人工智能是計算機科學的分支，它是研究、開發用於模擬、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。得益於深度學習優異的特徵學習能力，能夠形成快速的知識積累，人工智能可以對數據進行更本質的刻畫，這大大地拓展了人工智能的研究和應用領域，使得機器學習能夠完成更多的任務，實現更多的應用。人工智能不再是人們的期望，而是近在眼前，甚至即將實現。
人工智能技術在雪亮工程中主要應用於深度學習、視頻結構化、人臉檢測、人臉特徵識別、人體特徵識別、車牌識別、車輛特徵識別、大數據分析及應用等。通過人工智能技術，可以對前端採集的原始監控圖像進行結構化解析，按照規範標準，把原始的視頻圖像數據自動轉化為準結構化和結構化數據，形成相對應的主題數據庫，並將數據提交至大數據平臺進行相關的數據模型、技戰法等使用，形成豐富的實戰應用，如人車軌跡刻畫、落腳點分析、預測預警等服務，充分發揮監控圖像的實戰價值。
在安防行業內，人工智能主要分為兩種，一種是前端智能，另一種是後端智能。前端智能也稱邊緣節點，主要指具備一定智能化的攝像機，如人臉抓拍攝像機、車輛抓拍攝像機等前端設備，可以在前端完成簡單的人臉和車輛圖像分析，再回傳至解析中心進行算法較為複雜的二次識別和分析。目前部分設備廠商還可以做到將原先不具備智能分析的視頻監控攝像頭，通過加載智能算法盒子或者算法軟件的方式，把普通攝像機升級為具備視頻分析能力的智能化攝像機，這在雪亮工程中可以提高原有高清攝像機的利用率，減少大量新建攝像機帶來的巨大成本。
後端智能主要指結合相關的人臉識別服務器、車輛識別服務器、結構化分析服務器、大數據分析服務器等智能設備，通過視頻平臺將視頻圖像資源中用戶關注的活動目標(人體、車輛)進行結構化解析，形成有價值的數據積累，提供特徵檢索、以人搜人、軌跡回放等應用功能。為實現對不同廠商的視頻分析算法的兼容、融合和調度，構建一個開放的基於 AI 的視頻圖像處理與分析引擎集成框架，支持不同廠商算法靈活地集成進來，併為這些算法任務的執行提供高效的任務分解和調度，並屏蔽底層異構計算資源的差異，提供統一的異構計算資源的管理和調度，為視頻智能解析和檢索提供一個高效的加速引擎。依據實戰應用需求，通過大數據平臺設計時空分析、線索排查、歷史摘錄等場景化的業務應用，支撐視頻圖像信息應用及公安實戰業務應用。
人工智能技術在雪亮工程應用中面臨的問題
1. 數據開放性和聯繫不足
雪亮工程項目建設的不斷推進，為人工智能帶來了豐富的數據資源和應用優勢。但是現有的多警種資源、跨平臺業務、非標系統等的數據壁壘問題一直存在，導致各數據之間的關聯和融合少，數據資源仍然分散，數據開放和共享程度較低，難以進行多維數據融合分析，使得人工智能缺乏有效的數據支撐。
2.技術尚未完全成熟
隨著新技術和硬件設備的發展，人工智能技術已經進入一個日新月異的地步，在雪亮工程中我們也常常看到視頻智能分析、深度學習、大數據等技術的身影。然而，要想利用視頻智能分析挖掘出視頻圖像中更多的信息，對視頻成像質量有非常高的要求。目前，環境對監控攝像頭的視頻成像質量的影響很大，可能會有光照不足、目標遮擋或者尺寸很小等一系列問題。另外，由於編碼和網絡帶寬等因素，會導致視頻卡頓、視頻畫面模糊等問題，無法實現視頻的智能化分析。深度學習技術只能保證設備製造過程中的學習，並且不能保證實時進一步研究和分析所收集的圖像。此外，在大數據技術的應用方面，目前結構化處理能力的發展還有很大的空間。數據的幾何尺度對計算機的計算能力、處理能力和結構化分析能力提出了更高的能力和要求。
3. 場景分析難拓展
在早期智能化工程中，智能分析技術不太成熟，基本都是單場景地對目標進行檢測和對目標行為的分析，這種單場景的分析一般對視頻內容的理解能力偏弱，針對雪亮工程中大範圍場景的關聯行為分析比較少，沒有較多的有效經驗來支撐異常分析，以及對風險做預測。
4. 缺乏有效的完善能力
目前我們很多人工智能中所說的智能，只是一種被動式反應的智能，都需要根據輸入的條件進行自動的判斷，無法自動根據數據及分析做出自主預警，缺乏成長能力。真正意義上的人工智能應該是在時間的沉澱下，以及群體間的經驗分享能力，這樣才能在實踐中不斷完善，使得人工智能的能力更強，更高效。
雪亮工程建設智能化提升方向
1. 統籌規劃，提高前端設備高清智能化
加大前端點位建設力度，“以點為基、串點成線、連線成面”，擴充互聯網視頻圖像資源，鼓勵公眾參與雪亮工程建設，加深視頻監控覆蓋深度，實現重點建設與分類建設齊頭並進。前端建設以科學布建理論為指導，開展場景式部署建設，構建多維感知體系，多角度、分層次、全方位、全天候採集視頻圖像及物聯網基礎數據，實現對人、地、事、物、組織的多維度信息採集，解決跨部門、多行業用戶及公眾的個性化需求。與此同時，結合 5G 網絡傳輸技術，將視頻監控向更高清的方向提升，達到 4K、8K 級別，給智能分析提供更高質量的數據支撐。
2. 深度挖掘數據，聚焦業務應用
在雪亮工程項目中，匯聚的不僅僅是視頻圖像數據，還有人員數據、車輛數據、房屋數據等。要以海量有價值數據為基礎，深度開展業務應用系統的建設，以業務應用為導向，促進軌跡追蹤、人像比對、車牌識別、快速檢索、數據挖掘及信息預測預警等技術與各政府部門在業務應用方面的深度耦合，實現全市公安、綜治、交通、環保、教育、衛生等各部門在治安防控、城鄉社會治理、智能交通、服務民生、生態建設與保護等領域的應用，為社會和群眾提供更多更好的服務。
3.精耕視頻雲，升級“視頻 +”服務
以“多維感知、資源匯聚、數據融合、平臺開放、服務集成、智慧應用”為理念，構建物理分佈、邏輯統一的視頻雲。建立以視頻圖像為主、多種資源關聯疊加的視頻資源智能化服務體系，實現視頻、手機、車輛等信息的整合和匯聚，達到人、屋、車、場等信息關聯融合，為各警種、各地市、各基層實戰單位提供一個資源共享、能力開放、安全可控的多元化視頻資源服務平臺。視頻向下疊加多維的IOT物聯感知(包括空間信息、動環信息、生物體徵、深度語音識別等等)，向上輸出更多的視頻數據應用價值，支持更為寬廣的業務應用，比如智慧城市的運行中心、城市交通態勢分析、機器視覺、大數據預警與決策等。
閱讀更多 海盟高科 的文章
