随着科技、经济水平的迅速攀升，人类社会对公共安全、治安防控的要求越来越高，尤其在当前复杂多变的国际形势和公共安全事件频发的国内形势下，维护公共安全的任务更为艰难和巨大。特别在当前信息化和国际化快速推进时期，物联网、大数据、云计算等新技术助力公共安全科技发展，但也催生了新的风险隐患，给公共安全科技工作提出了新的挑战。虽然我国公共安全风险评估、监测预测预警、应急处置与救援、综合保障等核心技术与国际领先水平的差距呈现不断缩小的趋势，但总体上仍有较大差距。因此，健全公共安全科技创新体系，为安防行业注入新的思路和想法至关重要。那么，在安防智能化势在必行的发展趋势下，物联网和人工智能等先进技术能否为安防注入新的生命？

　　传统安防bug林立 安防智能化势在必行

　　人员流动性强，监控难度大。随着我国城镇化建设步伐的不断加快，城市人口不断膨胀，在城市中将会形成一些人流密集区域；另在一些大型会议、活动举办时期或节假日内，如杭州的G20峰会，其所在区域的人口流动量也会瞬间扩大。诸如此类，都会加剧安防工作者对人员监控的难度。

　　安防设备整体质量水平一般，生产厂家技术水平良莠不齐。国内安防行业有着极大的市场空间，被称之为市场蓝海，也正因如此而变得鱼龙混杂。就安防领域中占有最大市场份额的视频监控产业来说，虽然新技术的进步让整体产业有了质的突变，也有许多优秀企业、甚至龙头企业在带动行业发展，市场需求也日渐凸显，但也吸引了很多不良厂商参与进来，很多供应企业根本没有自己的核心技术，只是花钱买个平台、或者贴牌一个产品就盲目跟风，造成现在市场上产品、系统质量良莠不齐，竞争混乱。在处理警务的过程中视频故障丢失、视频不清晰或者是视频数量过多为办案人员侦查带来巨大障碍。

　　视频资源的有效利用率低，数据检索慢，只能作为事后取证的工具，并不能做到事前预判和事中干预。截止到2016年10月，我国现有的安防监控设备数量已经达到2600万台，虽然和发达国家相比每千人的覆盖率仍有较大差距，但中国的人口数量和城市规模还是决定了这些设备惊人的视频数据量，然而搭建基础的视频监控网络和基础设施并不难，难的是如何利用这些数据为安防业务提供既快又准的支持，如何最高效地获取视频资源中的有效信息，如果单纯靠有限的人力来人工检索这些视频资源是很困难的。

　　有效信息不能共享，信息孤立。传统的安防体系中，各管辖区域、各平台系统之间信息不共享，也无法与公安部门的人员信息系统相对接，在警务处理当中数据孤岛是短板和致命弱点，因为任何信息都有可能是解决案件的关键信息，而且无论是硬件匹配还是平台架构之间都有难以填平的沟壑，在规模联网和智能化改造中复杂的异构系统架构使工程实施难度陡增。

　　政策助力安防智能化发展 为平安城市建设保驾护航

　　2015年5月，发改委联合九部委共同出台了《关于加强公共安全视频监控建设联网应用工作的若干意见》，《意见》指出，到2020年要基本实现“全域覆盖、全网共享、全时可用、全程可控”的公共安全视频监控建设联网应用。

　　2016年10月，在全国社会治安综合治理创新工作会议上，中央已将公共安全视频监控系统建设纳入“十三五”规划和国家安全保障能力建设规划，部署开展“雪亮工程”建设，各地要加快重要部位、复杂场所和农村薄弱地区公共区域视频监控系统建设，努力实现城乡视频监控一体化。

　　2017年4月，科技部也制定了《“十三五”公共安全科技创新专项规划》，指出安防领域在立体化社会治安防控中，要研究智能视觉与警务物联网应用技术。

　　这些政策的出台无疑都是平安中国和智慧城市建设的后盾和助力，更是安防智能化发展势在必行的证据。100%覆盖的监控就需要更多的人力来检索有效关键信息，而智能视觉和物联网的研究应用则可以在很大程度上解决人力不足、视频资源利用率低、信息孤立等传统安防的问题，由此看来，能以人类智能相似的方式做出反应的人工智能则是引领安防智能化发展的重要力量。

　　人工智能为安防设备安装智慧大脑

　　计算机视觉快速识别人、物。计算机视觉是指计算机从图像中识别出物体、场景和活动的能力，100%的视频覆盖加上计算机视觉的应用，给平安城市的建设与管理带来高度的安全感。伴随着摩尔定律的不断实现和人工智能的软硬件技术积累，计算机视觉技术早已突破了肉眼精度的图像识别，并广泛应用于公共安全、金融和信息安全领域，产生了巨大的价值。比如最先被应用的车辆识别：中国的依图公司基于视频图像的车辆识别系统在苏州上线之初，就帮助警方破获了一起涉案金额超过10万元的入室抢劫案，当时嫌犯抢劫得手后驾车驶离小区，警方运用“车辆识别系统”进行品牌过滤，快速识别出车辆，10分钟神速破案。不仅如此，目前车脸识别除了应用在警务方面也被广泛应用在智慧停车场当中，是智慧城市建设不可缺少的至关重要的一部分。

　　与车辆等物体识别相比，人脸识别的应用范围和场景更加广泛，当前已经可以做到在上亿数量级的人像库中进行人脸静态比对识别，比如火车站进站安检、飞机登机安检、非机动车闯红灯警告系统、银行业务办理等等。

　　深度学习并推理分析预判行为。深度学习是机器学习的一种，是人工智能类人类化完成的最重要的部分，人工智能通过大量的学习为摄像头装上“大脑”，不仅能通过人脸辨认出监控画面中每一个人的身份，还能看懂人们的特定行为，对犯罪行为进行实时预防。现在警方的通行做法是对有案底的人进行重点防控，但这种推定并不能很好地防范罪案的发生。将来随着计算机视觉技术的发展，监控摄像头有望基于人的行为，而非仅仅由于人的身份而触发预警。例如，某人手持凶器出现在公共场所的监控之中，无论他是否有案底，监控系统都会在第一时间将警报发送给附近的警务人员，及时防范恶性犯罪的发生。这必将大幅降低城市公共场所的犯罪率，提升市民的安全感。

　　与此同时，对于上传到云端的海量监控视频，也要由电脑系统进行更深入细致的大数据分析。仅仅对视频内的人物和画面场景进行简单辨别和索引还远远不够，我们需要一个具有联想和推理能力的人工智能系统，通过分析视频画面中的人物行为，结合政府掌握的其他关联数据，包括身份信息、社会关系、经济状况等等，迅速找到有效的犯罪线索，对潜在犯罪行为进行预测。

　　总结：艾瑞咨询预计，2020年全球人工智能市场规模将达到1190亿元，年复合增速约19.7%；同期中国人工智能市场规模将达91亿元，年复合增速超50%。安防的市场同样不容小觑，特别是随着智慧城市、物联网、平安城市等兴起，安防智能化成为城市发展的重头戏，人工智能+安防必定会掀起不一般的风浪。