AI智能监控大数据如何解决传统安防监控“痛点”

随着AI智能、大数据、云计算、物联网等创新技术的不断发展，AI人工智能监控将在数据化程度高的行业快速实现落地。在服务智能情景下，数据可得性高的行业，AI人工智能监控将率先用于解决行业痛点，爆发大量场景应用。

安防恰好具有数据可得性高、数据层次丰富的特征，如今安防监控领域已进入数据“大爆炸”的时代。在云计算、大数据、芯片、算法等技术的助推下，“AI+安防”的概念开始浮出水面。如今在公共安全领域尤其是视频监控技术应用领域，“AI+安防”应用已经落地。

“AI+安防”获得国家政策加持

工信部等部门发布的《“互联网”AI人工智能监控三年行动实施方案》(以下简称《方案》)指出，智能安防将作为AI人工智能监控产品创新的重点应用推广领域。

“AI+安防”的落地趋势

基于GPU运算的方案、人脸识别、大数据应用等已经成为业内的共识。各种新技术的大肆输入，加速驱动着智能监控技术升级，向更高层级进化。与此同时，行业用户对视频监控也提出更多需求，多样化的应用场景催生出不同的用户需求。具体到安防监控应用中来，AI在视频理解和大数据两方面都有很好的应用。

1、视频理解：通过深度学习等AI人工智能监控前沿技术，实现对视频中目标检测、目标跟踪、目标分类、目标检索和行为分析，目标检测和目标跟踪比较好理解，目标分类在目标检测与跟踪之后，捕获到合适目标，可以对它的属性进行分析判断。以监控场景的人体为例，可以识别他是否骑车、衣着特征、性别、年龄段、头发长短、是否背包、拎东西、戴口罩等等，最后通过目标检索和行为分析与上层业务相结合判断目标的活动轨迹、身份，并对视频画面中的目标正在进行的行为活动(比如打架、人群聚集等)进行分析判断。

2、大数据：大数据技术为AI人工智能监控提供强大的分布式计算能力和知识库管理能力，是AI人工智能监控分析预测、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。海量数据管理被用于采集、存储AI人工智能监控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;大规模分布式计算使得AI人工智能监控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;数据挖掘是AI人工智能监控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。

大数据解决传统安防监控“痛点”

目前大数据解决传统安防监控“痛点”主要是从九个方面进行。

一、人流密度分布、变化趋势、活动的动态监测，预测踩踏指数，实现大型活动和重要区域的风险管理。

二、空间状态分析，车流密度分布、变化趋势，道路状态及变化监测，主要用于预测拥堵指数，实现交通信号的预测调节;

三、数据融合、关联，实现同号搜索，人、车轨迹跟踪等。

四、有序过程与随机过程分析，成为社会治安关键因素，进行常态与暂态分析，实现社会治安风险评估，事件预警。

五、高风险因素监控和关联分析，主要应用于扩大社会掌控面;制定有效防范措施和反应预案。

六、融合定位、通信、网络等技术，提高对高风险因素(人、物、事、时间、地点等)掌控的精度、粒度，建立重大事件风险评估、预警机制，提高防范能力，进而实现犯罪高发分布及分类基础性研究及综合治理方案的制定。

七、高风险单位、区域、活动安全管理，利用大数据，进行风险和脆弱性分析，结合历史数据的回归统计;成功和不成功案例的分析，建立风险管理机制，指导安防系统建设。

八、各类系统效能分析，主要应用公共安全系统建设、评价。

九、安防基础理论研究数据库，通过数据融合、关联及历史回归统计，开展大数据应用;建立安全基础研究和预警理论研究基础数据库。总之，大数据应能解决公共安全的关键问题，支撑公共安全系统建设。

结语：AI人工智能监控的逐渐落地，正推动着主动安防理念的一步步深化。“AI+安防”在应用层面必然爆发大量场景应用，为我们创造一个更智能的生活环境。