智能人脸识别系统在真实的应用场景中具有巨大的挑战性，尤其是针对人流量密集的安防应用场景，无论是周边环境的变化 （如场景中的光线、遮挡、角度、位置等因素）还是人自身面部特征的变化（如目标人物的衣着、妆容、表情等），都会对人脸识别的识别准确性造成一定影响。“如何将这些外部因素的影响降到最低，是 安防监控工程公司深入安防应用场景的研究方向。为给安防行业提供稳定性更强、跟踪速度更快的技术支撑，在短短的一年间，安防公司针对不同用户的特性场景和业务需求进行了10多次算法升级和环境优化。

    一直以来，安防公司立足实战导向，结合公安行业的应用需求，对典型应用场景进行细分，并基于这些场景构建起“云+端”架构的人脸识别服务矩阵型系列产品。这些场景包括以高速卡口、加油站、边防硷查站等为代表的强管控卡口；以地铁站、火车站、客运站、景区为代表的人群密集且易丢失目标的重点场所管控；世界级、国家级重大活动人员管理和安防保障；综合及群体性维稳事件处理；社区出入管控；社会面综合人像卡口改造。企业通过自主研发的智能感知前端和智能云服务相结合，为不同警种和安防场景提供模块化部署，旷视科技“云+端”智能安防行业解决方案可对公安网的七类重点人员和三逃人员进行重点布控。

    “伴随着人工智能技术持续赋能城市建设，Al助力安防做了以前不能做的事情和以前不值得做的事情。”谈及人工智能技术对安防行业带来的提升和改变，安防监控公司表示，  “一方面，以前在十几万路人里面找某个人，已经超过了人类极限，如今却可以‘以图搜人’，找到他的正脸或全身照。另一方面，此前由于人脸库数据太小，实用意义不大，现在反而变成最有价值的部分。比如，一天8000到1万人过去，一个城市2万份，一天两个亿，那一年是数百亿，几乎覆盖了全城所有人的行为模式。”

    作为“Al+安防”的先行者，2015年旷视科技推出了自研深度学习引擎MegBrain及深度学习平台Brain++，实现了内部深度学习的计算和数据资源管理自动化以及算法训练流程化。在自有的深度学习引

擎和基础数据架构之上，企业持续围绕分类、检测和分割等图像识别的核心问题，以及云端、移动端、芯片等不同平台的深度学习模型实现算法创新，使其最终能够服务于平台化的产品，改善产品体验和品质。目前，某安防公司研发的多项人工智能技术已揽获22项国际权威技术评测第一，并且还在产品端打造出全球领先的人脸识别云平台及多款世界范围内首发的智能硬件创新产品，为全世界超过200个国家的用户提供便捷、高效的智能服务。