5月13日，上海市科学技术委员会发布了2019年人工智能领域的项目指南。包括人工智能在内的关键通用技术为交通，健康和社区五个主要领域赋予了力量。自深度学习算法出现以来，人工智能正以惊人的势头从学术界进入行业，并已成为传统行业转型与创新的武器。其中，安全性已成为人工智能的立足点之一。人工智能相机尚未发展。完整的AI使大量的安全数据变得有用。摄像头不仅可以识别带有牌照的车辆并预测交通流量，还可以进行面部识别并判断人员流量。那么，AI相机是否已经基本开发？但实际上并非如此。人工智能在相机甚至智能城市系统中仍然面临许多困难和障碍。例如，传统相机的较差分辨率使AI难以识别。即使摄像机足够高清，如果终端设备缺少特征提取功能，云也必须完成从特征提取到识别再到反馈的整个过程，这将牺牲一定的识别精度，速度和准确性。有人建议为相机配备识别功能。尽管这可以解决过多的云计算问题，但是由于部署的摄像头不便于拆卸，因此重复构建的问题是不可避免的。此外，如果数据无法相互通信，则后端AI仍无法给出真正智能的结果和建议。因此，如果AI想要在全球范围内了解城市，则每个摄像头也必须在全球范围内对其进行汇总。有什么解决方案？ 1.建立视频AI集成平台。随着资金，公共安全和交通应用的迅速涌入以及其他领域的需求增长，视频AI集成平台已初具规模。视频AI平台可以扩展算法AI的单一功能，将AI智能推向云端，边缘和末端，并感知算法AI资源的动态分配。目前，可以通过平台以简单的SDK模式快速集成成熟的算法，例如人脸识别和车辆识别。在这种模式下，平台可以为算法服务提供调度，同时可以为API服务打开算法服务；在考虑到AI领域的同时，在快速创新的情况下，一些新算法仍处于探索期，该平台还可以提供工程支持并通过服务集成提供支持。这可能有助于解决困扰安全行业多年的多源数据互连问题。 2. Digital Retina除了视频AI集成平台，“ Digital Retina”的概念也应运而生。中国工程院院士高文提出的建议也受到各行各业，工业界和学术界的广泛重视。所谓的“数字视网膜”指的是“数字视网膜”。是将诸如识别和推理之类的智能计算保留在云中，同时允许端部完成初步的智能分析，从而平衡双方的成本和效率关系。云脑和摄像头的智能组合就像在计算机上添加一层“数字视网膜”一样。去城市。这种视频监视系统要求摄像机具有图像识别，处理和传输功能，并且仅传输有效信息。这不仅将有助于解决AI视频监控的问题，还将有助于智慧城市的进一步发展。结论：从本文开始，可以看出人工智能已经从安全，广告和金融领域传播到健康，社区和其他领域。这反映出AI技术仍处于从初始阶段到快速发展阶段的过渡阶段。行业发展潜力巨大。值得一提的是，随着市场容量的扩大，人工智能监控设备将朝着标准化的方向发展，系统复杂度将进一步提高。这时，负责集成的制造商必须承担体系结构设计和操作的工作，这涉及到整体协调。 ，进入门槛很高，话语权也会扩大。但是，大型视频监控设备供应商具有完整的产品系列，高质量的产品和丰富的实施经验，因此在集成方向上进行集成是理所当然的。