共计 1193 个字符，预计需要花费 3 分钟才能阅读完成。
受害于人工智能技术的疾速倒退，智慧安防失去越来越宽泛的利用。
在计算机视觉、语音辨认等多项 AI 技术的加持下，智慧安防实现了对人脸、指纹、虹膜、掌纹、指静脉、声纹、步态等多种生物特色的身份辨认。
在理论的利用场景中，AI 技术还可对公安大数据进行智能剖析，切实晋升其认知、预测与决策等相干能力。
不过，只管智慧安防在多个场景实现了商业级别的利用，然而总体上仍处于起步阶段，以后智慧安防还存在以下三个方面的问题：
一是目前人类迷信对人类智能的实质和运作机制的了解并不透彻; 二是深度学习算法技术瓶颈逐步凸显，大规模深度学习无奈进一步晋升模式识别的能力; 三是安防畛域的数据更多的是以视频、图片、音频等非结构化模式存在，须要通过结构化解决能力买通利用。
为了进一步晋升智慧安防利用的适用性，推动智慧安防从被动进攻向被动预警倒退，外围点是进步数据处理的速度与效率，解决深度学习下算法对于结构化数据集的需要，这就须要数据标注行业提供更深度的反对。
智慧安防畛域，数据标注次要利用于计算机视觉与语音辨认两个次要畛域。
1. 计算机视觉
在智慧安防一直推动的过程中，生物辨认技术曾经越来越成熟，在日常监控、出入境治理、刑事案件侦察中都有着宽泛的利用，而这些利用的背地离不开数据标注技术的反对。
数据标注实现了对训练图片中人物的性别、年龄、肤色、表情、头发以及是否戴帽戴眼镜等的分类标注，为深度学习提供了海量的数据集，帮忙机器实现了疾速辨认的能力。
在智慧安防畛域，数据标注的次要计算机视觉利用场景包含人脸检测、人脸关键点、人体关键点、3D 人脸重建、手势辨认、对象追踪等等。
人脸关键点标注
以人脸识别为例，人脸识别技术可对路线卡口、车站、地铁站、机场等中央的监控视频进行智能剖析，检测出动静视频中的人脸与黑名单库中的影像记录做实时比对，比对胜利则立刻报警推送给警务人员处理。
另外，在对海量监控视频的无效利用存在微小挑战的明天，计算机视觉技术可针对曾经生成的海量视频内容进行自动化解决，提供包含行人、机动车、非机动车等要害指标的监测、跟踪、属性剖析。辅以以图搜图等检索性能，让案件侦办和治安布控更加智能便捷。
2. 语音辨认
声纹是典型的生物辨认特色之一。古代科学研究表明，声纹具备特定性与绝对稳定性的特点。无论讲话者如何变幻声音与音调，其声纹却始终雷同。
基于声纹的这两个特色，侦查人员就可将获取的犯罪分子的声纹和嫌疑人的声纹，通过声纹鉴定技术进行测验比照，迅速认定罪犯，为侦察破案提供牢靠的证据。
除了声纹识别以外，智慧安防畛域语音转写类标注也是常见的数据标注利用场景。语音通话、问询的实时转录，不仅能够节俭贵重的安防人力资源，还能够大幅度晋升工作效率。
将来，随着我国城镇化率的一直晋升，轨交、铁路、民航等客运量将大幅提高，传统安防依附人力查阅监控的形式难以满足业务需要，社会治理对技术手段的需要更迫切，智慧安防将领有更加广大的利用空间。