近年来，人工智能、大数据技术迅速发展，在行业市场中受到了空前的追捧，它们已率先在数据可得性高的领域开始解决行业痛点。
安防领域是人工智能完美落地的天然场景
1、大数据是人工智能分析预测、自主完善的重要支撑，而安防行业拥有海量层次丰富的视频数据，能够充分满足人工智能对于算法模型训练的要求。
2、安防监控领域有着事前预防、事中响应、事后追查的逻辑需求，人工智能可以为这一问题提供新的解决思路。
3、据统计，在2011—2016年期间，安防市场连续保持2位数增长，预计2016-2020年期间仍将持续增长，年复合增长率预期为7.6%，到 2020 年，安防市场年销售额将达到 3150 亿美元。鉴于如此大的市场规模，人工智能早已“蠢蠢欲动”！
就技术需求和市场规模而言，安防领域是人工智能最快、最好的“着陆场”。传统的安防监控虽然实现了记录功能，但不能准确识别视频中的人、物和场景。而具备视觉的智能视频监控系统可以彻底改变这一现状。
智能视频监控系统主要包括3大类：
1、对人、物的识别：主要就是识别监控系统关心的内容，包括人脸识别、车牌号识别、车辆类型识别、船只识别、红绿灯识别等等。识别类技术，常常
应用于道路监控、金融银行、航道管理等行业，主要是为客户提供识别记录和分级管理的依据。
2、对人、物运动轨迹的识别：目前细分的很多，主要包括虚拟警戒线、虚拟警戒区域、自动PTZ跟踪、人数统计、车流统计、物体出现和消失、人员突然奔跑、人员突然聚集等等。此类技术，除了数量统计外，一般是对某个过程进行判断，一旦发现了异常情况，如有人进入警戒区域、广场东北角有人迅速聚集等情况，就发出报警信息，提醒值班监控人员关注相应热点区域。目前此类功能主要应用于平安城市建设、商业监控等行业。
3、对环境影响的判断和补偿：可以在复杂背景环境中实现正常的监控功能。环境的影响主要包括雨、雪、大雾等恶劣天气、夜间低照度情况、摄像头遮挡或偏移、摄像头抖动等等。智能视频监控系统技术应用能够实现在恶劣视频环境情况下实现较正常的监控功能。受环境影响视频不清楚的时候，尽早发现画面中的人，或者判断摄像头偏移的情况后发出报警。此类功能关键技术点是在各种应用场合下，均能够较稳定地输出智能分析的信息，尽量减少环境对视频监控的影响。
随着高清化、深度学习、云存储、GPU 、物联网的研发，人工智能落地安防领域的切入方式主要有两种：
1、从产品到技术：传统安防领域企业不断加快软硬件产品的智能化进程；
2、从技术到产品：以算法见长人工智能企业积极布局终端应用行业领域，如金融、公安、楼宇园区等。
人工智能在安防领域的应用主要分为警用、民用两个方向：
1、公安领域
智能监控可以实时分析海量数据并提取有效线索，锁定犯罪嫌疑人或车辆轨迹，完成追踪、抓捕、营救等一系列任务。这一过程涉及图侦、实战、预判三层应用以满足事前预防、事中响应、事后追查的现实需求，可以有效防范化解各类安全风险。
2、交通领域
智能监控分析人和车的密度分布、变化趋势进行动态监测，通过调整红绿灯间隔合理配置资源，提升通行效率，为大众的畅通出行提供有利保障。
3、智能楼宇及园区领域
门禁考勤系统中采用生物识别技术，不仅可以区分工作人员和非工作人员，还能起到降低楼宇能耗的作用。
4、零售领域
为管理者提供远程可视化、顾客数据采集和分析、POS收银监督的巡店方式。
5、在民用安防的应用
智能监控可以为每个用户提供差异化的服务。以家庭安防为例，当家中无人时，智能监控系统进入布防模式；当有异常时，发出警报并及时通知主人。智能安防虽然前景广阔，但目前国内的基础还比较薄弱，在应用过程中还存在着许许多多的障碍和困难。
人工智能在安防监控领域面临着4大痛点：
1、对环境适应性差
人工智能对视频内容的辨识，容易受到光照条件、天气因素、图像质量、目标尺寸、地物遮挡等环境变化的影响；
2、数据孤岛并分散
在传统的安防体系中，各个平台系统数据开放性低，彼此之间共享度低，所以很难开展多维数据融合分析。以人脸识别为例，为提高人脸识别的准确率，单纯提高算法算力是不够的，还需要扩充分析数据的纬度，如定位、社交、车辆、消费等等可搜集到的数据，通过这样大规模的多模态数据整合才能实现目标追踪、分析的目的。
3、场景理解受限
原因1：专业领域知识和经验积累不足；
原因2：在视频结构化过程中，智能监控还停留在基于静态特征的单场景环境中，很少涉及大范围场景的关联行为分析，没有把动作、行为等动态特征以及之间的关联性做结构化的处理。
4、缺乏自主完善能力
目前人工智能没有自我成长的能力，只能根据设定的条件进行自主分析，而不能根据分享能力和积累经验提高完善自己。
结语：
立足现在，放眼未来，虽然智能安防的道路很曲折，但是随着政府的大力支持、数据的开放共享，算法算力的不断提升，人工智能与安防将全面融合，智能安防时代正在加速到来。
