伴随着AI技术的深化应用，中国智能安防视频监控技术和系统应用的发展正越来越成熟。本文将主要围绕着当前阶段公安实战业务的应用需求以及人工智能在安防领域的应用现状展开讨论，同时也对智能安防产业未来的应用及技术趋势提出了一些思考方向!

公安实战应用需求分析

由于海量视频图像数据资源的积累和多种应用场景的适配，当前阶段国内以人脸识别和交通卡口机动车图像结构化描述为代表的智能视频监控的应用已经相对成熟，不过，从公安实战的需求角度来看，仍有一些待改进的地方，简单可以概括为这几个方面：

1、视频监控系统顶层设计，在面向智慧城市、平安城市建设过程中，如何更好地整合各部门的资源和需求来完善顶层设计，比如针对各警种不同业务应用需求，利用统一的数据资源池提供灵活的算法资源服务，顶层设计是当务之急;2、在计算资源的顶层设计方面，针对混合计算的问题，针对云、边、端的系统架构，如何实现计算资源的灵活部署也是需要考虑的方向;3、要能适应灵活多变的业务规则，不同的目标布控有不同的需求，因此需要进一步完善视频监控前端或云端对于这种业务需求的适配性;4、视频分析作为大数据的应用，分析的精准度很大程度上依赖于用于训练的数据集，在这个过程中，希望能够建立起一个行业知识库，来辅助建立更高精准度的视频监控识别系统。

从业务需求的角度来看，针对不同警种的业务需求以及公安实战过程中的不同环节，公安视频监控系统主要聚焦在在线视频智能监控预警、海量视频离线综合研判以及共性的视频解析服务平台这几大类的业务需求方面，这些需求也将带来警务模式的创新，从原来传统的被动警务变为主动警务。

综合而言，视频监控分析应用不仅是建立更多高清联网的视频监控探头，更重要的是通过一个视频解析和服务体系的建设，从采集、分析、处理、挖掘各个环节出发实现对海量视频资源的深度应用，以此来促进视频监控产业从监控到理解的转型。

人工智能在安防领域的技术应用现状

针对公安行业的应用需求，现阶段人工智能的技术应用现状如何?首先来看下视频结构化描述的技术进展情况。视频结构化描述有两个核心：图像对象要素的识别和构建对象间的语义关系。

目前很多视频结构化描述基本只做到了第一层即可以实现对图像对象要素内容的识别和标注，且进展已经很成熟，甚至已能够实现在前端摄像机内即可实现结构化描述，比如车辆卡口，能够实现对车牌、车型、车标、车身颜色的信息的识别。不过对于一些更个性化的内容检索，比如车辆年检标志、车内挂饰、纸巾盒等细节的特征识别还有一定的发展空间。另外在非交通卡口像治安卡口这一类非标场景下的目标识别检测，由于安装角度、光照条件等因素的影响，视频机构化描述还有进一步发展空间。

第二层次构建起对象间的语义关系至关重要，以闯红灯的场景为例，闯红灯语义本身有几个要素，包括信号灯、车辆、交通标志、标线等，识别这些要素是视频结构化描述的第一步。第二步是把识别对象之间形成一定的语义关系，比如车行状态、信号灯状态、人和车之间的位置关系等等，把这些关系建立起来之后可以形成一个关系规则，它的优势在于我们可以根据实际情况灵活调整规则来拓展不同电子警察模式识别的能力。通过构建语义关系来实现一些复杂的规则，这也是视频结构化描述的初心，也就是构建不止是让人理解的描述，更要构建让机器可理解的描述。

要实现对象的识别和构建起对象间的语义关系，需要一些专业的技术支持：一个是目标检测和识别，其次是知识图谱，目标检测识别出来之后，需要构建语义关系构成一个知识图谱，这两个方面的技术是实现视频结构化描述的关键。

在人脸识别的技术应用现状方面，1:1的人脸识别在国内的应用已经非常广泛，但它也仍然存在一些问题，比如非实体线下的场景即网络场景下需要加强活体人脸检测做人脸防伪，在金融等高安全级别的人脸识别的场景下也需要进一步巩固人脸识别的安全性和可靠性。1:N的人脸识别技术进展也相当迅猛，目前在国内已有一些项目落地。

行人检索的研究也取得了不错的进展，但是这些成绩都是基于小规模的数据，不同于车辆识别，车辆天然和车牌、车主身份证这些数据信息绑定在一起，其数据标注较为容易，但行人检索的数据标注成本相对会高出很多，所以导致现阶段行人检索目前的实用性和可用性方面仍没有车辆检索的应用成熟。