随着AI技术普及，各行业对人工智能技术的需求和应用不断增加，业界普遍认为安防是为数不多的可以将人工智能落地的行业，将成为人工智能的第一着陆场。海康、大华、宇视、科达、商汤、云从、旷视等公司纷纷进军智能安防领域，AI在安防行业应用赢来了重大转机与突破，安防行业发展的趋势一目了然。

　　图像识别技术

　　图像识别技术是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。随着深度学习的引入，彻底颠覆了图像识别技术中以经验驱动的“人造特征”范式,开启以数据驱动的“表示学习”范式，识别的准确率和抗环境干扰能力有了质的飞跃，使得图像识别技术产业应用成为可能。如传统的人脸识别技术基于人工设计的人脸特征模型，由于人脸存在着个体差异，导致无法完全精确的区分细小的变化。尤其是在光照、姿态、表情、饰品、年龄等因素的影响下，鲁棒性较差。而基于深度学习的人脸识别技术，突破了人工建模的局限，通过对实际作业环境中海量数据的训练与学习，有效适应各种因素的变化影响，可在较大干扰情况下实现对目标的精准识别。

　　视频结构化技术

　　视频结构化是指通过时空分割、特征提取、目标识别等处理手段，将视频内容按照语义关系，组织成方便计算机和人理解的文本信息，并进一步生成安防所需的情报线索，实现视频数据向可读信息的直接转化，达到提升视频查找速度、降低存储容量、盘活视频数据的目的。在视频结构化描述的内容方面，公共安全关注的视频信息主要是人员、车辆、行为。对于人员的描述信息包括人脸、性别、年龄范围、大致身高、发饰、衣着、物品携带、步履形态等；对于车辆的描述信息包括车牌、车颜色、车型、品牌、子品牌、车贴、车饰物信息等；对于行为的描述信息包括越界、区域、徘徊、遗留、聚集等。

　　智能大数据分析技术

　　数据分析与挖掘是人工智能发挥真正价值的核心。传统的大数据分析，不管是传统的联机分析处理（OLAP）技术还是数据挖掘技术，都难以应对大数据的挑战。首先是执行效率低，传统数据挖掘技术都是基于集中式的底层软件架构开发，难以并行化，在处理TB级以上数据时效率低；其次是数据分析精度难以随着数据量提升而得到改进，特别是难以应对非结构化数据。深度学习具有自行处理、分布存储和高度容错等特性，非常适合处理非线性的或者模糊、不完整、不严密的知识和数据。智能大数据分析技术利用深度学习算法自动开展多种分析计算，探究数据资源中的规律和异常点，辅助用户更快、更准地找到需求点，从而实现风险预测和评估。