人工智慧時代 大資料如何解決安防監控“痛點”？
隨著大資料、雲端計算、物聯網等創新技術的不斷髮展，人工智慧將在資料化程度高的行業快速實現落地。在服務智慧情景下，資料可得性高的行業，人工智慧將率先用於解決行業痛點，爆發大量場景應用。
安防恰好具有資料可得性高、資料層次豐富的特徵，如今安防監控領域已進入資料“大爆炸”的時代。在雲端計算、大資料、晶片、演算法等技術的助推下，“AI+安防”的概念開始浮出水面。如今在公共安全領域尤其是視訊監控技術應用領域，“AI+安防”應用已經落地。
關注大資料觀察網（微信公眾號：shuju_net）瞭解更多精彩資訊
“AI+安防”獲得國家政策加持
2016年6月份，工信部等部門釋出的《“網際網路”人工智慧三年行動實施方案》(以下簡稱《方案》)指出，智慧安防將作為人工智慧產品創新的重點應用推廣領域。《方案》提出，實施智慧安防推廣工程，鼓勵安防企業與網際網路企業開展合作，研發整合影象與視訊精準識別、生物特徵識別、編碼識別等多種技術的智慧安防產品，推動安防產品的智慧化、集約化、網路化。
“AI+安防”的落地趨勢
基於GPU運算的方案、人臉識別、大資料應用等已經成為業內的共識。各種新技術的大肆輸入，加速驅動著智慧監控技術升級，向更高層級進化。與此同時，行業使用者對視訊監控也提出更多需求，多樣化的應用場景催生出不同的使用者需求。具體到安防監控應用中來，AI在視訊理解和大資料兩方面都有很好的應用。
視訊理解：通過深度學習等人工智慧前沿技術，實現對視訊中目標檢測、目標跟蹤、目標分類、目標檢索和行為分析，目標檢測和目標跟蹤比較好理解，目標分類在目標檢測與跟蹤之後，捕獲到合適目標，可以對它的屬性進行分析判斷。以監控場景的人體為例，可以識別他是否騎車、衣著特徵、性別、年齡段、頭髮長短、是否揹包、拎東西、戴口罩等等，最後通過目標檢索和行為分析與上層業務相結合判斷目標的活動軌跡、身份，並對視訊畫面中的目標正在進行的行為活動(比如打架、人群聚集等)進行分析判斷。
大資料：大資料技術為人工智慧提供強大的分散式計算能力和知識庫管理能力，是人工智慧分析預測、自主完善的重要支撐。其包含三大部分：海量資料管理、大規模分散式計算和資料探勘。海量資料管理被用於採集、儲存人工智慧應用所涉及的全方位資料資源，並基於時間軸進行資料累積，以便能在時間維度上體現真實事物的規律;大規模分散式計算使得人工智慧具備強大的計算能力，能同時分析海量的資料，開展特徵匹配和模型模擬，併為眾多使用者提供個性化服務;資料探勘是人工智慧發揮真正價值的核心，利用機器學習演算法自動開展多種分析計算，探究資料資源中的規律和異常點，輔助使用者更快、更準地找到有效的資源。
大資料解決安防監控“痛點”
目前大資料解決安防監控“痛點”主要是從九個方面進行。
一、人流密度分佈、變化趨勢、活動的動態監測，預測踩踏指數，實現大型活動和重要區域的風險管理。
二、空間狀態分析，車流密度分佈、變化趨勢，道路狀態及變化監測，主要用於預測擁堵指數，實現交通訊號的預測調節；
三、資料融合、關聯，實現同號搜尋，人、車軌跡跟蹤等。
四、有序過程與隨機過程分析，成為社會治安關鍵因素，進行常態與暫態分析，實現社會治安風險評估，事件預警。
五、高風險因素監控和關聯分析，主要應用於擴大社會掌控面；制定有效防範措施和反應預案。
六、融合定位、通訊、網路等技術，提高對高風險因素（人、物、事、時間、地點等）掌控的精度、粒度，建立重大事件風險評估、預警機制，提高防範能力，進而實現犯罪高發分佈及分類基礎性研究及綜合治理方案的制定。
七、高風險單位、區域、活動安全管理，利用大資料，進行風險和脆弱性分析，結合歷史資料的迴歸統計；成功和不成功案例的分析，建立風險管理機制，指導安防系統建設。
八、各類系統效能分析，主要應用公共安全系統建設、評價。
九、安防基礎理論研究資料庫，通過資料融合、關聯及歷史迴歸統計，開展大資料應用；建立安全基礎研究和預警理論研究基礎資料庫。總之，大資料應能解決公共安全的關鍵問題，支撐公共安全系統建設。
結語：人工智慧的逐漸落地，正推動著主動安防理念的一步步深化。“AI+安防”在應用層面必然爆發大量場景應用，為我們創造一個更智慧的生活環境。
只為轉載