隨著平安城市建設的迅速發展，視頻監控點位覆蓋率也隨著增長，業務的應用也更加復雜，僅依靠有限的人力已無法充分利用所建設的資源。讓人工智能勝任一些通常需要人類智能才能完成的復雜工作，協助人工更效率、更準確的完成業務工作已成為大勢所趨。

　　近些年，深度學習的出現大大推動了計算機智能的實際應用效果，特別在視頻智能分析方面取得了突出進展，LFW（非受控網絡圖片數據庫）國際人臉識別比賽，機器首次超越人眼識別準確率，2015達到99．55％，準確率還在持續提升，這讓深度學習為視頻智能分析在平安城市中的應用提供了更多可能。

　　對于前端而言，看得清，看得遠，看得更智能以及滿足對各種環境的適應成為主流趨勢。對于后端平臺而言，隨著數據量和數據種類的爆炸性增長，如何在海量視圖數據中快速碰撞、提取出有價值的線索，成為主要課題。隨著人工智能技術的發展，以視頻內容分析識別技術為核心，通過對非結構化的數據進行結構化描述，提取出濃縮和摘要信息，實現快速檢索和查找，并通過類似于人類大腦思考一樣從而進行大數據分析和信息碰撞成為可能。

　　安防領域下的人工智能應用

　　通過大數據技術，可對視頻、圖片、WIFI信號、電子車牌等不同種類的數據進行分析、碰撞、發現潛在聯系，抽取中有價值的信息，并形成可視化結果呈現，下面就一些安防領域下的人工智能大數據應用進行淺談。

　　人員分析應用，依托人工智能系統的人員特征識別服務輸出的結果，進行數據分析，實現人員身份的識別、人員布防、人臉軌跡等功能。

　　車輛分析應用，可以滿足全地圖操作，實現可視化的應用，包括：軌跡分析、跟車分析、碰撞分析、頻次分析、套牌分析、隱匿車輛挖掘等功能。

　　多資源時空應用，可以基于GIS地圖的指揮調度，通過地理信息系統實現對各項視頻資源進行一體化管理，實現監控圖像的直觀可視化應用。實現快速調取需要關注的監控點或監控區域圖像，實現目標在線追蹤。通過視頻圖層疊加、視頻資源搜索和視頻定位，將道路情況、資源分布情況、人員分布情況、地理坐標信息、警力部署情況以圖形化的形式展示出來，直觀的對全局信息進行全面多維的展示，使指揮調度更加直觀高效。

　　視圖內容預警、自動告警聯動應用，對視頻的內容進行自動預警。當觸發預先設置的預案后，聯動的攝像機將會同時打開監控圖像，形成對案發地的監控封鎖，同時實時報警。布控智能規則分析功能包括：區域入侵、絆線檢測、非法停車、徘徊檢測、打架檢測、物品遺留、物品丟失、非法尾隨、人群聚集、車流統計、車牌特征識別、煙火檢測等。

　　視頻實時標注應用，可以利用實時視頻進行實時結構化，包括人、車、運動目標進行特征提取，實時視頻標注將視頻數據轉化為公安實戰所用的情報，實現視頻數據向信息、情報的轉化。

　　人像快速比對查找應用，可對嫌疑人員進行比對，快速確認目標身份，提供智能、精準、快速的人臉比對和完善的視頻圖像大數據分析挖掘應用。綜合解決人像實時追蹤監控預警、人員身份快速比對檢索核準、人員歷史軌跡追蹤倒查等查人、找人、預警、追蹤等的人員管理監控問題。

　　視頻圖像智能研判應用，可以對多種格式視頻、圖片采用適用于多種場景、多種情況的圖像處理算法，實現對模糊圖像的清晰化處理。還提供視頻智能標注服務和檢索服務，實現對視頻、圖片中涉案嫌疑目標的智能（系統自動提取描述信息）結構化描述，減少人工標注錄入的結構化描述信息的工作量，同時滿足多種檢索方式，提高視頻查看的速度和效率，達到快速查找、定位嫌疑目標的目的，減少案事件視頻中嫌疑目標信息遺漏的可能。

　　車輛數據碰撞挖掘應用，可以對卡口圖片車輛數據的二次識別，包括車牌號碼、車輛品牌、車輛子品牌、車輛年款、車輛顏色、車牌顏色、車輛類型、車牌類型、年檢標、遮陽板、安全帶等車輛細節信息，將車輛的運行軌跡，活動規律等進行數據碰撞比對，從而挖掘隱藏的案事件線索實現可視化的應用，功能包括：軌跡分析、跟車分析、碰撞分析、頻次分析、套牌分析、隱匿車輛挖掘等。

　　車輛實時布控應用，可針對于被盜車輛、違章車輛、涉案車輛、高危人員車輛、重點車輛等，對特定移動目標對象的特征屬性（如車牌號碼、車型、顏色、空間區域等）及其組合進行在線即時布控功能。

　　結語

　　隨著采集手段的不斷豐富，數據內容的不斷增長，以及技術的不斷成熟，智能輔助人工進行工作已經成為必然趨勢。這里講的大數據技術只是人工智能的一個方面體現，相信隨著技術的發展，會有越來越多的智能化應用在更多的領域落地，使人工智能不僅在安防領域發揮重要作用，同時借助人工智能在更多領域發揮作用，從平安城市上升到真正的智慧型城市。