淺析AI落地於安防的契機與作用點

　　具備強大的計算能力，能同時分析海量的數據，開展特徵匹配和模型模擬，並為眾多用戶提供個性化服務;數據挖掘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，探究數據資源中的規律和異常點，輔助用戶更快、更准地找到有效的資源。

　　AI加持下的智能安防效能表現

　　隨著深度學習演算法的突破，安防領域目標識別、物體檢測、場景分割、信息提取標籤化、數據檢索等各項技術應用也在不斷取得新的進展，相比於傳統智能帶來的應用效果，AI深度智能的效能提升尤為顯著，具體表現在：

　　準確率更高。應用深度學習演算法的深度智能設備，可以從原始數據中提取具有高階語義、表達能力強的特徵，這些特徵往往使得分類效果更好，從而使得識別分類對象的準確率更高，也就是說：深度學習讓智能有了質的飛躍;

　　環境適應性更強。同樣是環境特徵的提煉，深度學習演算法可以自行提取更豐富、更適合的特徵參數，從而達到更強的環境適應性。這就意味著，深度學習的產品可以應用到更廣泛的環境當中;

　　識別種類更豐富。理論上只要有足夠多的樣本進行訓練，深度學習能夠實現比較精準的目標分類識別，自主特徵識別的特點，又讓深度學習特別適用於抽象、複雜的關於人的特徵、行為的分析領域。

　　預警，AI+安防的趨勢

　　現階段人工智慧在安防監控中的應用很大程度是體現在效率提升的方面，將原先動輒需要幾個月，甚至幾年才能偵破的複雜案件，破案效率提升到幾天甚至幾個小時，有力的詮釋了「向科技要警力」的概念。但回到安防的本質，安全是第一要素，終極目標則落在「防」字上面，如何能從被動安防到主動安防甚至事先預警，這也是目前安防行業正在努力探索的方向。

　　目前，人工智慧在安防領域另一個典型應用是通過以大數據分析為代表的智能分析技術，實現輿情監控和惡性襲擊事件預警。較為典型的有人流管控、交通熱力圖等應用，系統可自動統計現場人流量或車流情況，當流量超過預設值時即發出報警信號提醒責任方採取限流和管控措施，適用於景區、大型活動的安全管理和城市交通疏導。

　　預警的另一個方向，利用行為大數據來預判潛在犯罪，在具體的技術應用上，這裡面涉及到對人物目標的特徵和行為識別、分析，以及目標歷史數據的線性研判，利用人們的活動和行為數據，例如去出售武器的商店，來評估他們實施犯罪行為的可能性。當然這種預判是建立在有一定事實根據的基礎之上，比如有犯罪前科或是有作案動機的特殊目標，然後再輔以人工智慧技術來達到預防潛在犯罪的目的，提高社會的安全性。

　　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」充滿諸多想像，也正給人們帶來一個更加「聰明」的安全時代。

　　文章來源：OFweek人工智慧網http://ai.ofweek.com/

推薦閱讀：