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

安防业务系统应遵循“看的清、看的全、看的懂、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，安防行业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。建设过程中，在关注云计算，强调计算集中、数据集中处理机制的同时，在技术上也应该关注计算资源和数据处理的边缘化，关注边缘节点互动和通信的特性，目的是充分应用边缘节点的计算能力，有效减轻对网络的要求和投资，满足边缘节点的实时应用和区域应用的需求。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。但是，仅仅采集、记录信息是不够的，不能满足各业务实战对数据有效性的要求。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，往往越高密度的信息价值越大；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。 从“密而不漏”到“万里挑一”，前者保证目标和线索被记录，后者实现目标和线索主动显露。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。与上级平台的情报、指挥决策、综合防控、网安共享、执法办案、业务监督、移动应用、网上服务等应用云对接，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。

结语

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＋安防带来了全新的机遇。

同时，政府的功能性需求也为安防行业的发展发挥了巨大的驱动作用。智慧城市行业与领域的细分必将为人工智能安防的发展奠定基础，平安城市、雪亮工程等一系列安防工程系统的建设部署了大量的高清智能前端，必将带来巨大的视频图像资源，有效的数据资源将为视频结构化、深度学习、大数据等技术的发展提供巨大的样本基础，从而为人工智能安防的发展带来明显的推动作用，促进安防领域感知水平和应用能力不断提升。