隨著人工智能( AI)在安防行業的滲透和深層次應用，當前安防行業已經呈現“無AI，不安防”的新趨勢。

各安防廠商產品AI化已經是當前不爭的事實，同時也成為各廠商的新戰略高地。自從2012年人工智能在安防行業逐漸深入落地這6年以來，AI在安防領域尤其是安防監控系統的領域的產品形態及應用模式也開始趨于穩定。安防行業的AI技術主要集中應用在人臉識別、行人識別、行為識別、車輛識別、結構化分析、大規模結構化和半結構化視頻信息檢索這幾個方向等方向。

按照應用場景來看，人T智能在安防行業的應用主要分為卡口場景和非卡口場景。卡口場景主要為人臉／人員卡口和車輛卡口，此類場景攝像機的采集位置、光線、角度等條件可控。非卡口場景指的是普通治安監控場景，攝像機安裝位置、角度不嚴格，對采集光線也不做嚴格要求。卡口場景約占視頻監控攝像機安裝總量的1%一3%，剩余的均為非卡口場景監控視頻。

嚴格說來，上面所說的人工智能( AI)不是嚴格的學術名詞，在安防企業界，AI大都指的是基于視頻圖像的機器學習，是一種模式識別AI。機器學習領域的泰斗級學者Michael Jordan聲稱，目前常用AI有三類：

仿人人工智能( human-imitative AI)．最近深度學習的一系列成功案例，包括計算機視覺、語音識別、游戲人工智能。

智能增強（IntelligenCe Augmentation，IA），能夠增強人類記憶能力的搜索引擎和增強人類溝通能力的機器翻譯都屬此類。

智能基礎設施（IntelligenCe Infrastructure，II），這一領域旨在利用計算機技術讓人類生活的環境更加安全有趣，從基礎設施的角度為人類生活提供支持。物聯網是這一類概念的早期版本。現在的智慧城市是II的一種典型應用。

高清監控系統安裝公司表示現在安防行業的AI應用主要屬于仿人AI，IA和II方面的應用還很少。

視頻監控系統產生的數據量龐大，而且日趨多元化，包含：非結構化數據、半結構化特征數據以及結構化數據。當前的人工智能視頻大數據分析技術主要存在如下三個問題：

非卡口場景的視頻分析算法在準確率、穩定性及計算成本等核心指標方面還有待于提高，導致非卡口場景的存量視頻利用率極低，目前沒有有效利用的非卡口監控視頻約占監控視頻總量的97%左右；

當前的人臉識別技術、行人識別技術、行為分析等視頻分析技術往往是接近于實驗室場景下的初級應用、數據孤立下的單點識別應用，距離全天候場景下的精準鎖定，最快時間、最小成本、跨攝像機下的識別搜索，還有很大的差距，真正解決客戶實戰問題的能力還有待于提高；

智能AI攝像機及視頻結構化分析產品開始進入安防市場，產生了海量的結構化視頻數據，但基于結構化視頻數據的深度智能應用如時空分析模式挖掘、預測預警、技戰法訓練等尚在探索階段，有可能形成新的數據浪費和低效投資。

布點更易

應該說現階段的人工智能還不夠智能，導致了它的強場景化特點，限制了攝像機的部署。后續隨著訓練的深度神經網絡模型更加智能，以及多種模型的統一，將使得目前的攝像機布點更加容易。

安防行業端域計算響應的及時性，芯片算力的不斷增強，提升端和云之間數據傳輸效率，這樣端域注重模式識別的仿人AI計算，云上更注重IA和II計算。

安防行業中視頻監控系統分批分期建設的現實，導致了端域／邊緣域計算能力的不均勻。即便是同屬于同一個視頻監控系統的攝像機或者端設備，由于類型的不同，導致了計算能力、計算類型的不同。這樣的現實逐漸演化出端域設備分工協助的產品狀態，比如槍球聯動、全景相機與球機聯動、攝像機和智能盒子結合，等等多種端設備協作式計算的產品形態。

視頻監控系統逐漸和物聯網的逐漸融合，催生出針對人、車、物的多維應用。形式有二：在數據采集端，攝像機逐漸和物聯網采集融合；在大數據分析與挖掘上，視頻圖像信息逐漸和物聯網數據融合應用。安防系統逐漸融人智慧城市的整個體系之中。

安防系統的安全性將逐漸增強，不論是設備安全、邊界安全、網絡安全、數據安全、計算安全、系統安全，還是對安全風險的抵御能力、還是受到安全威脅后的系統的響應以及容忍能力，雖然GB 35114已經頒布《網絡安全等級保護條例即將發布但這些標準遠遠不夠，這只是開始，安防系統的安全性必將是下一個研究與建設的重點領域。