安防行业很可能成为人工智能最大规模落地的场景。以中国为例，中国地大物博，现在是世界上监控摄像头最多的国家，2017年6月《华尔街日报》的一篇报道中指出，中国在公共场所有1.7亿台监控摄像机，到2020年可能还要安装另外4.5亿台。这真是一个天文数字！
中国不仅摄像头多，而且也是在安防监控领域使用人工智能技术最积极的国家之一，为人工智能提供了广阔的机会。位于杭州的海康威视和大华都是全球领先的监控设备生产公司，也成就了国内计算机视觉比较优势局面。在视频监控的产业链中，安防芯片是一个“香饽饽”，它处于金字塔顶端，其技术指标决定了整个安防监控系统的整体技术指标。随着人工智能的快速发展，人工智能芯片将成为未来半导体公司布局发展的重点。在国际厂商方面，英特尔、高通、IBM、英伟达、美光等已经开始布局发展人工智能芯片，国内芯片企业也在人工智能芯片的研发与应用化方面迈出了坚实的步伐，包括寒武纪、地平线、比特大陆等。
为什么人工智能具有识别罪犯的火眼金睛？这里就要说到人工智能在安防领域所应用到的主要技术。这里着重介绍两大技术：视频结构化技术和大数据技术。
首先是大数据技术。这是我们所熟悉的一项人工智能技术。大数据技术为人工智能提供强大的分布式计算能力和知识库管理能力，是人工智能分析预测、自主完善的重要支撑。其包含三大部分：海量数据管理、大规模分布式计算和数据挖掘。
（1）海量数据管理被用于采集、存储人工智能应用所涉及的全方位数据资源，并基于时间轴进行数据累积，以便能在时间维度上体现真实事物的规律。同时，人工智能应用长期积累的庞大知识库，也需要依赖该系统进行管理和访问。当前，海康威视研究院开发的海康大数据平台已能支撑千亿级规模的车辆通行记录存储管理和应用。
（2）大规模分布式计算使得人工智能具备强大的计算能力，能同时分析海量的数据，开展特征匹配和模型仿真，并为众多用户提供个性化服务。
（3）数据挖掘是人工智能发挥真正价值的核心，利用机器学习算法自动开展多种分析计算，探究数据资源中的规律和异常点，辅助用户更快、更准地找到有效的资源，进行风险预测和评估。
其次是视频结构化技术。这项技术对于安防来说特别重要。我们人眼看东西能很快识别出哪一部分是本体，哪一部分是阴影，这个东西是什么，但是对于人工智能来说，这是需要经过一步一步训练的。如何让人工智能知道“这是什么”，需要运用到视频结构化技术中的机器视觉、图像处理、模式识别、深度学习等最前沿的人工智能技术，它们是视频内容理解的基石。
视频结构化在技术领域可以划分为三个步骤：目标检测、目标跟踪和目标属性提取。
（1）目标检测过程是从视频中提取出前景目标，然后识别出前景目标是有效目标（如：人员、车辆、人脸等）还是无效目标（如：树叶、阴影、光线等）。在目标检测过程主要运用到运动目标检测、人脸检测和车辆检测等技术。我们之前说到的海康威视，在2016年PASCALVOC目标检测中获得第一，是海康威视10年研发积累的最好体现。
（2）目标跟踪过程是实现特定目标在场景中的持续跟踪，并从整个跟踪过程中获取一张高质量图片作为该目标的抓拍图片。在目标跟踪过程中主要应用到多目标跟踪、目标融合以及目标评分技术。
（3）目标属性提取过程是对已经检测到的目标图片中目标属性的识别，判断该目标具有哪些可视化的特征属性，例如人员目标的性别、年龄、着装，车辆目标的车型、颜色等属性。目标属性提取过程主要基于深度学习网络结构的特征提取和分类技术。
人工智能在安防领域的具体应用
1．在公共安全领域的应用
