隨著GPU等硬件設備的研發和人工智能相關軟件算法的成熟，人工智能逐漸被大規模應用各個領域，而安防行業對實時性、準確性要求極高，人工智能+安防應運而生。

深度學習、大數據等技術持續突破，“人工智能+”已成為我國經濟增長的新引擎。人工智能的產業化是“AI+垂直行業”的一場變革。安防行業的海量數據以及事前預防、事中響應、事后追查的訴求與人工智能訓練需求及技術邏輯完全吻合，是人工智能*理想的落地行業之一。“AI+安防”已經從概念普及、技術比拼，進入到產品、場景、實戰應用和生態構建階段。

根據中安協發布《中國安防行業“十三五”(2016-2020年)發展規劃》指出，“十三五”期間，安防行業將向規模化、自動化、智能化轉型升級，且到2020年，安防企業總收入達到8000億元左右，年增長率達到10%以上。

AI+安防使用技術

1、視頻結構化技術一是目標檢測——從視頻中提取出前景目標，然后識別出前景目標是有效目標(如：人員、車輛、人臉等)還是無效目標(如：樹葉、陰影、光線等)。在目標檢測過程主要應用到運動目標檢測、人臉檢測和車輛檢測等技術。

二是目標跟蹤——實現特定目標在場景中的持續跟蹤，并從整個跟蹤過程中獲取一張高質量圖片作為該目標的抓拍圖片。在目標跟蹤過程中主要應用到多目標跟蹤、目標融合以及目標評分技術。

三是目標屬性提取——對已經檢測到的目標圖片中目標屬性的識別，判斷該目標具有哪些可視化的特征屬性，例如人員目標的性別、年齡、著裝，車輛目標的車型、顏色等屬性。目標屬性提取過程主要基于深度學習網絡結構的特征提取和分類技術。

2、大數據技術

大數據技術為人工智能提供強大的分布式計算能力和知識庫管理能力，是人工智能分析預測、自主完善的重要支撐。

一是海量數據管理被用于采集、存儲人工智能應用所涉及的全方位數據資源，并基于時間軸進行數據累積，以便能在時間維度上體現真實事物的規律。同時，人工智能應用長期積累的龐大知識庫，也需要依賴該系統進行管理和訪問。

二是大規模分布式計算使得人工智能具備強大的計算能力，能同時分析海量的數據，開展特征匹配和模型仿真，并為眾多用戶提供個性化服務。

三是數據挖掘是人工智能發揮真正價值的核心，利用機器學習算法自動開展多種分析計算，探究數據資源中的規律和異常點，輔助用戶更快、更準地找到有效的資源，進行風險預測和評估。