不斷推進的平安城市和雪亮工程建設讓視頻監控遍佈大街小巷， 據不完全統計， 一個中型城市約有上萬路監控， 有的甚至上10萬路， 每天產生的視頻資料相當於千億幅圖片。 然而， 由於早期技術等因素的限制， 傳統視頻監控攝像頭已經無法滿足當前社會經濟發展的需求。 隨著前端算力的提升， 智慧分析軟體的進一步前移， 智慧攝像機毋庸置疑的成為下一代攝像機的發展方向。
傳統監控攝像頭只能提供即時情況監控， 或者回看已經發生的某些事情。 而整合了人工智慧技術的智慧攝像機， 讓使用者能夠即時監控情況， 並在問題發生之前識別出問題。 資料科學家MaheshSaptharishi博士表示：“包含視頻分析功能的監控系統可以實施分析視頻內容， 檢測出可能構成威脅的異常活動。 基本上， 視頻分析技術可以説明安全軟體‘學習’什麼是正常情況， 這樣它就可以檢測出異常情況，
人工智慧在視頻監控落地
智慧監控旨在對監控視頻中的物體、行為、事件等物件， 通過檢測、識別、跟蹤等視覺模式識別技術進行智慧分析和判斷， 從而減少或取代人力的干預， 所涵蓋的技術包括對人臉、行人、車輛、標識等視覺物件識別和行為分析等， 其應用主要分為以下幾種：
1、人臉識別。 人臉識別系統有很多潛在的價值， 它可以與視頻監控系統結合在一起，
2、車牌識別。 先拍攝到已停止汽車清晰的車牌圖像， 然後再採用圖像檢測方法檢測出圖像中車牌的位置， 接著進行車牌文字的抽取和識別， 通過對車道內通行車輛的視頻流進行採集， 實現對同一車牌的多次識別， 最後輸出經過優化選擇的結果， 一般無需外界觸發信號、具有較強的適應能力， 對車輛遮擋情況有一定的抵抗能力。 主要用於社區車輛的登記查詢以及收費， 高速公路的違法車輛的抓拍。
3、語音辨識。 語音辨識根據對說話人的要求分為特定人語音辨識和非特定人語音辨識。
4、表情識別。 表情識別是指從給定的靜態圖像或動態視頻序列中分離出特定的表情狀態 ， 從而確定被識別物件的心理情緒， 實現電腦對人臉表情的理解與識別， 從根本上改變人與電腦的關係， 從而達到更好的人機交互。
5、年齡識別。 攝像機通過核對識別物件的骨架結構， 眼睛和嘴巴的位置以及眼睛和鼻子周圍的皺紋， 幾乎可以準確無誤地判斷出年齡。 主要通過識別出來客人的年齡， 實現精准行銷。
水準不足、耗時費力 還需技術突破
儘管當前人工智慧技術已經極大改善了視頻監控的應用， 但從實際應用情況來看依然面臨著許多挑戰。 畢竟無論是人工智慧的發展， 還是安防智慧化的應用， 其整體水準仍處在早期或者起步的階段， 系統的智慧化程度在短時間內還難以達到科幻大片展現的實戰效果。 即使目前靜態人臉識別已經很成熟了， 但動態人臉識別還面臨著巨大挑戰。 除了前端高清攝像機必須要能夠採集到高品質的人臉資訊之外， 還需要強大的演算法和算力支援。通過神經網路、深度學習、大資料自主訓練以及高性能平行計算能力等等綜合提升才能解決當前應用難題。
而深度學習是需要進行大量的大資料訓練，目前有的人工智慧企業採用人工對資料進行標注，費時費力。中科院自動化研究所李子青教授表示：“我認為深度學習還有一定的發展空間，不管是提升演算法、改進網路架構，還是通過增大資料標注的方式，提升的空間並不大，它已經接近天花板，具體是多少，我不能給一個定量，我們必須在這方面突破，必須像開複老師說的那樣，要形成應用場景的資料閉環，能夠利用生產環節的大資料進行自主標注、自主學習，不管你會不會標注，至少是自主學習”。
其次，安防視頻監控是一個系統工程，人工智慧技術在視頻監控的應用挑戰，同樣貫穿於前端、傳輸、存儲、應用等等每個環節。例如，在海量視頻資料中尋找目標，“天網”視頻監控系統每天產生的大量圖像視頻，對於尋找目標人與車輛猶如大海撈針。
此外，傳輸受限制預警不即時。尤其是高清、超高清攝像機的大量應用，採集的資料量非常大，傳輸成本非常高，而且很難在第一時間彙集到資料總平臺，造成全域預警與搜索的困難。此外，針對交通擁堵情況，當前的交通大資料主要還是以導航地圖、共用出行軟體等為主，視頻智慧分析資料應用還是比較少等等。
當然隨著神經網路、深度學習、邊緣技術等技術的進步、演算法的不斷優化、電腦性能提升，當前面臨的種種問題都會逐步得到有效解決。
解析資料、精准處理 擁抱智慧時代
隨著人類社會科技演進持續加速的態勢，人工智慧時代奇點的來臨速度或許遠超我們想像。市場調研機構Strategy Analytics4月12日發佈的研究報告《智慧家居監控攝像機市場分析與預測》指出，低於200美元價格點的配備全套軟體和服務功能的攝像機將推動智慧家居監控攝像機市場的增長。該報告預測，到2023年，全球市場消費者在智慧家居監控攝像機上支出將超過97億美元。
中國工程程院院士、北京大學教授高文在參加2018年人工智慧安防峰會時表示，城市大腦需要智慧之眼。“通過監控攝像頭讓城市變得更智慧，不僅僅是單一的視頻檢索和電腦視覺問題，而是在面臨海量資訊和突發事件時，能否迅速做出反應、能否降低計算量、能否有效識別和檢索等一系列龐大的系統工程。”
未來攝像機將不再是自出廠之後就一成不變的，而是根據使用者的需要，通過載入不同軟體實現不同的業務功能，融入軟體定義產品的新時代。通過規模化、多樣化的智慧前端攝像機進行精准的資料獲取，後臺強大的雲計算和視頻解析系統對採集的資料進行準確的解析和表述，龐大的大資料分析與挖掘系統對海量資料進行高效精准的處理，才能夠真正的讓視頻監控協助使用者準確的觀察、識別和應對周邊的事物，做到真正的擁抱智慧時代。
結語：視頻監控整合人工智慧技術，雖然在加強監控的同時也伴隨著一些潛在風險，但是潛在的優點顯然超過了缺點。且如今人工智慧在演算法與晶片領域的成熟及成本的下降，使得智慧監控的商業化落地更加快速地普及，同時智慧監控市場在尋求差異化競爭形成了百花齊放的形勢。
還需要強大的演算法和算力支援。通過神經網路、深度學習、大資料自主訓練以及高性能平行計算能力等等綜合提升才能解決當前應用難題。而深度學習是需要進行大量的大資料訓練，目前有的人工智慧企業採用人工對資料進行標注，費時費力。中科院自動化研究所李子青教授表示：“我認為深度學習還有一定的發展空間，不管是提升演算法、改進網路架構，還是通過增大資料標注的方式，提升的空間並不大，它已經接近天花板，具體是多少，我不能給一個定量，我們必須在這方面突破，必須像開複老師說的那樣，要形成應用場景的資料閉環，能夠利用生產環節的大資料進行自主標注、自主學習，不管你會不會標注，至少是自主學習”。
其次，安防視頻監控是一個系統工程，人工智慧技術在視頻監控的應用挑戰，同樣貫穿於前端、傳輸、存儲、應用等等每個環節。例如，在海量視頻資料中尋找目標，“天網”視頻監控系統每天產生的大量圖像視頻，對於尋找目標人與車輛猶如大海撈針。
此外，傳輸受限制預警不即時。尤其是高清、超高清攝像機的大量應用，採集的資料量非常大，傳輸成本非常高，而且很難在第一時間彙集到資料總平臺，造成全域預警與搜索的困難。此外，針對交通擁堵情況，當前的交通大資料主要還是以導航地圖、共用出行軟體等為主，視頻智慧分析資料應用還是比較少等等。
當然隨著神經網路、深度學習、邊緣技術等技術的進步、演算法的不斷優化、電腦性能提升，當前面臨的種種問題都會逐步得到有效解決。
解析資料、精准處理 擁抱智慧時代
隨著人類社會科技演進持續加速的態勢，人工智慧時代奇點的來臨速度或許遠超我們想像。市場調研機構Strategy Analytics4月12日發佈的研究報告《智慧家居監控攝像機市場分析與預測》指出，低於200美元價格點的配備全套軟體和服務功能的攝像機將推動智慧家居監控攝像機市場的增長。該報告預測，到2023年，全球市場消費者在智慧家居監控攝像機上支出將超過97億美元。
中國工程程院院士、北京大學教授高文在參加2018年人工智慧安防峰會時表示，城市大腦需要智慧之眼。“通過監控攝像頭讓城市變得更智慧，不僅僅是單一的視頻檢索和電腦視覺問題，而是在面臨海量資訊和突發事件時，能否迅速做出反應、能否降低計算量、能否有效識別和檢索等一系列龐大的系統工程。”
未來攝像機將不再是自出廠之後就一成不變的，而是根據使用者的需要，通過載入不同軟體實現不同的業務功能，融入軟體定義產品的新時代。通過規模化、多樣化的智慧前端攝像機進行精准的資料獲取，後臺強大的雲計算和視頻解析系統對採集的資料進行準確的解析和表述，龐大的大資料分析與挖掘系統對海量資料進行高效精准的處理，才能夠真正的讓視頻監控協助使用者準確的觀察、識別和應對周邊的事物，做到真正的擁抱智慧時代。
結語：視頻監控整合人工智慧技術，雖然在加強監控的同時也伴隨著一些潛在風險，但是潛在的優點顯然超過了缺點。且如今人工智慧在演算法與晶片領域的成熟及成本的下降，使得智慧監控的商業化落地更加快速地普及，同時智慧監控市場在尋求差異化競爭形成了百花齊放的形勢。