随着GPU等硬件设备的研发和人工智能相关软件算法的成熟，人工智能逐渐被大规模应用各个领域，而安防行业对实时性、准确性要求极高，人工智能+安防应运而生。

深度学习、大数据等技术持续突破，“人工智能+”已成为我国经济增长的新引擎。人工智能的产业化是“AI+垂直行业”的一场变革。安防行业的海量数据以及事前预防、事中响应、事后追查的诉求与人工智能训练需求及技术逻辑完全吻合，是人工智能*理想的落地行业之一。“AI+安防”已经从概念普及、技术比拼，进入到产品、场景、实战应用和生态构建阶段。

根据中安协发布《中国安防行业“十三五”(2016-2020年)发展规划》指出，“十三五”期间，安防行业将向规模化、自动化、智能化转型升级，且到2020年，安防企业总收入达到8000亿元左右，年增长率达到10%以上。

AI+安防使用技术

1、视频结构化技术一是目标检测——从视频中提取出前景目标，然后识别出前景目标是有效目标(如：人员、车辆、人脸等)还是无效目标(如：树叶、阴影、光线等)。在目标检测过程主要应用到运动目标检测、人脸检测和车辆检测等技术。

二是目标跟踪——实现特定目标在场景中的持续跟踪，并从整个跟踪过程中获取一张高质量图片作为该目标的抓拍图片。在目标跟踪过程中主要应用到多目标跟踪、目标融合以及目标评分技术。

三是目标属性提取——对已经检测到的目标图片中目标属性的识别，判断该目标具有哪些可视化的特征属性，例如人员目标的性别、年龄、着装，车辆目标的车型、颜色等属性。目标属性提取过程主要基于深度学习网络结构的特征提取和分类技术。

2、大数据技术

大数据技术为人工智能提供强大的分布式计算能力和知识库管理能力，是人工智能分析预测、自主完善的重要支撑。

一是海量数据管理被用于采集、存储人工智能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。同时，人工智能应用长期积累的庞大知识库，也需要依赖该系统进行管理和访问。

二是大规模分布式计算使得人工智能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。

三是数据挖掘是人工智能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，进行风险预测和评估。