随着人工智能( AI)在安防行业的渗透和深层次应用，当前安防行业已经呈现“无AI，不安防”的新趋势。

各安防厂商产品AI化已经是当前不争的事实，同时也成为各厂商的新战略高地。自从2012年人工智能在安防行业逐渐深入落地这6年以来，AI在安防领域尤其是安防监控系统的领域的产品形态及应用模式也开始趋于稳定。安防行业的AI技术主要集中应用在人脸识别、行人识别、行为识别、车辆识别、结构化分析、大规模结构化和半结构化视频信息检索这几个方向等方向。

按照应用场景来看，人T智能在安防行业的应用主要分为卡口场景和非卡口场景。卡口场景主要为人脸／人员卡口和车辆卡口，此类场景摄像机的采集位置、光线、角度等条件可控。非卡口场景指的是普通治安监控场景，摄像机安装位置、角度不严格，对采集光线也不做严格要求。卡口场景约占视频监控摄像机安装总量的1%一3%，剩余的均为非卡口场景监控视频。

严格说来，上面所说的人工智能( AI)不是严格的学术名词，在安防企业界，AI大都指的是基于视频图像的机器学习，是一种模式识别AI。机器学习领域的泰斗级学者Michael Jordan声称，目前常用AI有三类：

仿人人工智能( human-imitative AI)．最近深度学习的一系列成功案例，包括计算机视觉、语音识别、游戏人工智能。

智能增强（IntelligenCe Augmentation，IA），能够增强人类记忆能力的搜索引擎和增强人类沟通能力的机器翻译都属此类。

智能基础设施（IntelligenCe Infrastructure，II），这一领域旨在利用计算机技术让人类生活的环境更加安全有趣，从基础设施的角度为人类生活提供支持。物联网是这一类概念的早期版本。现在的智慧城市是II的一种典型应用。

高清监控系统安装公司表示现在安防行业的AI应用主要属于仿人AI，IA和II方面的应用还很少。

视频监控系统产生的数据量庞大，而且日趋多元化，包含：非结构化数据、半结构化特征数据以及结构化数据。当前的人工智能视频大数据分析技术主要存在如下三个问题：

非卡口场景的视频分析算法在准确率、稳定性及计算成本等核心指标方面还有待于提高，导致非卡口场景的存量视频利用率极低，目前没有有效利用的非卡口监控视频约占监控视频总量的97%左右；

当前的人脸识别技术、行人识别技术、行为分析等视频分析技术往往是接近于实验室场景下的初级应用、数据孤立下的单点识别应用，距离全天候场景下的精准锁定，最快时间、最小成本、跨摄像机下的识别搜索，还有很大的差距，真正解决客户实战问题的能力还有待于提高；

智能AI摄像机及视频结构化分析产品开始进入安防市场，产生了海量的结构化视频数据，但基于结构化视频数据的深度智能应用如时空分析模式挖掘、预测预警、技战法训练等尚在探索阶段，有可能形成新的数据浪费和低效投资。

布点更易

应该说现阶段的人工智能还不够智能，导致了它的强场景化特点，限制了摄像机的部署。后续随着训练的深度神经网络模型更加智能，以及多种模型的统一，将使得目前的摄像机布点更加容易。

安防行业端域计算响应的及时性，芯片算力的不断增强，提升端和云之间数据传输效率，这样端域注重模式识别的仿人AI计算，云上更注重IA和II计算。

安防行业中视频监控系统分批分期建设的现实，导致了端域／边缘域计算能力的不均匀。即便是同属于同一个视频监控系统的摄像机或者端设备，由于类型的不同，导致了计算能力、计算类型的不同。这样的现实逐渐演化出端域设备分工协助的产品状态，比如枪球联动、全景相机与球机联动、摄像机和智能盒子结合，等等多种端设备协作式计算的产品形态。

视频监控系统逐渐和物联网的逐渐融合，催生出针对人、车、物的多维应用。形式有二：在数据采集端，摄像机逐渐和物联网采集融合；在大数据分析与挖掘上，视频图像信息逐渐和物联网数据融合应用。安防系统逐渐融人智慧城市的整个体系之中。

安防系统的安全性将逐渐增强，不论是设备安全、边界安全、网络安全、数据安全、计算安全、系统安全，还是对安全风险的抵御能力、还是受到安全威胁后的系统的响应以及容忍能力，虽然GB 35114已经颁布《网络安全等级保护条例即将发布但这些标准远远不够，这只是开始，安防系统的安全性必将是下一个研究与建设的重点领域。