毫無疑問2017年是人工智能年，不僅熱遍中國而且熱遍世界，但是萬萬沒想到人工智能的盛宴竟然在深圳安博會拉開帷幕，且聽我慢慢道來。

1943年最早的人工神經元模型被提出。如果要提到人工智能的真正開端，那就要追溯到1955年8月31日，研究人員John McCarthy、Marvin Minsky、Nathaniel Rochester和Claude Shannon提交了一份《2個月，10個人的人工智能研究》的提案，第一次提出了“人工智能”的概念，而John McCarthy被尊稱為“人工智能之父”。1956年在達特茅斯學院占地269英畝的莊園舉行達特茅斯會議上一群科學家的集中討論，引出了人工智能這個概念，也是這一年成為了人工智能的元年。1977年在第五屆國際人工智能會議上，美國斯坦福大學計算機科學家費根鮑姆教授正式提出了知識工程概念，隨后各類專家系統得以發展，大量商品化的專家系統被推出，但滿足不了科技和生產提出的新要求，于是繼專家系統之后，機器學習便成了人工智能的又一重要領域。

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。

人工智能生態格局不外乎三層架構：

1. 基礎資源支持層。主要包括人工智能核心處理芯片和大數據，是支撐技術層的圖像識別、語音識別等人工智能算法的基石。人工智能算法需要用到大量的卷積等特定并行運算，常規處理器（CPU）在進行這些運算時效率較低，適合AI的核心處理芯片在要求低延時、低功耗、高算力的各種應用場景逐漸成為必須。核心處理芯片和大數據，成為支撐人工智能技術發展的關鍵要素。

2. AI技術層。通過不同類型的算法建立模型，形成有效的可供應用的AI技術。

3. AI應用層。利用中層輸出的AI技術為用戶提供智能化的產品和服務。

那么AI的直接應用市場到底有哪些，業界的主流觀點包括語音識別、語義理解和計算機視覺，而這個計算機視覺恰巧和安防行業緊密相關。

1. 語音識別。改變人機交互方式。語音識別技術采用無監督式機器自動學習，技術創新和突破將使語音識別進入新的時代。

2. 語義理解。讓機器理解人類語言，語義識別要分析出語句真實的意思，應用的范圍也更加廣泛，不僅在語音交互領域，在非語音的大量文本識別和處理方面也扮演著舉足輕重的角色。

3. 計算機視覺。讓機器學懂世界，計算機視角的最終研究目標就是使計算機能像人類那樣通過視角觀察和理解世界，具有自主適應環境的能力。

那么AI到底和安防有什么關系，人工智能的盛宴如何發生在深圳安博會上？
縱觀安防系統的發展歷史，從“看得見”（模擬）到“看得清”（高清）到“看得懂”（AI視頻結構化處理），安防大數據分析需求迫切，AI+安防趨勢明顯。高清技術日益進步，圖像分辨率從CIF到D1、D1到720P、1080P再到4K逐步進階，視頻監控設備持續高清化升級換代。根據IHS 數據，2013-2016年我國高清攝像機占比由13%增長至59%，首次超過模擬攝像機，實現了視頻監控從“看得見”到“看得清”的轉變，滿足安防基礎需求。攝像頭高清化產生海量視頻大數據,傳統的人工查看方式已不滿足日益增長的安防需求，也形成了了一座座視頻金礦。同時，安防領域每年產生大量非結構化數據，將海量非結構化數據結構化后進行智能處理能極大提高追蹤效率，人工智能（尤其是計算機視角技術）的引入能滿足從事后追查到事前防范的安防根本需求。安防領域在實現高清化網絡化升級后，急切需要人工智能技術對海量數據進行處理，這些都促使攝像頭目前開始向“看得懂”進化，智能安防趨勢明顯。

視頻監控產業處于明顯的變革期。在前端體現為視頻芯片的智能化，尤其是將AI芯片前置之后，攝像機本身就可以進行視頻數據的結構化處理；在后端體現為平臺的智慧化，大規模視頻結構化主機和軟件算法、框架的運用，將靜態的視頻數據盤活為動態的結構化視頻大數據，一大批新興的視頻管理平臺和新型集成商出現在市面上，網力和佳都是其中的兩個典型代表。

在AI驅動下視頻監控產業鏈將發生變革：

1.上游視頻芯片往下游滲透，產業鏈內部話語權擴大。一方面更多的芯片企業進入行業；另一方面芯片商以核心算法或者硬加速器等加載于原產品之上，降低了低端設備的技術開發難度。比如芯片廠商英偉達推出的嵌入式人工智能計算平臺TX1適用于視頻監控場景。

2.中游出現獨立智能分析軟件，依附于大型監控設備商或集成商。智能化的趨勢推動視頻監控設備的軟件附加值持續擴大。隨著整個產業的成長、成熟，監控設備將形成標準，獨立運行于標準監控設備之上的智能分析軟件因為復雜度高、開發難度大，獨立第三方軟件開發商將應運而生，但運行軟件的載體則由大型監控設備商或者集成商決定，軟件商與監控設備商結盟。

3.渠道的作用更明顯，集成商門檻變高具備更強的話語權。隨著市場容量擴大，監控設備在朝著標準化的方向發展，因而銷售渠道的作用將更加突出。因為系統復雜，負責集成的工程商須承擔起總體架構設計與運營的工作，牽涉總體協調工作，進入門檻高，因而話語權擴大。視頻監控設備商因為產品系列全、產品質量高、實施經驗足等優勢，其在集成商方向順勢做整合，顯得水到渠成。

計算機視覺技術的4種應用

在城市治理中，最主要的活動目標就是“人”和“車”，人可以自己行走或者依賴交通工具（機動車和非機動車）出行，而物體是無法自行移動的，必須依靠于“人”和“車”。故而計算機視覺識別技術就是將海量視頻監控數據結構化成以人、車、物為主體的屬性信息，從而最終為城市治理服務。

計算機視覺識別技術主要包括人臉識別、車牌識別、特征屬性識別、行為識別，計算機視角技術是底層技術，這四種技術識別具體對象的應用技術；目前這四種識別技術應用程度較為成熟、應用范圍較廣，其中人臉識別屬于生物識別技術的一支。

四種識別應用技術主要是對海量的視頻監控數據進行結構化，提取以人、車、物為主體的屬性信息。

智能安防并非新邏輯，實際上主流安防企業從2006年就開始布局智能安防產品，從這個時候開始安防行業就向著智能化發展，但一直沒有有令人滿意的突破，僅限于局部功能的智能

從“智能”到“人工智能”，解決了過去安防得不到普及的問題，使之“識別準確率提高”、“設備環境適應性提升”、“識別種類增多”，尤其是車牌識別技術和人臉識別技術取得了長足的進步，商用化成為可能。
從“智能”到“人工智能”，是“數據資源”、“核心算法”、“計算力”三大基本要素起主導作用。

計算機視覺識別技術主要用于識別“人、車、物”的屬性，用以指代對象的性質或特性，它因對象而異，或隨時間而變化，主要的屬性識別包括：

1. 人臉識別：在人臉檢測的基礎上，進一步確定臉部特征點（眼睛、眉毛、鼻子、嘴巴、臉部外輪廓）的位置。

2. 車牌識別：車牌號碼、牌照底色。

3. 車輛特征屬性識別：車標識別、車型識別、車身顏色、主駕駛/副駕駛人臉識別、安全帶、年檢標、行駛方向、疲勞。

4. 人體特征屬性識別：衣著顏色、運動方向、速度、目標大小、騎車、背包、拎東西、打電話。

5. 行為識別：穿越警戒面、進入區域、離開區域、區域入侵、徘徊、物品拿取/遺留、快速移動、人員聚集。

6. 看到這里相信大家慢慢就明白了，原來人工智能最重要的落地三大應用市場之一就是“安防”。

7. 而年度盛典深圳安博會已經進入第16個年頭了。安博會的全稱是“中國國際公共安全博覽會（CPSE）”，按照管理深圳舉辦一屆、北京舉辦一屆，去年在北京，今年就在深圳。于是第十六屆中國國際公共安全博覽會（CPSE）的隆重登臺。將于2017年10月29日 - 11月1日在深圳會展中心隆重召開，在深圳為世界呈現人工智能的盛宴。

深圳安博會由于在10月底召開，秋高氣爽，不像夏天那般熱，也不像北京安博會那么冷，再加上在市區舉辦，每年吸引觀眾超過13萬人，號稱全球第一安防大展。（官方統計2015年展覽面積11萬平方米、參展商家1100家、專業觀眾超過13萬）。

小編今年已經是第三年參加安博會的參展工作了，只有真正布展才明白背后的辛酸和痛苦，一個中等規模的展位投入超過100萬，而一個大型展位投入會超過200萬，超大型展位投入則會超過500萬，1100家參展商爭奇斗艷，各顯神通。安博會是唯一一個個讓中國主流安防廠商、工程商花空心思投入巨資參與的省會，這就好比觀看一部好萊塢大片，投資巨大、場景復雜，高科技慢慢。

趕上了2017年的AI年，據小編預計本屆展會的大熱主題必人工智能莫屬。人臉識別、視頻機構化、車牌識別、車輛識別、機器人、智能芯片、AR、VR、語音識別、智能家居、深度學習、機器學習、算法、框架無一缺席，這樣的省會您絕對不可錯過，過錯就是1年。

小編在這里劇透一下本屆安博會的重要看點：

人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行處理的一系列相關技術，包括人臉圖像采集、人臉定位、人臉識別預處理、記憶存儲和比對辨識，以達到識別人員身份的目的。

相比其他生物識別技術，人臉識別具有先天性隱蔽、方便、直觀、交互性好等優勢，可以解決其它識別技術難以解決的問題。這些優勢讓人臉識別在一些特定的場所、行業有巨大的潛力。

深度學習提出了一種讓計算機自動學習出模式特征的方法，并將特征學習融入到了建立模型的過程中，從而減少了人為設計特征造成的不完備。目前，以深度學習為核心的機器學習算法，在滿足特定條件的應用場景下，已經超越現有算法的識別或分類性能。也就是說，深度學習算法得到的人臉特征，已經遠遠超出了我們人類所能理解的形狀、角度、比例、膚色等特征，其絕大部分特征是算法自己通過學習得到，并能夠被計算機所理解。

深度學習雖然具有自動的學習模式的特征，并可以達到很好的識別精度，但這種算法工作的前提是，使用者能夠提供“相當大”量級的數據。也就是說，如果提供有限數據量的應用場景下，深度學習算法便不能夠對數據的規律進行無偏差的估計，因此在識別效果上可能不如一些已有的簡單算法。另外，由于深度學習中，圖模型的復雜化導致了這個算法的時間復雜度急劇提升，為了保證算法的實時性，需要更高的并行編程技巧以及更好更多的硬件支持。

實踐證明深度學習技術在包括人臉識別等人工智能領域取得了快速進步，使得人工智能技術逐步在商業領域開始規模化應用。

視頻智能處理經過了三個階段：第一階段是單兵設備，第二階段是滿足圖像偵查需求的視頻分布式處理，第三階段就是視頻結構化。前兩階段的特點是視頻分析跟業務是耦合的，這在視頻量小、業務相對簡單時是適合的，但難以滿足海量視頻分析和日益復雜的業務需求。隨著視頻大數據時代的到來，需要一種解決方案，將視頻智能分析與業務解耦，一個專注于海量視頻的智能分析，一個專注于大數據的分析處理和用戶的業務需求。

佳都科技視頻結構化采用業界前沿的深度學習技術、大數據處理技術，和經歷上百個項目市場考驗的分布式集群管理技術。速度快、數據準、運行穩。在部署方式上，既可單機使用，即插即用，簡單方便；也可多臺設備組成分布式集群，為用戶提供完整的海量視頻大數據應用解決方案。

到了現場，估計你會看到眼花，先來劇透一家的體驗區：

AI在視頻監控的應用能更好的實現“點、線、面結合”，最終實現數據大融合的“立體化防控”。

1. “點”防控。以單一視頻點、卡口、出入口的身份認證為主，應用于車站、機場、酒店、社區等關鍵節點。單點布防場景的核心技術為靜態人臉識別技術，系統通常將“人臉圖像+身份證+公安局端數據”三者進行比對，并完成身份驗證。靜態識別屬于主動識別，需要目標對象主動配合，還有更高階的應用是動態人臉識別（屬于被動識別）。

2. “線”防控。以道路監控為主要部署場景，結合車輛識別和人臉識別等視頻結構化處理技術，通常也會和ITS（智能交通系統）進行融合，把點連接成線。可實時處理車流和人流，能夠采集各類信息：車牌、人臉、流量、速度、密度、車型、擁堵等。

3. “面”防控。以熱點區域、重點場所為主要部署場景，應用人群與行為特征分析技術，按需部署人臉識別產品。關注重點社會活動，可快速檢測出可視范圍內的人群數量，并且捕捉每個個體、車輛的行為動作，形成重點場所及區域的面狀布防。

4. “立體化”防控。全面整合點線面數據，依靠視頻結構化處理技術，再輔助于物聯感知技術，將身份證、MAC地址、手機號碼、門禁等數據和視頻大數據進行融合，形成一套立體化社會治安防控網。尤其是對公安和政法部門而言，極大提高社會治理的效率，在打擊犯罪方面，成效顯著。

治安防控最重要的是對于人的管控，經過多年的信息化建設，公安機關已經掌握了海量的社會面數據、網絡數據與警務大數據，與此同時，多年的平安城市建設也為城市提供了覆蓋廣泛、蘊含內容豐富的視頻監控網，由此可見，從社會空間、網絡空間、警務業務空間等人日常活動涉及到的空間出發，多源大數據已能較好的形成針對治安防控需求的人員畫像，具備支撐打防管控工作的能力。
同時，要最大限度地提升實戰打擊效能，必須要依托現代化科技手段，包括云計算、大數據、人臉識別、人體識別、車輛識別、視頻結構化等新技術，建立一個多警種共同使用的立體化防控平臺，集大數據防控、情報研判、合成作戰于一體的綜合應用平臺，為事前防控預警、事中調度指揮與事后打擊偵查、聯合辦案、合成作戰等增添更有力的利器，從而提升公安辦案效率和增強辦案效力，加速從“汗水警務”到“智慧警務”的演變進程。

小編說了這么累，其實是歡迎您到訪我們的展位參觀（誠意邀請），詳細信息如下：

佳都科技展位：深圳會展中心1號國際館1B12展臺

時間：2017年10月29日-11月1日

主要參展內容：人臉識別技術、視頻結構化處理技術、視頻云+：大數據立體化作戰平臺、融合安防平臺、車輛云平臺、人臉閘機和訪客系統。

現場贈送《人工智能技術白皮書|安防篇》，限留言用戶，內部資料，先到先得。

不管你來不來，我都在那里。

——轉自網易