雪亮工程的社会布景和技能环境比之以往的视频监控体系建造彻底不同。因而体系建造的方针，或许人们对体系的希望和要求也彻底不同。图画信息的深化使用是必定的方针，人们希望经过雪亮工程，打破智能监控的天花板，让智能体系那夸姣的远景，不再是可望而不可及，能落地开花，将视频监控体系提高到新的高度（技能水平）。
完结这样的方针，天然要触及云核算、大数据、物联网使用等新一代信息技能的支撑，特别是人工智能的使用。
人工智能（AI-Artificial Intelligence）是核算机科学的分支，是研讨、开发用于仿照、延伸和扩展人的智能的理论、办法、技能及使用的一门边际和交叉学科。现已开展成具有完好的学科体系；共同的研讨办法和十分广泛使用范畴的独立的学科。
因为深度学习优异的特征学习才能；对数据更实质的描写；快速的常识堆集，拓宽了人工智能的研讨和使用范畴，使得机器学习能够完结更多的使命，完结更多的使用；势不可当地霸占了一些长时间未能处理的难题，使得人们期盼的智能机器变为可能，人工智能不再是人们的希望，而是近在眼前，乃至行将完结。如、无人驾驶轿车、预防性医疗与健康办理等。
能够说，人工智能界总算找对了方向，完结了大迸发。人类榜首次如此接近了人工智能的愿望；实在、实在的看到了人工智能光辉的未来 。
人工智能是支撑主动（智能）化体系的根底技能。也是安防（视频监控）体系的根底技能，或许说：安防是人工智能研讨（使用）的重要范畴。雪亮工程应时而出，天然成为人工智能新的研讨和使用范畴。详细使用首要有：
一、施行功用的自主化
视频监控体系包含许多遥控和编程操控功用和子体系，如、摄像机的方针盯梢；多个摄像机，或摄像机与体系其它设备的多机联动、功用联动等遥控和编程操控功用或子体系。这些功用是由人的操作或预先设定的程序操控来完结。选用人工智能，可完结体系的自主动作，如、摄像机主动发现方针，然后自主地进行盯梢；根据方针的行为，自主地与相关摄像机和其它设备进行联动。
机器人、无人机等是人工智能的重要研讨范畴，触及人工视觉、人工触觉等技能。现在广泛使用于安防范畴的这些设备根本上仍是遥控装置。选用人工智能技能，能够逐渐完结动作的自主动性， 如经过人工视觉，感知方针的特征、形状、间隔和速度等，自主地盯梢方针、避障、制动和发起进犯等；经过人工触觉，感知物体的分量、真假、润滑度等，自主地抓物或选用相应的失能处置。
一般，主动化体系分为三个层次：遥控、编程操控和自主动作。明显、后者技能难度最高，是主动化的最高境地——智能化。但并不是一切体系和设备都需求智能化，各层次的产品习惯不同的使用，并非都要完结自主动作。
二、前进动作的精准性和功率
视频监控体系中许多功用和子体系已选用了机器学习技能，根据计算学理论，进行价值判别，前进性能与才能。若选用深度学习，就能够进一步前进它们的学习才能。如图画体系的生物特征辨认（人脸、指纹等）、图画内容剖析及搜图等体系，经过深度学习可前进辨认、判别、查找的精准性和功率；一起能够增强体系的抗干扰才能、环境习惯性，前进其实用性，扩展其使用的规模。
摄像机图画调理（光、焦、颤动）、宽动态、数字降噪及透雾等功用都是经过软件来完结的。经过机器学习的练习，能够不断的优化算法，取得更佳的图画作用。在此根底上，发作了软件界说摄像机的概念。
改进图画内容剖析及搜图等体系的学习办法，前进方针分类、行为判别、查找的精准性和功率。特别是经过深度学习的练习，前进图画分类特征表明的精密（粒）度 ，前进图画标识的精准性。为体系学习供给高质量的、深层次的数据，逐渐完结图画信息的（半）结构化处理。在一般的监控环境下，完结图画中事情的标识；人脸辨认的使用；以及步态辨认、声纹辨认等关键技能的打破和开始使用。 在进行图画内容标识时，数据交融对前进标识的精准性和深度有很大的协助。数据交融也有助于感知前端的完善和云边结构的构成。
三、前进体系的决议计划水平
安防和视频监控体系中存在着各式各样的决议计划体系，大如风险评价、预警体系和预案（专家）体系；小如图画调理的算法、方针盯梢的计划。选用深度学习技能，前进预警、风险评价，预案等专家体系的决议计划水平；图画查找的战略等，这些决议计划水平的凹凸，决议体系的使用水平缓功用满意事务需求的才能。
经过人工智能的使用，深化图画信息的使用；破解公共安全难题；构建风险评价体系，安全预警体系，促进和加速现代安全体系的树立，是中心对公共安全的要求，也是雪亮工程建造的重要方针。
上述使用实质是大数据处理，咱们经过重新的、更多的视点（维度）和深度，调查国际（事务），来前进洞悉、决议计划、程序优化的才能；经过数据交融，发掘图画的深层次的信息，实在发现大数据的价值。
四、人工智能的使用场景
场景，是指技能使用的（外界）环境。是充分发挥技能实质才能的外部条件，或技能能够习惯的外部条件。一般智能体系要求树立稍加约束的使用环境（场景），以确保技能实质才能的发挥。因而、场景（环境要素）也成了约束技能使用和影响使用作用的重要要素。明显、外部条件的约束越少（低），技能的环境适用性越好。
人工智能的呈现，特别是深度学习的使用，正逐渐打破环境要素的极限。使智能体系的使用环境（场景）日益天然、自在。如在一般的监控体系环境保护下，完结许多智能化技能的使用。咱们也把处理视频监控体系现存问题和缺乏，寄望予人工智能。
从使用场景的视点，剖析人工智能智能在雪亮工程中的使用，还能够更直观和明晰地表现出人工智能技能的切入点、能够处理的详细问题和可能完结的作用。
雪亮工程中人工智能的使用场景首要有：
图画标识
标识图画是图画信息结构化的一个途径。人工智能将是完结图画标识的首要的技能办法。这儿暂时称之为半结构化。图画标识包含：
标识图画中的方针，它需求截取一（几）帧图画。现在大多体系都可完结这个功用。如标识视频图画中的人或车。人工智能化使用于该场景，有助于方针的标识更精准、更精密。
标识图画中的事情，需求剖析一段视频图画（一个图画序列），属视频语义解说。现在，许多使用离事务需求尚有间隔。深度学习将为处理这一问题供给一个新思路和办法。
人脸辨认
深度学习很可能完结人脸辨认的打破，并且处理问题的速度之快会令人惊奇。
形式辨认，是传统人脸辨认的根本办法。要求体系界说人脸、树立特征库和稍加约束的环境。在技能上完结后，一向没有实质性前进，距实用化尚有很大间隔，特别是在一般的视频监控环境下。
深度学习，经过仿照人的思维过程，发作很多的、深层的数据散布式特征的表明，经大数据的练习，使图画的分类表明越来越精密，常识堆集愈加丰厚，很快就发作许多实用性的效果。根据深度学习，将会导致生物特征辨认办法和形式的立异。使人脸辨认在一般的监控环境下，得以完结。
相同，深度学习也将支撑步态辨认、声纹辨认等新技能得到开始的使用。
构建城市空间状况图画
把体系前端设备（摄像机等）感知的信息，经过深度学习，生成反映城市状况的原始、实时数据的可视化表明。是调查城市实时状况、动态改变的最佳、最直观办法。
视频信息对构建城市空间状况图画具有最大的价值，条件是完结视频语义的了解。
视频信息可直接生成空间状况图画。如人流密度、散布，车辆密度等。
经过深度学习，从视频信息中发作城市状况深层数据的可视化表明。如路途拥堵指数、人流践踏风险指数等。
非视频信息经大数据处理，也可生成空间状况图画。如高危人、物、活动的散布，城市人口状况等。
并且，多种数据的交融是构建空间状况图画的最有用办法，能够前进状况图画的准确性和实时性。
风险管控
风险管控是现代安全的根本功用（要素）。
传统安全，风险剖析的意图是发现体系的脆弱性。经过体系加固（建造），下降风险到可接受的程度。风险剖析是体系规划的根据（办法）。
现代安全，风险管控的意图是发现安全环境可能呈现的风险。选用恰当的办法，避免风险事情的发作。风险剖析是体系功用（要素）。
风险剖析，经过对影响安全的许多要素（政、经、社）的大数据处理。洞悉和判别微观的安全状况及可能呈现的风险；经过对敏感人、物、时、地、突发、局势等的大数据处理，判别各类事情发作的可能性（风险凹凸）。
空间状况图画反映安全环境的实时状况，状况的改变是趋势，良性的坚持；不良的就是风险，采纳恰当办法改进。就是风险管控和预警。
风险管控体系具有自主成长性，在大数据的支撑下、经过迭代式的练习，可不断的前进体系的洞悉、判别的才能和风险剖析的准确性。
空间状况猜测调理
交通办理体系是典型事例，传统体系以交通信号的实时操控为中心，希望能完结点、线、面的操控及最佳绿信比。但实践证明，传统操控办法（信号的实时操控）完结不了这些方针；现代（城市）交通办理体系有必要选用现代操控理论，经过多变量的空间状况剖析，进行区域性（全体空间）的猜测调理，来完结路途资源与车流状况的匹配。
风险管控更是典型的现代杂乱体系。所谓发现可能呈现的风险，选用恰当的办法，避免风险事情的发作，实质上、是空间状况的猜测和多方位、立体化的安全体系的调理。
归纳的讲，雪亮工程是人工智能最适配的使用场景，除上述几个方面外，还有许多可为人工智能大展身手的场景。总归，雪亮工程为智能监控供给了新的舞台，经过人工智能的使用，极大地提高视频监控体系的智能化水平，处理传统体系的欠缺和缺乏。实在使视频监控的眼睛愈加雪亮。一起，也成为行（企）业转型、晋级的切入点。将安防职业的变革引进新的阶段。
（授权发布，未经答应，不得转载，谢谢！）
李仲男，公安部榜首研讨所研讨员，长时间从事安防技能研讨工作。
