随着人工智能在安防行业的渗透和深层次应用，当前安防行业已经呈现“无 AI，不安防”的新趋势。各安防厂商产品AI化已经是当前不争的事实，同时也成为各厂商的新战略高地。
 
　　自从2016年人工智能在安防行业逐渐深入落地以来，AI在安防领域尤其是视频监控领域的产品形态及应用模式也开始趋于稳定。安防行业的AI技术主要集中应用在人脸识别、行人识别、行为识别、车辆识别、结构化分析、大规模结构化和半结构化视频信息检索等方面。
 
　　按照应用场景来看，人工智能在安防行业的应用主要分为卡口场景和非卡口场景。
 
　　卡口场景主要为人脸/人员卡口和车辆卡口，此类场景摄像机的采集位置、光线、角度等条件可控。
 
　　非卡口场景指的是普通治安监控场景，对摄像机安装位置和角度以及采集光线等不做严格要求。卡口场景约占视频监控摄像机总量的1%-3%，剩余的均为非卡口场景监控视频。
 
　　严格说来，人工智能并不是严格的学术名词，在安防企业界，AI大都指的是基于视频图像的机器学习，是一种模式识别AI。机器学习领域的*级学者Michael Jordan称目前常用AI有以下三类：
 
　　一是仿人人工智能(human-imitativeAI)是近深度学习的一系列成功案例，包括计算机视觉、语音识别、游戏人工智能。
 
　　二是智能增强(IntelligenceAugmentation，IA)能够增强人类记忆能力的搜索引擎和增强人类沟通能力的机器翻译都属于此类。
 
　　三是智能基础设施(IntelligenceInfrastructure，II)这一领域旨利用计算机技术让人类生活的环境更加安全有趣，从基础设施的角度为人类生活提供支持。物联网是这一类概念的早期版本。现在的智慧城市就是II的一种典型应用。
 
　　AI在安防行业有以下几方面应用：
 
　　人脸身份确认
 
　　人脸身份确认应用属于卡口场景仿人AI应用，以公安行业人员布控为代表，在关键监控点位安装人脸抓拍摄像机，通过后端人脸识别服务器对抓拍到的人脸进行比对识别，确定该人员身份。
 
　　目前人脸身份确认有与人脸黑名单库比对识别和静态人脸库进行比对识别两种。
 
　　人脸黑名单动态布控应用主要利用人脸抓拍摄像机从高清/超高清视频画面中使用深度学习模型检测并抓拍人脸照片，然后提取人脸深度学习特征向量与黑名单库人脸进行比对并实现报警提示；人脸静态比对是指使用深度学习模型检测并抓拍人脸图片，然后将提取的人脸深度学习特征向量与静态库中的人脸比对识别，确认该人脸身份。
 
　　例如2017 年在某啤酒节期间，警方将人脸识别系统应用于啤酒节安保，成功抓获网上逃犯 25 名，吸*人员 19 名，当场还抓获了 5 名扒手，并且驱离扒窃前科人员 32 名。另外，通过人脸识别系统还可以查询人员行走轨迹，可以借助人脸识别系统寻找走失老人、儿童等，实现便民服务。
 
　　人脸身份验证
 
　　人脸身份验证属于卡口场景应用，人脸白名单应用属于人脸身份验证应用。人脸白名单应用已经在很多行业落地，比如人脸门禁、人脸速通门、人脸考勤、人证核验等，广泛应用于企事业单位、各类园区等场景。
 
　　除了实现基础的人脸识别应用外，人脸身份验证还使用活体检测等手段，防止通过照片、视频、面具等人脸假冒行为，切实保障出入口人员安全管控及日常人员管理等。
 
　　车辆识别应用
 
　　车辆识别应用属于卡口场景应用。车辆识别技术是公安实战中应用成熟、 效果明显的技术之一。
 
　　借助遍布全国各地交通要道的车辆卡口，车牌识别使得“以车找人”成为现实，成功协助警方破获各类案件。车辆识别技术已经从初级的基于车牌的车辆识别应用阶段发展到车型识别、套牌车识别等精准的车辆识别应用阶段。
 
　　视频结构化
 
　　视频结构化应用一般属于非卡口应用。在视频结构化分析与快速检索应用中，视频结构化业务功能是对视频中的机动车、非机动车、行人等活动目标进行分类检测，并对其特征属性识别。提取目标小图和场景大图写入存储设备便于后续的快速查询及智能检索。通过视频结构化业务快速分析并提取出视频中感兴趣目标的特征属性信息，用户能够高效获取案事件相关线索，促进大安防时代视频数据从“看得清”跨入到“看得懂”的阶段。
 
　　浙江宇视科技有限公司的“昆仑”视图数据中心一体机支持业界高性能的人脸识别、视频结构化、人数统计以及百亿级大数据秒级检索业务。
 
　　行为分析
 
　　行为分析可辅助安防应用。通过行为分析系统对人员的异常行为进行分析处理，可应用于重点区域防范、重要物品监视、可疑危险物品遗留等行为的机器识别，也可对人员的异常行为进行报警，极大提升了视频监控的应用效率。
 
　　还可以实现对群体的态势分析，如人群密度分析、人员聚集分析等，对重点区域或人员聚集较多的场所态势进行分析，防止人群事件发生，做到提前预警、及时处置。