前不久，針對“行人闖紅燈過馬路”的交通頑疾，山東濟南、江蘇宿遷等地上崗了一批“斑馬線上的電子警察”。這些“電子警察”是海康威視開發的人臉比對行人闖紅燈交通管理報警系統，可對闖紅燈人員進行人臉抓拍、提取人臉特征，并將數據送入后端海康臉譜人臉信息綜合應用系統，實現人臉動態比對、實時預警等功能，闖紅燈的過程也會被路邊的大屏實時曝光。通過這種視頻分析、運動跟蹤、人臉檢測和識別技術在智能交通領域的全新綜合應用，宿遷市的行人及非機動車闖紅燈的違法行為下降70%。

2017年夏季青島國際啤酒節期間，高峰時每天入園超過10萬人次。青島開發區警方借助依圖智能安防平臺，首次將人臉識別系統應用于大型安保活動實戰。利用高清攝像頭捕捉采集人臉圖像，0.8秒內就能鎖定可疑人員，實現人像識別成功率為98.1%、識別報警相似度為85%的高效率，抓拍識別能夠秒級反應，為快速甄別和即時抓捕提供技術支撐。啤酒節開幕兩周就抓獲網上在逃人員22名、吸毒人員11名，當場抓獲扒竊嫌疑人5名，讓警情“零接報”。

在重慶渝中區，當地警方使用智能化的人像比對系統，在40個工作日內辨認出69名嫌疑人，相比人工效率提升200倍。以前要從數十甚至上百小時的監控視頻里找到關鍵畫面，僅靠人力進行圖像識別，就像大海撈針，效率低、準確性也難以保障。

在交通、公安、樓宇乃至個人住宅等需要安全防范和保護的領域和場所，人工智能正在深刻改變著安防行業的面貌，給人們的工作生活加上一道智能化的安全屏障。

成為現代安防領域的催化劑和助推劑

安防行業具有數據信息量大、數據層次豐富的特征，如今安防監控領域已進入數據大爆炸的時代。專家指出，面對井噴式增長的視頻監控數據量，停留在淺層次分析識別的傳統智能算法，已無法滿足深層次數據價值挖掘的需求。因此人工智能在安防行業的落地水到渠成并日漸深入，目前已廣泛應用于公安系統的身份甄別、合成追逃、偵查破案、服務民生等各項業務之中。

浙江大學計算機學院人工智能研究所教授李璽介紹說，安防領域非常復雜，電子鎖、指紋門禁、監控攝像頭、傳感器、報警器等，都屬于傳統安防領域的硬件設備。傳統安防主要是視頻安防，因為“眼見為實”，視覺信息相對而言顯得非常重要。

傳統的安防只是產生數據的設備，沒有辦法進一步對數據進行分析后產生價值，數據也需要人去讀取、分析，效率較低。人工智能則通過一系列軟件與算法，提高效率、精準度和覆蓋率，可以從海量數據中挖掘出有效信息，從而成為現代安防領域的催化劑和助推劑。

李璽說，最直觀的例子就是人臉識別，這項通用性技術與安防結合，可以解決安防的痛點。比如一個城市有20萬個攝像頭，光靠人力根本看不過來。人工智能可以進行粗加工，包括壓縮視頻、檢測核心事件、分析擁堵情況，以及對信息進行有效組合等。人工智能的優勢還在于能夠拓展人的能力邊界，比如分析20萬個攝像頭讀取到的信息，形成精準的分析報告，幫助人們決策。而且，通過人工智能算法，在視頻采集時就把最關鍵的畫面，包括人的面孔、車輛的牌照等精確捕捉下來，這些畫面第一時間傳送到后端的智能分析系統，無需過多人工干預，分析又快又準。

“可以說，安防是人工智能最具市場前景的領域。”海康威視研究院智能算法部負責人孟祥廣認為，視頻監控的高清化和網絡化，以及大體量數據，為人工智能提供了堅實的基礎。同時，為了解決海量監控視頻中無用數據淹沒少數有價值數據的問題，在行業數據越來越豐富的趨勢下，迫切需要更智能化的產品來解決視頻體量激增帶來的有效分析問題。

傳統的安防技術和系統具備一定的智能化，但新一代人工智能帶來的是更加顛覆性的變化。專家表示，傳統的智能算法一般是通過人工來設計特征，往往具有很大的主觀性，也依賴于設計者本身的經驗和技術水平。而深度學習算法是通過機器自動從數據中學習出特征。因此，基于深度學習算法的人工智能可以很好地解決眾多傳統智能算法無法解決的問題，也給安防領域帶來巨大變化：準確率更高，環境適應性更強，識別種類更豐富。

依圖科技首席執行官朱瓏說，從2014年到現在，人工智能算法的精度從十萬分之一提升到了十億分之一，人臉識別算法精度已有了萬倍增長。而隨著算法精度的提升，人工智能技術逐漸“解鎖”更多行業場景，“人工智能+安防”會把安防水平再抬高一個臺階，最終從“人防”升級到“機防”的智能防控預警。這也是平安城市的基礎和“大腦”，對全球安防行業都具有跨時代的意義。

應用場景將日益豐富

人工智能研究的深入和深化，給安防行業帶來的變化也更加超乎想象，能夠發揮作用的應用場景越來越多。

海康威視高級系統技術工程師吳良軍認為，“人工智能+安防行業”未來的發展趨勢主要體現在兩點：一是人臉識別在生物識別領域逐漸成為主流。在生物識別領域，目前指紋識別仍占主導地位，但由于指紋易磨損、偽造成本低，在長期穩定性和安全性上存在問題;虹膜識別雖然安全性最高，但高昂的成本也使其短期內難以大規模推廣。人臉識別因為其非接觸性、非強制性、高并發性，應用場景更為豐富。

二是邊緣智能成為大勢所趨。隨著萬物互聯時代的到來，計算機視覺領域前端設備產生的圖片、視頻數據量巨大，如全部將其匯聚到云計算數據中心進行智能分析，將對通信的帶寬要求和實時性要求等帶來無限壓力。這就要求就近提供邊緣智能服務，將人工智能算力或推斷能力逐漸從云遷移到邊緣側。以海康威視為例，其“AI Cloud”（人工智能云）框架就通過云邊融合的方式，將智能前置到攝像機，能讓感知理解更精準、數據分級更靈活、業務響應更靈敏。

與此同時，“人工智能+安防行業”的發展也存在挑戰。專家指出，在人工智能自身領域，深度學習理論基礎尚未完備，缺乏演繹推理能力;人工智能芯片的研制尚處起步階段，現階段人工智能技術的大規模應用成本還比較高;機器學習基于概率統計，再好的技術也做不到100%的準確率，智能應用需要與解決方案相結合才能給用戶帶來良好的應用體驗，更好地發揮技術和產品的價值。

此外，人工智能需要大量數據作為支撐。但具體到安全、交通、金融等各個行業，數據是核心資源，受到行業保護。人工智能研究目前還無法對數據進行打通和全面化的分析，無法形成真正的“大腦”，這在一定程度上也限制了其發展。

朱瓏認為，人工智能在安防領域的應用不只是應用層面的問題，本質上是由人工智能驅動、融合大數據和云計算的系統工程。

李璽說，人工智能和安防領域的進一步結合，還需更多懂技術的復合型人才。同時，學術界要更關注底層技術和基礎性、前瞻性技術的突破，與產業發展形成互補。理想的人工智能模式，是機器能像人一樣進行推理、決策、聯想，實現真正的智能分析。