前不久，针对“行人闯红灯过马路”的交通顽疾，山东 济南 、江苏 宿迁 等地上岗了一批“斑马线上的电子警察”。这些“电子警察”是 海康威视 开发的人脸比对行人闯红灯交通管理报警零碎，可对闯红灯人员停止人脸抓拍、提取人脸特征，并将数据送入后端海康脸谱人脸信息综合使用零碎，完成人脸静态比对、实时预警等功用，闯红灯的进程也会被路边的大屏实时曝光。经过这种视频剖析、运动跟踪、人脸检测和辨认技术在智能交通范畴的全新综合使用，宿迁市的行人及非机动车闯红灯的守法行为下降70%。
2017年冬季青岛国际啤酒节时期，顶峰时每天入园超越10万人次。青岛开发区警方借助依图智能 安防 平台，初次将人脸辨认零碎使用于大型安保活动实战。应用高清摄像头捕获采集人脸图像，0.8秒内就能锁定可疑人员，完成人像辨认成功率为98.1%、辨认报警类似度为85%的高效率，抓拍辨认可以秒级反响，为疾速鉴别和即时抓捕提供技术支撑。啤酒节开幕两周就抓获网上在押人员22名、吸毒人员11名，当场抓获扒窃嫌疑人5名，让警情“零接报”。
在 重庆 渝中区，外地警方运用智能化的人像比对零碎，在40个任务日内识别出69名嫌疑人，相比人工效率提升200倍。以前要从数十甚至上百小时的监控视频里找到关键画面，仅靠人力停止图像辨认，就像易如反掌，效率低、精确性也难以保证。
在交通、公安、楼宇乃至团体住宅等需求平安防备和维护的范畴和场所， 人工智能 正在深入改动着安防行业的相貌，给人们的任务生活加上一道智能化的平安屏障。
成为古代安防范畴的催化剂和助推剂
安防行业具无数据信息量大、数据层次丰厚的特征，如今安防监控范畴已进入数据大爆炸的时代。专家指出，面对井喷式增长的视频监控数据量，停留在浅层次剖析辨认的传统智能算法，已无法满足深层次数据价值发掘的需求。因而人工智能在安防行业的落地瓜熟蒂落并日渐深化，目前已普遍使用于公安零碎的身份鉴别、分解追逃、侦查破案、效劳民生等各项业务之中。
浙江大学计算机学院人工智能研讨所教授 李玺 引见说，安防范畴十分复杂，电子锁、指纹门禁、监控摄像头、传感器、报警器等，都属于传统安防范畴的硬件设备。传统安防次要是视频安防，由于“眼见为实”，视觉信息绝对而言显得十分重要。
传统的安防只是发生数据的设备，没有方法进一步对数据停止剖析后发生价值，数据也需求人去读取、剖析，效率较低。人工智能则经过一系列软件与算法，进步效率、精准度和掩盖率，可以从海量数据中发掘出无效信息，从而成为古代安防范畴的催化剂和助推剂。
李玺说，最直观的例子就是人脸辨认，这项通用性技术与安防结合，可以处理安防的痛点。比方一个城市有20万个摄像头，光靠人力基本看不过去。人工智能可以停止粗加工，包括紧缩视频、检测中心事情、剖析拥堵状况，以及对信息停止无效组合等。人工智能的优势还在于可以拓展人的才能边界，比方剖析20万个摄像头读取到的信息，构成精准的剖析报告，协助人们决策。而且，经过人工智能算法，在视频采集时就把最关键的画面，包括人的面孔、车辆的牌照等准确捕获上去，这些画面第一工夫传送到后端的智能剖析零碎，无需过多人工干涉，剖析又快又准。
“可以说，安防是人工智能最具市场前景的范畴。” 海康威视研讨院智能算法部担任人孟祥广 以为，视频监控的高清化和网络化，以及大体量数据，为人工智能提供了坚实的根底。同时，为理解决海量监控视频中无用数据吞没多数有价值数据的成绩，外行业数据越来越丰厚的趋向下，迫切需求更智能化的产品来处理视频体量激增带来的无效剖析成绩。
传统的安防技术和零碎具有一定的智能化，但新一代人工智能带来的是愈加推翻性的变化。专家表示，传统的智能算法普通是经过人工来设计特征，往往具有很大的客观性，也依赖于设计者自身的经历和技术程度。而深度学习算法是经过机器自动从数据中学习出特征。因而，基于深度学习算法的人工智能可以很好地处理众多传统智能算法无法处理的成绩，也给安防范畴带来宏大变化：精确率更高，环境顺应性更强，辨认品种更丰厚。
依图科技首席执行官朱珑 说，从2014年到如今，人工智能算高端智能装备、新一代信息技术、新能源、新材料、新制造、新零售、新技术、生物制药等新的产业集群正在迸发活力;创新驱动、科技支撑、知识产权转化、技术转移等新的动能正在超越旧的动力，新经济成为支撑经济发展的重要力量。法的精度从十万分之一提升到了十亿分之一，人脸辨认算法精度已有了万倍增长。而随着算法精度的提升，人工智能技术逐步“解锁”更多行业场景，“人工智能+安防”会把安防程度再抬高一个台阶，最终从“人防”晋级到“机防”的智能防控预警。这也是安全城市的根底和“大脑”，对全球安防行业都具有跨时代的意义。
使用场景将日益丰厚
人工智能研讨的深化和深化，给安防行业带来的变化也愈加超乎想象，可以发扬作用的使用场景越来越多。
海康威视初级零碎技术工程师吴良军 以为，“人工智能+安防行业”将来的开展趋向次要表现在两点：一是人脸辨认在生物辨认范畴逐步成为主流。在生物辨认范畴，目前指纹辨认仍占主导位置，但由于指纹易磨损、伪形成本低，在临时波动性和平安性上存在成绩；虹膜辨认虽然平安性最高，但昂扬的本钱也使其短期内难以大规模推行。人脸辨认由于其非接触性、非强迫性、高并发性，使用场景更为丰厚。
二是边缘智能成为大势所趋。随着 万物互联 时代的到来，计算机视觉范畴前端设备发生的图片、视频数据量宏大，如全部将其会聚到 云计算 数据中心停止智能剖析，将对通讯的带宽要求和实时性要求等带来有限压力。这就要求就近提供边缘智能效劳，将人工智能算力或推断才能逐步从云迁移到边缘侧。以海康威视为例，其“AI Cloud”(人工智能云)框架就经过云边交融的方式，将智能前置到摄像机，能让感知了解更精准、数据分级更灵敏、业务呼应更灵敏。
与此同时，“人工智能+安防行业”的开展也存在应战。专家指出，在人工智能本身范畴，深度学习实际根底尚未齐备，缺乏归纳推理才能；人工智能芯片的研制尚处起步阶段，现阶段人工智能技术的大规模使用本钱还比拟高；机器学习基于概率统计，再好的技术也做不到100%的精确率，智能使用需求与处理方案相结合才干给用户带来良好的使用体验，更好地发扬技术和产品的价值。
此外，人工智能需求少量数据作为支撑。但详细到平安、交通、金融等各个行业，数据是中心资源，遭到行业维护。人工智能研讨目前还无法对数据停止打通和片面化的剖析，无法构成真正的“大脑”，这在一定水平上也限制了其开展。
朱珑以为，人工智能在安防范畴的使用不只是使用层面的成绩，实质上是由人工智能驱动、交融 大数据 和云计算的零碎工程。
李玺说，人工智能和安防范畴的进一步结合，还需更多懂技术的复合型人才。同时，学术界要更关注底层技术和根底性、前瞻性技术的打破，与产业开展构成互补。理想的人工智能形式，是机器能像人一样停止推理、决策、联想，完成真正的智能剖析。