人工智能是计算机科学的分支，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。得益于深度学习优异的特征学习能力，能够形成快速的知识积累，人工智能可以对数据进行更本质的刻画，这大大地拓展了人工智能的研究和应用领域，使得机器学习能够完成更多的任务，实现更多的应用。人工智能不再是人们的期望，而是近在眼前，甚至即将实现。

　　人工智能技术在雪亮工程中主要应用于深度学习、视频结构化、人脸检测、人脸特征识别、人体特征识别、车牌识别、车辆特征识别、大数据分析及应用等。通过人工智能技术，可以对前端采集的原始监控图像进行结构化解析，按照规范标准，把原始的视频图像数据自动转化为准结构化和结构化数据，形成相对应的主题数据库，并将数据提交至大数据平台进行相关的数据模型、技战法等使用，形成丰富的实战应用，如人车轨迹刻画、落脚点分析、预测预警等服务，充分发挥监控图像的实战价值。

　　在安防行业内，人工智能主要分为两种，一种是前端智能，另一种是后端智能。前端智能也称边缘节点，主要指具备一定智能化的摄像机，如人脸抓拍摄像机、车辆抓拍摄像机等前端设备，可以在前端完成简单的人脸和车辆图像分析，再回传至解析中心进行算法较为复杂的二次识别和分析。目前部分设备厂商还可以做到将原先不具备智能分析的视频监控摄像头，通过加载智能算法盒子或者算法软件的方式，把普通摄像机升级为具备视频分析能力的智能化摄像机，这在雪亮工程中可以提高原有高清摄像机的利用率，减少大量新建摄像机带来的巨大成本。

　　后端智能主要指结合相关的人脸识别服务器、车辆识别服务器、结构化分析服务器、大数据分析服务器等智能设备，通过视频平台将视频图像资源中用户关注的活动目标（人体、车辆）进行结构化解析，形成有价值的数据积累，提供特征检索、以人搜人、轨迹回放等应用功能。为实现对不同厂商的视频分析算法的兼容、融合和调度，构建一个开放的基于 AI 的视频图像处理与分析引擎集成框架，支持不同厂商算法灵活地集成进来，并为这些算法任务的执行提供高效的任务分解和调度，并屏蔽底层异构计算资源的差异，提供统一的异构计算资源的管理和调度，为视频智能解析和检索提供一个高效的加速引擎。依据实战应用需求，通过大数据平台设计时空分析、线索排查、历史摘录等场景化的业务应用，支撑视频图像信息应用及公安实战业务应用。

　　1.数据开放性和联系不足

　　雪亮工程项目建设的不断推进，为人工智能带来了丰富的数据资源和应用优势。但是现有的多警种资源、跨平台业务、非标系统等的数据壁垒问题一直存在，导致各数据之间的关联和融合少，数据资源仍然分散，数据开放和共享程度较低，难以进行多维数据融合分析，使得人工智能缺乏有效的数据支撑。

　　2.技术尚未完全成熟

　　随着新技术和硬件设备的发展，人工智能技术已经进入一个日新月异的地步，在雪亮工程中我们也常常看到视频智能分析、深度学习、大数据等技术的身影。然而，要想利用视频智能分析挖掘出视频图像中更多的信息，对视频成像质量有非常高的要求。目前，环境对监控摄像头的视频成像质量的影响很大，可能会有光照不足、目标遮挡或者尺寸很小等一系列问题。另外，由于编码和网络带宽等因素，会导致视频卡顿、视频画面模糊等问题，无法实现视频的智能化分析。深度学习技术只能保证设备制造过程中的学习，并且不能保证实时进一步研究和分析所收集的图像。此外，在大数据技术的应用方面，目前结构化处理能力的发展还有很大的空间。数据的几何尺度对计算机的计算能力、处理能力和结构化分析能力提出了更高的能力和要求。

　　3.场景分析难拓展

　　在早期智能化工程中，智能分析技术不太成熟，基本都是单场景地对目标进行检测和对目标行为的分析，这种单场景的分析一般对视频内容的理解能力偏弱，针对雪亮工程中大范围场景的关联行为分析比较少，没有较多的有效经验来支撑异常分析，以及对风险做预测。

　　4.缺乏有效的完善能力

　　目前我们很多人工智能中所说的智能，只是一种被动式反应的智能，都需要根据输入的条件进行自动的判断，无法自动根据数据及分析做出自主预警，缺乏成长能力。真正意义上的人工智能应该是在时间的沉淀下，以及群体间的经验分享能力，这样才能在实践中不断完善，使得人工智能的能力更强，更高效。

　　1.统筹规划，提高前端设备高清智能化

　　加大前端点位建设力度，“以点为基、串点成线、连线成面”，扩充互联网视频图像资源，鼓励公众参与雪亮工程建设，加深视频监控覆盖深度，实现重点建设与分类建设齐头并进。前端建设以科学布建理论为指导，开展场景式部署建设，构建多维感知体系，多角度、分层次、全方位、全天候采集视频图像及物联网基础数据，实现对人、地、事、物、组织的多维度信息采集，解决跨部门、多行业用户及公众的个性化需求。与此同时，结合 5G 网络传输技术，将视频监控向更高清的方向提升，达到 4K、8K 级别，给智能分析提供更高质量的数据支撑。

　　2.深度挖掘数据，聚焦业务应用

　　在雪亮工程项目中，汇聚的不仅仅是视频图像数据，还有人员数据、车辆数据、房屋数据等。要以海量有价值数据为基础，深度开展业务应用系统的建设，以业务应用为导向，促进轨迹追踪、人像比对、车牌识别、快速检索、数据挖掘及信息预测预警等技术与各政府部门在业务应用方面的深度耦合，实现全市公安、综治、交通、环保、教育、卫生等各部门在治安防控、城乡社会治理、智能交通、服务民生、生态建设与保护等领域的应用，为社会和群众提供更多更好的服务。

　　3.精耕视频云，升级“视频 +”服务

　　以“多维感知、资源汇聚、数据融合、平台开放、服务集成、智慧应用”为理念，构建物理分布、逻辑统一的视频云。建立以视频图像为主、多种资源关联叠加的视频资源智能化服务体系，实现视频、手机、车辆等信息的整合和汇聚，达到人、屋、车、场等信息关联融合，为各警种、各地市、各基层实战单位提供一个资源共享、能力开放、安全可控的多元化视频资源服务平台。视频向下叠加多维的IOT物联感知（包括空间信息、动环信息、生物体征、深度语音识别等等），向上输出更多的视频数据应用价值，支持更为宽广的业务应用，比如智慧城市的运行中心、城市交通态势分析、机器视觉、大数据预警与决策等。