摘要:随着科学技术的飞速发展，人们正在享受着安全监控带来的安全感。安全监控不仅可以实时记录发生的事件，还可以对监控视频进行分析，提取信息(如车牌、人脸、运动分析)，进行视频推送预警，实现防范。

       在科技飞速发展的今天，人们正在享受着安全监控带来的安全感。安全监控不仅可以实时记录发生的事件，还可以对监控视频进行分析，提取信息(如车牌、人脸、运动分析)，进行视频推送预警，实现防范。可以起到“防患于未然”的作用。

       近年来，人工智能和大数据技术发展迅速，在行业市场上获得了前所未有的普及。他们率先解决了高数据可用性领域的行业难题。

安全领域是人工智能完美登陆的自然场景

1.大数据是人工智能自主分析、预测和改进的重要支撑，而安全行业拥有丰富的视频数据，完全可以满足人工智能对算法模型训练的要求。

2.在安全监控领域，有事前预防、事中响应、事后追踪的逻辑要求。人工智能可以为这个问题提供新的解决方案。

3.据统计，2011-2016年期间，证券市场保持了持续的两位数增长，预计2016-2020年期间将继续增长，复合年增长率为7.6%。到2020年，证券市场年销售额将达到3150亿美元。鉴于如此大的市场规模，人工智能早就“准备动起来”了！

从技术要求和市场规模来看，安全领域是人工智能最快最好的“着陆点”。传统的安全监控虽然实现了记录功能，但无法准确识别视频中的人、物和场景。有视觉的智能视频监控系统可以彻底改变这种情况。

智能视频监控系统主要包括三类:

1.人物识别:主要是识别监控系统关注的内容，包括人脸识别、车牌识别、车型识别、船舶识别、红绿灯识别等。识别技术是道路监控、金融银行、航道管理等行业经常使用的技术，主要为客户提供识别记录和分级管理依据。

2.人和物体运动轨迹的识别:目前有很多细分，包括虚拟警戒线、虚拟警戒区、自动PTZ跟踪、人口统计、交通统计、物体的出现和消失、人的突然奔跑、人的突然聚集等等。这种技术，除了定量统计，一般判断某个过程。一旦发现异常情况，如有人进入警戒区，广场东北角人群迅速聚集，则发出报警信息，提醒值班监控人员注意相应的热点。目前，此类功能主要用于安全城市建设、业务监控等行业。

3.环境影响的判断与补偿:在复杂的背景环境下可以实现正常的监测功能。环境影响主要包括雨、雪、雾、夜间照度低、摄像机遮挡或偏移、摄像机抖动等恶劣天气。智能视频监控系统技术的应用可以在恶劣的视频环境下实现正常的监控功能。当视频受环境影响不清晰时，尽快找到画面中的人，或者判断相机偏移后报警。这种功能的关键技术点是能够在各种应用中稳定输出智能分析信息，将环境对视频监控的影响降到最低。

随着高清、深度学习、云存储、GPU、物联网的发展，切入人工智能落地安全领域的途径主要有两种:

1.从产品到技术:传统安全领域的企业不断加快软硬件产品的智能化进程；

2.从技术到产品:人工智能企业擅长算法，积极部署终端应用行业，如金融、公安、建筑园区等。

人工智能在安全领域的应用主要分为警用和民用两个方向:

1.公共安全领域

智能监控可以实时分析海量数据，提取有效线索，锁定犯罪嫌疑人或车辆的轨迹，完成跟踪、抓捕、救援等一系列任务。这个过程涉及地图调查、实战、预判三个层面的应用，以满足事前防范、事中应对、事后追踪的实际需要，可以有效防范和化解各种安全隐患。

2.运输领域

智能监控分析人车密度分布及变化趋势，进行动态监控。通过调整红绿灯间隔，合理配置资源，提高交通效率，为公众出行顺畅提供有利保障。

3.智能建筑和公园

在门禁考勤系统中使用生物识别技术，不仅可以区分工作人员和非工作人员，还可以降低建筑能耗。

4.零售领域

为经理提供远程可视化、客户数据收集和分析以及POS收银员监督。

5.在民事安全中的应用

智能监控可以为每个用户提供差异化服务。以家居安防为例，当家中无人时，智能监控系统进入部署模式；如有异常，应报警并及时通知业主。智能安防虽然前景广阔，但目前在国内基础还比较薄弱，在应用过程中还存在很多障碍和困难。

人工智能在安全监控领域面临四大难题:

1.对环境的适应性差

人工智能对视频内容的识别容易受到光照条件、天气因素、图像质量、目标大小、物体遮挡等环境变化的影响；

2.数据是孤立和分散的

在传统的安全系统中，各平台系统的数据开放性和共享程度较低，难以进行多维数据融合分析。以人脸识别为例，为了提高人脸识别的准确率，单纯提高算法的计算能力是不够的。还需要拓展分析数据的纬度，比如位置、社交、车辆、消费等等。只有通过这样大规模的多模态数据集成，才能达到目标跟踪和分析的目的。

3.对现场了解有限

原因一:专业领域知识和经验积累不足；

原因二:在视频结构化过程中，智能监控仍然停留在基于静态特征的单一场景环境中，很少涉及大规模场景关联行为的分析，也没有对动作、行为等动态特征及其相关性进行结构化处理。

4.缺乏自我提升能力

目前人工智能没有自我成长的能力，只能根据设定的条件进行独立分析，无法根据分享能力和积累的经验进行自我提升。

结论:

立足现在展望未来，智能安全的道路虽然曲折，但在政府的大力支持下，数据的开放共享和算法计算能力的不断提高，人工智能和安全将全面融合，智能安全时代正在加速。