伴隨著信息技術的發展，視頻監控產品逐漸占據了安防行業的主流，并且數字化、高清化、網絡化逐步普及，智能化的發展趨勢也開始顯現出來，在應用層面上也開始向社會化安防產品、民用市場深耕。

　　市場需求及技術革新推動AI與安防融合

　　在這個過程中，從平安城市、智慧城市建設，以及后續提出的天網工程、雪亮工程等安防重點項目，開始持續推進落實。與此同時，作為安防重點服務的領域，公安行業表現出對安防"預警預測"的訴求，另外，在實際的困境中，海量監控數據依然在依靠人工來分析和處理，簡單利用人海戰術進行檢索和分析已經顯得過時。亟需新的智能化技術作為專家或助手，實時分析視頻內容，探測異常信息，進行風險預測。

　　以神經網絡和大數據訓練算法成熟，深度學習技術逐步應用于圖像識別、語音識別等領域，并推進圖像識別技術的突破性發展，使其具備在商業領域應用的硬性條件，借助機器視覺及深度學習能夠迅速對視頻進行結構化處理、對人、車、物進行快速識別比對，與安防對智能化的需求不謀而合。另外，以視頻技術為核心的安防行業擁有海量數據來源，可以充分滿足深度學習對于模型訓練的大量數據要求，使安防成為具備了人工智能融合發展的先決條件。

　　從目前來看，人工智能與安防的融合，依托算法、算力、數據三大要素，在產品落地層面上主要體現在視頻結構化(對視頻數據的識別和提取)、生物識別(人臉識別等)以及物體特征識別(車牌識別系統)等領域。

　　其中在視頻結構化方面主要表現為利用計算機視覺和視頻監控分析方法對攝像機拍錄的圖像序列進行自動分析，包括目標檢測、目標分割提取、目標識別、目標跟蹤，以及對監視場景中目標行為的理解與描述，理解圖像內容以及客觀場景的含義，從而指導并規劃行動;

　　生物識別技術主要是利用人體固有的生理特性和行為特征來進行個人身份鑒定，進而滿足公安領域應用需求。目前來看，人臉、指紋、虹膜三種識別方式是目前較廣泛的生物識別方式，三者的同時使用使得產品在便捷性、安全性和唯一性上都得到了保證。

　　另外，判定一組圖像數據中是否包含某個特定的物體、圖像特征或運動狀態，在特定的環境中解決特定目標的識別。目前物體識別能做到的是簡單幾何圖形識別、人體識別、印刷或手寫文件識別等，在安防領域較為典型的應用是車牌識別系統，通過外設觸發和視頻觸發兩種方式，采集車輛圖像，自動識別車牌。

　　AI帶來安防應用模式變革 帶來更大市場

　　伴隨著AI技術在安防市場上得到了大規模落地與應用，人工智能開始推動傳統安防產業進化和革新。前端信號的采集和探測設備中開始加入AI芯片，通過智能識別并篩選圖像再進行傳輸，減小傳輸空間和縮短時間;后端處理平臺可同時處理的前端相關產品數量大幅度增加，清晰度和識別準確度都顯著提高。

　　與此同時，隨著智能化技術的不斷完善，安防行業的應用場景及應用模式在改變。主動應用和事前預警成為可能，通過人臉識別、異常行為分析、人數計數、音頻檢測等智能化應用明顯顯示出安防從將事后查證向事前預警前移的趨勢，這些應用可以有效防止各類案事件的發生;視頻濃縮、視頻摘要檢索也全面提升了事后處理的效率和質量。此外，大數據應用下的云存儲和云計算也在為構建新一代的數據中心和計算中心提供有力的保障。安防從傳統模式大踏步邁入智能新時代，從“事后追溯”、“人防”為主升級為“實時監管”與事前預防，“技防”為主。

　　新產品、新技術、新的應用模式也預示著更大的市場空間，于是AI+安防吸引了眾多企業進入。不僅是人工智能算法企業諸如商湯、云從、曠視、依圖、云天勵飛等等;還包括傳統安防制造廠商，如海康威視、大華股份、科達、天地偉業以及宇視科技等等;AI芯片企業如NVIDIA、英特爾、中星微、地平線、寒武紀等。