无论是智能前端设备(包括移动警务设备)，还是警务云平台，采集数据的价值实现都离不开人工智能技术的融合应用。前端是各类识别与比对以及视频结构化的实时处理，以在端侧实现智能化，满足前端场景应用在时延、功耗和性能方面的需求，而后端则是体现在基于多维数据的深度分析研判，相当于是作战指挥中心。不置可否，结合人工智能技术，基于大数据的研判分析在侦破案件、预防犯罪、精确打击以及辅助决策等警务工作中具有重要的实战价值。

　　AI研判在智慧警务领域应用主要重点就是基于深度学习的模糊人脸搜索技术，提供人脸检索、身份验证、人像库查重服务，协助公安快速通过人脸识别身份。

　　一、步态识别技术

　　步态识别技术是基于运动生理学、人体运动力学等学科原理，运用深度机器学习和神经网络算法，对人体步幅、步频、步宽、足部摆动周期、关节弯曲度、抬腿高度、摆臂周期等特征进行大数据智能化分析，从而实现对目标进行精准识别的一种人体生物特征识别技术。

　　步态识别技术在警务涉案视频分析研判中的高效运用，不仅将涉案视频分析研判水平和能力提升到新的高度，同时推动涉案视频录入的数量和质量大幅提升，使涉案视频在侦查破案中的运用效果再上一个新的台阶。

　　步态识别技术就是根据人物的连续运动影像，提取运动人物的空间位置，身高体态、运动模式、衣着特点等一系列特征信息，将各种特征通过空间变化，归化到统一的三位特征空间并构造任意视角下的人体运动特征集合，通过神经网络深度学习模型来思考识别，将目标对象从海量的视频中搜索出来，解决了视频侦查领域难题。

　　步态研判模型，能够对不同时间、场景、衣着等条件的视频目标进行有效识别，将传统人工逐案比对的涉案视频研判模式提升为系统智能运算、机器自动推送的高效快捷研判模式，有效解决了传统涉案视频研判中，海量数据研判效率较低，对跨时间、跨场景，衣着、体态、发型发生变化的同一视频目标难以比出等业务痛点。

　　二、融合AI研判

　　在我国平安城市、雪亮工程等项目建设的推动下，全国各地建成了具有较大规模的视频监控设备布点。不过在人工智能尚未落地之前，来自这些监控设备的海量数据和公安业务数据并未真正关联，视频侦查依然是靠人力对嫌疑人、车辆、物品特征等案件信息进行搜索和标注，业务效率依然低下。但是，通过在前后端融合人工智能技术(算法和算力)，通过对海量多维数据进行分析和建模，深度挖掘出各类数据背后内在逻辑关系，可以实现对海量数据的深度应用和综合应用。

　　AI能够迅速对视频数据进行结构化处理，对人、车、物进行快速识别比对。当前人脸识别技术在智慧警务领域应用更为广泛，包括布控排查、边境检查、犯罪嫌疑人识别、司法人像鉴定、重点场所门禁以及宾馆、网吧、娱乐场安全管理。除了人脸识别，车辆识别以及语音识别等涉及人工智能的相关技术也越来越多的落地到智慧警务应用中，为公安信息化以及智慧警务建设添砖加瓦!

　　随着人工智能、云计算等技术应用的商业化，通过警务云平台，民警可以在全省范围内实现"一键调图""图案关联""以图搜图"等，甚至在几秒钟内，就从海量视频中搜索到相关人像。从而大大提升公安办事效率，而且AI技术趋势下，警务也从事后侦查转为主动防范，因此，融合AI的研判分析在安防智能化发展的中的重要性不言喻。