視頻監控在高清化階段獲得前后端以及傳輸解碼方式等領域的突破之后，海量的高清數據源給行業用戶在業務上進行智能分析提供了基礎的條件。在近年人工智能技術的滲透下，安防在深度算法、智能芯片、業務技術架構等產業鏈上的完善進一步加快了安防智能分析技術的落地應用。目前，在人群分析與車輛識別方面均獲得了長足的進展，安防智能分析技術大面積服務于行業應用的人工智能時代正迎面而來。
　　智能分析的關鍵領域
　　智能分析更直接的表述是機器的視覺分析，在安防領域，通過監控攝像機捕捉到的場景畫面進行即時的結構化處理，通過語義分析等技術對視頻數據進行分類處理存儲，并通過后端服務器的智能分析功能進行業務處理。在這個監控系統分析處理過程中，需要前端攝像機、智能芯片、編解碼協議、深度算法、業務技術以及高速運轉的網絡架構。
　　在今年安防產業鏈上最顯著的變化是上游芯片商與智能算法公司的強勢介入，NVIDIA（GPU）與Movidius（智能棒）更是在展會上大放異彩，與普通的芯片相比，這些世界頂級的專業芯片供應商在芯片的運算性能及功耗方面，做得更加的出色，在以安防機器視覺分析為核心的業務技術領域，更加切合當下智能分析對人臉與車輛的識別，識別速度與準確率在復雜場景下都有了很好的提升。
　　與軟硬一體的智能芯片供應商一樣，國內幾大智能算法公司也在積極調整戰略加快安防的布局，從單一的提供API接口按調用次數費用，到提供軟硬一體的解決方案，算法公司也在大打機器視覺分析的牌。對此，北京格靈深瞳信息技術有限公司產品總監譚勇認為，視覺分析已經成為行業主流的技術趨勢，安防設備及解決方案需要為視頻監控在“看得廣、看得遠、看得清、看得懂”等系列問題上攻堅克難。
　　基于深度算法的智能分析，需要一個高速運轉的業務技術網絡架構是機器視覺分析的基礎，在安防技術領域，主流的設備解決方案供應商都具有自己基于深度算法的業務平臺，在統一標準的協議下對接各類不同等級的用戶的前端設備，并高效處理匯集到指揮中心的視頻數據。但是隨著接入用戶設備在長度與廣度的增加，以及前端采集數據的激增，已有的網絡架構在構建時的兼容與擴容能力的弊端逐漸顯現。對此，需要新的構建新的網絡架構以滿足大安防時代的視頻數據在傳輸、存儲、分析等方面的需求。為此，浙江宇視科技有限公司副總裁閆夏卿強調，實現視頻數據端到端一體化標準接口，構建算法、數據、計算資源之間的高速交互通道和智能到大數據的融合反饋通道，使得視頻數據在傳輸速度和處理速度方面的能力得到大幅度提升，需要構建一個高速全媒體總線的“智能鏈計算”架構。
　　此外，編解碼傳輸協議與獲取高清監控視頻數據技術在智能分析領域同樣重要，不過相比于在新技術領域的探索，傳統的安防監控技術對于設備解決方案商而言，難度并沒有那么大，也更容易找到解決方案。
　　機器視覺智能分析的閉環
　　在人工智能聯姻安防業務的技術概念里，人臉分析與車輛分析都顯得過于業務化。因此，在綜合安防業務應用的全解決方案里，機器視覺分析成為行業比較認可的人工智能在安防領域的應用概念。機器自然是指安防前后端的各個設備，在智能芯片、深度算法的綜合技術應用下，實現對安防業務的智能分析處理，提升安防監控由被動防御變為主動預防的能力。
　　對于機器視覺智能分析的閉環應用，北京曠視科技有限公司智能商業大客戶總負責人李瑞龍表示，在安防領域，若產品是智能視覺云平臺，技術是深度學習算法，數據是標注化的圖像數據。那么，人工智能平臺就是一個通過數據和技術打磨出的產品，在產品應用的過程中又產生了新的數據，不斷迭代和加深學習的過程。即產品、技術與數據形成超級人工智能技術的閉環，最終的目的是形成機器視覺的功能效果，賦予機器一雙慧眼，好讓它像人一樣去“看”與“想”。使機器具有像人一樣的視覺功能，從而實現各種檢測、判斷、識別、測量等功能。
　　具體到安防業務應用中，以監控攝像機的智能分析檢查類目看，智能分析主要識別類目包括人臉識別、行為特征識別、機動車識別、非機動車識別、動物及物體檢測識別等，主要集中應用于公安、交通、零售、金融、酒店、展會、博物館等細分行業市場。對此，宇視科技閆夏卿分析，商業化的持續落地應用，將帶動智能算法與芯片在成本、性能等領域的不斷突破，促使安防行業加速實現視頻的深度結構化，推動安防業務與機器視覺識別的融合與發展，安防也將沿著網絡化、高清化、卡口化與場景化的脈絡持續推進。
　　安防智能分析人／車識別應用
　　在安防行業，能夠促使機器視覺與智能分析技術的快速迭代，強勁的動力在于市場與用戶對智能分析的需求日益增強。當前，公安和交通作為應用的熱門行業，在提高案件破案率、交通管理的實戰效果最佳。
　　在對人的檢測和識別方面，目前監控攝像機能夠提供的智能檢測分析的類別特征有幾十種，包括人的年齡與性別；頭部特征描述，如識別戴不戴口罩、眼鏡和帽子等；上身特征，如長短袖，衣服顏色和紋理等；下身特征，如長短褲，是裙子還是短褲、顏色等；其他特征，如背包、箱子等。對此，格靈深瞳譚勇認為，企業能夠檢測識別的特征越多，機器才能進行更多組合化的檢測分析，準確率也會越高。
　　當前，人臉識別已經在靜態場景與動態場景中獲得很多成功的應用案例，蘇州科達科技股份有限公司繆冬琴提到，與靜態場景應用相比，安防動態場景下的人臉識別更有市場，可以實現在基于視頻中的人臉照片進行遠距離、快速、無接觸式的對重點人員布控預警，讓應用于車站、機場、地鐵等重點場所和大型商場超市等人群密集的公共場所視頻監控系統能夠對視頻圖像進行采集、自動分析、抓取人臉實時比對，主動在監控場景中識別重點關注人員，實現重點人員的布控和識別。
　　另外，在零售、酒店、會議、商業樓宇等應用領域，人臉識別技術幫助商戶實現對客流從“統計”到“屬性”再到“行為”的精準分析，以此來獲取更多的線下數據維度，用大數據分析指導商戶的精準營銷，推動零售行業從相同產品與服務給到所有的人，向著相同產品、不同服務給到特定人的轉變。同時，利用人臉識別技術給企業、園區帶來更智能化的管理體驗。如通過人臉識別技術產品化，在人臉識別閘機、門禁、會議簽到等傳統場景帶來管理上的高效與便利。
　　而相比于人的檢測分析，車輛的檢測分析更為成熟，主要原因是車輛的外形特征比較固定，車牌、車型、車身顏色等特征沒有變化，攝像機在特征提取時不存在人臉在移動時可能會出現故意遮擋、改頭換面等人為的問題。一般情況下，只要車輛經過監控區域，車速沒有超限，抓拍讀取車輛的信息就沒有問題，在解決智慧停車、車輛套牌、違規駕駛、違停等交通業務方面的實戰效果非常顯著。并且隨著智能抓拍攝像機的推廣應用，遍布城市大大小小路段的監控攝像機除了在交通事件檢測方面大顯身手外，還可以結合大數據分析技術，使得車輛識別技術還可以應用于掌握城市及高速路段的實時交通流量，為重要的交通道路的“防堵治堵”的決策提供技術支撐。
　　安防監控的AI時代
　　毫無疑問，AI正在加快進入安防的步伐，對于視頻監控領域，互聯互通的政策要求下，監控設備與平臺的大聯網將局部零星的視頻數據匯集在一個大的數據池里，在這個龐大的數據池里，海量的視頻數據經過結構化技術處理后，數據之間的壁壘被打破，而一旦這些海量數據信息在完成標簽化之后，數據ID的匹配將會對數據的歷史價值與現實價值無限放大。
　　這個過程，首先基礎是數據，誰掌握了數據，誰的數據量大，誰的數據樣本種類豐富，誰就有輸出最準確的結果分析的基本要素；其次是智能分析技術，不管是深度算法、智能芯片還是先進的技術業務架構，都必須要構建高效、穩定的智能分析技術，并以提供準確分析結果為出發點；最后是業務應用，所有的分析結果都應該是以提高用戶的實戰效率為應用，并存在可以實現延伸到其他領域的可能。