的机遇。