毫无疑问2017年是人工智能年，不仅热遍中国而且热遍世界，但是万万没想到人工智能的盛宴竟然在深圳安博会拉开帷幕，且听我慢慢道来。

1943年最早的人工神经元模型被提出。如果要提到人工智能的真正开端，那就要追溯到1955年8月31日，研究人员John McCarthy、Marvin Minsky、Nathaniel Rochester和Claude Shannon提交了一份《2个月，10个人的人工智能研究》的提案，第一次提出了“人工智能”的概念，而John McCarthy被尊称为“人工智能之父”。1956年在达特茅斯学院占地269英亩的庄园举行达特茅斯会议上一群科学家的集中讨论，引出了人工智能这个概念，也是这一年成为了人工智能的元年。1977年在第五届国际人工智能会议上，美国斯坦福大学计算机科学家费根鲍姆教授正式提出了知识工程概念，随后各类专家系统得以发展，大量商品化的专家系统被推出，但满足不了科技和生产提出的新要求，于是继专家系统之后，机器学习便成了人工智能的又一重要领域。

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

人工智能生态格局不外乎三层架构：

1. 基础资源支持层。主要包括人工智能核心处理芯片和大数据，是支撑技术层的图像识别、语音识别等人工智能算法的基石。人工智能算法需要用到大量的卷积等特定并行运算，常规处理器（CPU）在进行这些运算时效率较低，适合AI的核心处理芯片在要求低延时、低功耗、高算力的各种应用场景逐渐成为必须。核心处理芯片和大数据，成为支撑人工智能技术发展的关键要素。

2. AI技术层。通过不同类型的算法建立模型，形成有效的可供应用的AI技术。

3. AI应用层。利用中层输出的AI技术为用户提供智能化的产品和服务。

那么AI的直接应用市场到底有哪些，业界的主流观点包括语音识别、语义理解和计算机视觉，而这个计算机视觉恰巧和安防行业紧密相关。

1. 语音识别。改变人机交互方式。语音识别技术采用无监督式机器自动学习，技术创新和突破将使语音识别进入新的时代。

2. 语义理解。让机器理解人类语言，语义识别要分析出语句真实的意思，应用的范围也更加广泛，不仅在语音交互领域，在非语音的大量文本识别和处理方面也扮演着举足轻重的角色。

3. 计算机视觉。让机器学懂世界，计算机视角的最终研究目标就是使计算机能像人类那样通过视角观察和理解世界，具有自主适应环境的能力。

那么AI到底和安防有什么关系，人工智能的盛宴如何发生在深圳安博会上？
纵观安防系统的发展历史，从“看得见”（模拟）到“看得清”（高清）到“看得懂”（AI视频结构化处理），安防大数据分析需求迫切，AI+安防趋势明显。高清技术日益进步，图像分辨率从CIF到D1、D1到720P、1080P再到4K逐步进阶，视频监控设备持续高清化升级换代。根据IHS 数据，2013-2016年我国高清摄像机占比由13%增长至59%，首次超过模拟摄像机，实现了视频监控从“看得见”到“看得清”的转变，满足安防基础需求。摄像头高清化产生海量视频大数据,传统的人工查看方式已不满足日益增长的安防需求，也形成了了一座座视频金矿。同时，安防领域每年产生大量非结构化数据，将海量非结构化数据结构化后进行智能处理能极大提高追踪效率，人工智能（尤其是计算机视角技术）的引入能满足从事后追查到事前防范的安防根本需求。安防领域在实现高清化网络化升级后，急切需要人工智能技术对海量数据进行处理，这些都促使摄像头目前开始向“看得懂”进化，智能安防趋势明显。

视频监控产业处于明显的变革期。在前端体现为视频芯片的智能化，尤其是将AI芯片前置之后，摄像机本身就可以进行视频数据的结构化处理；在后端体现为平台的智慧化，大规模视频结构化主机和软件算法、框架的运用，将静态的视频数据盘活为动态的结构化视频大数据，一大批新兴的视频管理平台和新型集成商出现在市面上，网力和佳都是其中的两个典型代表。

在AI驱动下视频监控产业链将发生变革：

1.上游视频芯片往下游渗透，产业链内部话语权扩大。一方面更多的芯片企业进入行业；另一方面芯片商以核心算法或者硬加速器等加载于原产品之上，降低了低端设备的技术开发难度。比如芯片厂商英伟达推出的嵌入式人工智能计算平台TX1适用于视频监控场景。

2.中游出现独立智能分析软件，依附于大型监控设备商或集成商。智能化的趋势推动视频监控设备的软件附加值持续扩大。随着整个产业的成长、成熟，监控设备将形成标准，独立运行于标准监控设备之上的智能分析软件因为复杂度高、开发难度大，独立第三方软件开发商将应运而生，但运行软件的载体则由大型监控设备商或者集成商决定，软件商与监控设备商结盟。

3.渠道的作用更明显，集成商门槛变高具备更强的话语权。随着市场容量扩大，监控设备在朝着标准化的方向发展，因而销售渠道的作用将更加突出。因为系统复杂，负责集成的工程商须承担起总体架构设计与运营的工作，牵涉总体协调工作，进入门槛高，因而话语权扩大。视频监控设备商因为产品系列全、产品质量高、实施经验足等优势，其在集成商方向顺势做整合，显得水到渠成。

计算机视觉技术的4种应用

在城市治理中，最主要的活动目标就是“人”和“车”，人可以自己行走或者依赖交通工具（机动车和非机动车）出行，而物体是无法自行移动的，必须依靠于“人”和“车”。故而计算机视觉识别技术就是将海量视频监控数据结构化成以人、车、物为主体的属性信息，从而最终为城市治理服务。

计算机视觉识别技术主要包括人脸识别、车牌识别、特征属性识别、行为识别，计算机视角技术是底层技术，这四种技术识别具体对象的应用技术；目前这四种识别技术应用程度较为成熟、应用范围较广，其中人脸识别属于生物识别技术的一支。

四种识别应用技术主要是对海量的视频监控数据进行结构化，提取以人、车、物为主体的属性信息。

智能安防并非新逻辑，实际上主流安防企业从2006年就开始布局智能安防产品，从这个时候开始安防行业就向着智能化发展，但一直没有有令人满意的突破，仅限于局部功能的智能

从“智能”到“人工智能”，解决了过去安防得不到普及的问题，使之“识别准确率提高”、“设备环境适应性提升”、“识别种类增多”，尤其是车牌识别技术和人脸识别技术取得了长足的进步，商用化成为可能。
从“智能”到“人工智能”，是“数据资源”、“核心算法”、“计算力”三大基本要素起主导作用。

计算机视觉识别技术主要用于识别“人、车、物”的属性，用以指代对象的性质或特性，它因对象而异，或随时间而变化，主要的属性识别包括：

1. 人脸识别：在人脸检测的基础上，进一步确定脸部特征点（眼睛、眉毛、鼻子、嘴巴、脸部外轮廓）的位置。

2. 车牌识别：车牌号码、牌照底色。

3. 车辆特征属性识别：车标识别、车型识别、车身颜色、主驾驶/副驾驶人脸识别、安全带、年检标、行驶方向、疲劳。

4. 人体特征属性识别：衣着颜色、运动方向、速度、目标大小、骑车、背包、拎东西、打电话。

5. 行为识别：穿越警戒面、进入区域、离开区域、区域入侵、徘徊、物品拿取/遗留、快速移动、人员聚集。

6. 看到这里相信大家慢慢就明白了，原来人工智能最重要的落地三大应用市场之一就是“安防”。

7. 而年度盛典深圳安博会已经进入第16个年头了。安博会的全称是“中国国际公共安全博览会（CPSE）”，按照管理深圳举办一届、北京举办一届，去年在北京，今年就在深圳。于是第十六届中国国际公共安全博览会（CPSE）的隆重登台。将于2017年10月29日 - 11月1日在深圳会展中心隆重召开，在深圳为世界呈现人工智能的盛宴。

深圳安博会由于在10月底召开，秋高气爽，不像夏天那般热，也不像北京安博会那么冷，再加上在市区举办，每年吸引观众超过13万人，号称全球第一安防大展。（官方统计2015年展览面积11万平方米、参展商家1100家、专业观众超过13万）。

小编今年已经是第三年参加安博会的参展工作了，只有真正布展才明白背后的辛酸和痛苦，一个中等规模的展位投入超过100万，而一个大型展位投入会超过200万，超大型展位投入则会超过500万，1100家参展商争奇斗艳，各显神通。安博会是唯一一个个让中国主流安防厂商、工程商花空心思投入巨资参与的省会，这就好比观看一部好莱坞大片，投资巨大、场景复杂，高科技慢慢。

赶上了2017年的AI年，据小编预计本届展会的大热主题必人工智能莫属。人脸识别、视频机构化、车牌识别、车辆识别、机器人、智能芯片、AR、VR、语音识别、智能家居、深度学习、机器学习、算法、框架无一缺席，这样的省会您绝对不可错过，过错就是1年。

小编在这里剧透一下本届安博会的重要看点：

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行处理的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，以达到识别人员身份的目的。

相比其他生物识别技术，人脸识别具有先天性隐蔽、方便、直观、交互性好等优势，可以解决其它识别技术难以解决的问题。这些优势让人脸识别在一些特定的场所、行业有巨大的潜力。

深度学习提出了一种让计算机自动学习出模式特征的方法，并将特征学习融入到了建立模型的过程中，从而减少了人为设计特征造成的不完备。目前，以深度学习为核心的机器学习算法，在满足特定条件的应用场景下，已经超越现有算法的识别或分类性能。也就是说，深度学习算法得到的人脸特征，已经远远超出了我们人类所能理解的形状、角度、比例、肤色等特征，其绝大部分特征是算法自己通过学习得到，并能够被计算机所理解。

深度学习虽然具有自动的学习模式的特征，并可以达到很好的识别精度，但这种算法工作的前提是，使用者能够提供“相当大”量级的数据。也就是说，如果提供有限数据量的应用场景下，深度学习算法便不能够对数据的规律进行无偏差的估计，因此在识别效果上可能不如一些已有的简单算法。另外，由于深度学习中，图模型的复杂化导致了这个算法的时间复杂度急剧提升，为了保证算法的实时性，需要更高的并行编程技巧以及更好更多的硬件支持。

实践证明深度学习技术在包括人脸识别等人工智能领域取得了快速进步，使得人工智能技术逐步在商业领域开始规模化应用。

视频智能处理经过了三个阶段：第一阶段是单兵设备，第二阶段是满足图像侦查需求的视频分布式处理，第三阶段就是视频结构化。前两阶段的特点是视频分析跟业务是耦合的，这在视频量小、业务相对简单时是适合的，但难以满足海量视频分析和日益复杂的业务需求。随着视频大数据时代的到来，需要一种解决方案，将视频智能分析与业务解耦，一个专注于海量视频的智能分析，一个专注于大数据的分析处理和用户的业务需求。

佳都科技视频结构化采用业界前沿的深度学习技术、大数据处理技术，和经历上百个项目市场考验的分布式集群管理技术。速度快、数据准、运行稳。在部署方式上，既可单机使用，即插即用，简单方便；也可多台设备组成分布式集群，为用户提供完整的海量视频大数据应用解决方案。

到了现场，估计你会看到眼花，先来剧透一家的体验区：

AI在视频监控的应用能更好的实现“点、线、面结合”，最终实现数据大融合的“立体化防控”。

1. “点”防控。以单一视频点、卡口、出入口的身份认证为主，应用于车站、机场、酒店、社区等关键节点。单点布防场景的核心技术为静态人脸识别技术，系统通常将“人脸图像+身份证+公安局端数据”三者进行比对，并完成身份验证。静态识别属于主动识别，需要目标对象主动配合，还有更高阶的应用是动态人脸识别（属于被动识别）。

2. “线”防控。以道路监控为主要部署场景，结合车辆识别和人脸识别等视频结构化处理技术，通常也会和ITS（智能交通系统）进行融合，把点连接成线。可实时处理车流和人流，能够采集各类信息：车牌、人脸、流量、速度、密度、车型、拥堵等。

3. “面”防控。以热点区域、重点场所为主要部署场景，应用人群与行为特征分析技术，按需部署人脸识别产品。关注重点社会活动，可快速检测出可视范围内的人群数量，并且捕捉每个个体、车辆的行为动作，形成重点场所及区域的面状布防。

4. “立体化”防控。全面整合点线面数据，依靠视频结构化处理技术，再辅助于物联感知技术，将身份证、MAC地址、手机号码、门禁等数据和视频大数据进行融合，形成一套立体化社会治安防控网。尤其是对公安和政法部门而言，极大提高社会治理的效率，在打击犯罪方面，成效显著。

治安防控最重要的是对于人的管控，经过多年的信息化建设，公安机关已经掌握了海量的社会面数据、网络数据与警务大数据，与此同时，多年的平安城市建设也为城市提供了覆盖广泛、蕴含内容丰富的视频监控网，由此可见，从社会空间、网络空间、警务业务空间等人日常活动涉及到的空间出发，多源大数据已能较好的形成针对治安防控需求的人员画像，具备支撑打防管控工作的能力。
同时，要最大限度地提升实战打击效能，必须要依托现代化科技手段，包括云计算、大数据、人脸识别、人体识别、车辆识别、视频结构化等新技术，建立一个多警种共同使用的立体化防控平台，集大数据防控、情报研判、合成作战于一体的综合应用平台，为事前防控预警、事中调度指挥与事后打击侦查、联合办案、合成作战等增添更有力的利器，从而提升公安办案效率和增强办案效力，加速从“汗水警务”到“智慧警务”的演变进程。

小编说了这么累，其实是欢迎您到访我们的展位参观（诚意邀请），详细信息如下：

佳都科技展位：深圳会展中心1号国际馆1B12展台

时间：2017年10月29日-11月1日

主要参展内容：人脸识别技术、视频结构化处理技术、视频云+：大数据立体化作战平台、融合安防平台、车辆云平台、人脸闸机和访客系统。

现场赠送《人工智能技术白皮书|安防篇》，限留言用户，内部资料，先到先得。

不管你来不来，我都在那里。

——转自网易