將來安防行業還需要以視頻圖像信息為基礎，打通各種異構信息，在海量異構信息的基礎上，充分發揮機器學習、數據分析與挖掘等各種人工智能算法的優勢，為安防行業創造更多價值。

隨著經濟環境、政治環境、社會環境的變化和日趨復雜,各行業對安防的需求不斷增加,同時對于安防技術的應用性、靈活性、人性化也提出了更高的要求，傳統安防技術的局限性日益凸顯。在這樣的大背景下，人工智能發展趨勢大致有以下幾個方面：

1.前端智能：感知型攝像機的推廣應該是一個大方向。如果視頻監控能夠通過機器視覺和智能分析，識別出監控畫面中的內容，并通過后臺的云計算和大數據分析，來做出思考和判斷，并在此基礎上采取行動，我們就能夠真正的讓視頻監控代替人類去觀察世界。而要做到這一點，我們必須擁有具備感知能力的攝像機。因為，只有前端攝像機具有感知識別功能，我們才能進行智能分析的規模化部署和應用。將視頻轉為可利用的數據成為可能。可以說，感知型攝像機是智能分析經濟性和規模化部署的基礎，也是智慧城市大數據應用的關鍵，如果我們要真正擁抱大數據時代，感知型攝像機無疑才是視頻監控的基石。

2.深度學習：各種自學習和自適應算法的研究和應用。后續的智能分析產品應該是帶有強大的自學習和自適應功能的。能夠根據不同的復雜環境進行自動學習和過濾，能夠將視頻中的一些干擾目標進行自動過濾。從而達到提高準確率，降低調試復雜度的目的。例如，科達獵鷹人員卡口分析系統集成采用了業內技術領先的人臉檢測算法、人臉跟蹤算法、人員跟蹤算法、人臉質量評分算法、人臉識別算法、人員屬性分析算法、人員目標搜索算法。可以實現對城市各主要場所人員進出通道進行人臉抓拍、識別以及屬性特征信息提取，建立全市海量人臉特征數據庫，并以公安實戰應用為核心，創新實戰技戰法。通過對接公安信息資源數據庫，可對涉恐、涉穩、犯罪分子進行提前布控和實時預警，實時掌握動態；可對犯罪嫌疑人進行軌跡分析和追蹤，快速鎖定嫌疑人的活動軌跡；可對不明人員進行快速身份鑒別，為案件偵破提供關鍵線索。通過本系統的建設與應用，實現在大數據時代公安工作的跨越式發展，進一步提高工作效率、節約資源成本、縮短破案周期。

3.大數據挖掘：視頻數據深入挖掘應用迅速發展。隨著視頻分析技術的快速發展，視頻數據量也非常大，如何讓視頻分析技術在大數據中發揮作用也成為人們關注的一個方向。利用各種不同的算法計算，將大量視頻數據中不同屬性的事物進行檢索、標注、識別等應用，以達到對大量數據中內容的快速查找檢索。大大降低人工成本，提高效率。甚至在有些方面讓一些人工無法完成的任務成為可能。如：人臉、人員大數據庫檢索，身份證庫重復人員查找，通過語義描述從視頻中查找穿某種衣服，某種顏色的車輛查找，車牌查找，以圖搜圖，視頻關聯等應用。針對平安城市建設中海量視頻目標排查工作量大，且海量視頻場景各異，快速找目標較困難等實際應用需求，科達推出了結構化分析系統，一款專門針對于海量圖片和視頻二次分析的應用系統，適用于多場景、差異大的各種媒體源。支持對接入的多類型前端進行實時分析；支持對離線圖片和視頻進行目標檢測、屬性分析、特征提取等二次分析；支持分布式部署及擴展。

在安防行業內，目前人工智能算法使用最多的還是在視頻圖像領域，因為傳統安防企業的產品都是與視頻圖像相關。但對于公安等業務應用來說，視頻圖像只是一小部分，公安應用還需要網絡信息、通信信息、社交信息等等。將來安防行業還需要以視頻圖像信息為基礎，打通各種異構信息，在海量異構信息的基礎上，充分發揮機器學習、數據分析與挖掘等各種人工智能算法的優勢，為安防行業創造更多價值。