由于受到技術瓶頸及硬件平臺計算能力的限制，人工智能在安防行業的應用一直發展緩慢。但自從2010年以來，隨著互聯網海量數據的出現，使得深度學習發揮潛力。同時以GPU為代表的硬件平臺計算能力的飛速提升，更進一步加速了深度學習技術的普及。安防行業中的海量視頻圖像數據為深度學習提供了天然的大數據基礎，同時深度學習最成功的應用方向是基于圖像的應用，這對安防行業發展帶來了極大的推動作用。從目前來看，安防行業是人工智能落地很成功的一個領域，并且不斷深化應用，不斷推進安防行業的技術變革。

人工智能加速智能安防產品落地

人工智能技術在安防領域落地應用，改善了原本應用效果不佳的現狀，例如傳統的周界類通用智能應用、人臉應用、視頻結構化等。人臉應用主要包括人臉采集、人臉驗證、靜態庫人臉檢索、動態庫人臉識別與分析?；趥鹘y特征工程和分類器模型的模式識別方法，對應用場景要求苛刻，對采集的人臉在分辨率、人臉光照不均勻性、人臉采集的Yaw、Pitch、Roll角度都有很高的要求。在海量數據＋深度學習層面，使用監督學習訓練得到的特征比傳統手工設計特征具有更強的表達能力，只要訓練樣本具有足夠海量、具有足夠完備性、和推理樣本屬于同一個分布，深度學習則能得到更具辨別力的特征。

深度學習特征的高表達性和高辨別力，加速了智能安防產品在行業市場和消費類市場的落地。最近兩年來，人臉結構化產品（人臉采集、人臉比對）的逐漸普及，能很好說明人工智能技術促進了人臉結構化產品的可用性。類似電警攝像機和卡口攝像機促進了機動車圖像的結構化，以及大數據應用，人臉采集攝像機的大量普及，將來也會逐漸帶來人臉大數據應用，比如過人庫分析與挖掘。

為了爭取在市場的主動權，安防企業也加大與上游廠商合作，形成強強合作的效應。在新生領域進行探索，較其他企業更早的進行技術落地、摸索出一條成功的產品形態、切實可行的方案、更有競爭力的商業模式，造就一支具有更快技術轉化能力的團隊，更進一步強化強者地位。

AI＋安防的未來在哪里

與此同時，以商湯、曠視、格林深瞳等為代表的人臉識別CV公司憑借著算法上的優勢，對傳統安防企業形成一定的沖擊。但就目前而言，行業從業人員對人工智能的落地條件，已經達成了幾點共識：（1）大數據、（2）算法、（3）硬件平臺、（4）成功的應用方案、（5）好的商業模式。其實不僅僅是現在，過去和將來一樣，無數的商業經驗證明，在任何領域，一個初創企業要想在一個行業立足壯大，上面的5個條件必須全部都具備才可以，只具備其中的幾個條件，很難長久生存下去。對一家企業來說，只要認清自己的方向，把握住行業本質，排除外界各種干擾，安心做好自己最擅長的事情和業務，就沒有什么可怕的。

安防行業的本質是安防，人工智能只是技術手段。技術手段再高大上，對于一個行業的本質問題解決的不是很好，其價值也體現不出來。如同視頻編解碼技術，MPEG－4取代H．264，H．265取代H．264一樣，新技術的出現帶來行業的革新，作為安防行業從業人員和安防企業，要積極的擁抱這種革新，順應技術潮流，把人工智能技術在安防行業的落地做扎實，這才是最根本的，畢竟AI＋安防的未來在安防。

回過頭看，人工智能之所以在安防行業最火，其實是安防行業具備了人工智能落地的多個條件。安防行業部署的攝像機7x24全天候的采集視頻圖像，為人工智能技術帶來了海量的訓練數據。同時現在人工智能在視頻圖像領域的目標檢測和跟蹤技術應用也最為成功。所以說人工智能之所以在安防行業最火，就是因為安防行業的海量視頻圖像數據，同時安防行業的首要需求是從視頻圖像中進行人車物的目標檢測和跟蹤。同時，安防行業不需要像機器人領域對人工智能要求高難度，這也是人工智能安防領域火熱的原因。

人工智能革新智能安防技術

在傳統安防行業中與人工智能最相關的領域為與視頻圖像智能相關的領域，比如周界類通用智能、電子警察攝像機、電子卡口攝像機、人臉檢測、人臉驗證、人臉比對與識別、視頻濃縮、視頻摘要、視頻結構化等。安防行業的這些應用都與人工智能有密切相關。目前這些安防產品大都基于傳統的計算機視覺和模式識別算法?，F在深度學習算法都是基于GPU芯片，產品形態大都基于后端形式，而智能安防的一個強烈的需求是智能前端化。以深度學習為代表的人工智能領域的硬件平臺，正在經歷巨大的形態變革以及多元化發展。隨著深度學習芯片的不斷推出，尤其是低功耗芯片的不斷涌現，人工智能必將不斷應用于智能前端攝像機，而低功耗人工智能芯片和現在IP攝像機芯片的整合是必須要解決的一個技術難題。隨著這一難題的不斷解決，前端IPC攝像機的芯片解決方案也將會經歷一些變化。同時隨著人工智能芯片的不斷演進以及能力的不斷增強，其反過來又會不斷推動視頻圖像智能應用的升級換代。