传统的视频监控系统前端摄像机计算能力较低，以边缘计算和人工智能技术为基础的新型视频监控平台是未来的发展趋势。边缘计算作为云计算的一种补充技术，结合人工智能，可在边缘设备上运行AI算法、处理数据，能够大大地减少系统时延，提高服务的响应时间。

　　智慧小区是“平安城市”建设的基础，随着社会的不断发展，社区安全问题已经成为人们关注的焦点。高空抛物、乱扔垃圾、损坏车辆、入室盗窃等不文明现象及违法行为时有发生。很多小区的物业安保体系、监控系统等安防建设较为简陋和传统，而且人力有限，不仅无法做到无盲点覆盖，而且经常存在监管疏忽、效率低下等各种管理弊端，无法满足日益增长的小区智能化管理需求。

　　在小区的重点公共区域多点位部署带有AI智能分析能力的摄像头，可根据具体环境特点选配超低照度、强光抑制、宽动态以及手动/电动变焦，光学变倍等功能，以实现小区室外公共区域的智能视频监控管理，具体包括对社区主要干道、活动广场、室外停车位、广场水池等重点关注区域实现7*24小时的实时视频监控。

　　同时，基于AI智能分析功能，可实时检测烟火、物品遗留、危险行为识别（摔倒、打架斗殴等）。在每栋住户楼的各个立面布设红外枪式摄像机，监测高空抛物等不文明行为。通过实时视频监控+人工巡更方式，极大提升社区防控效率。

　　电梯监控：对电梯实时、全方位监控，自动检测电动车进入电梯等，可语音喊话、声光报警，保证电梯安全使用，杜绝电动车上楼；

　　违停监测：实时监测小区应急通道违停情况，平台会告警以便于及时处理并消除安全隐患；

　　烟火识别：对小区监控范围内出现的烟火，分析火光及燃烧烟雾，自动辨别监控设备中的火警信息，数据可上报消防平台；

　　周界入侵检测：小区周界报警系统联动监控，智能检测入侵、攀高、翻越围墙等情况，实现报警视频联动，有效防范小区周界异常情况发生；

　　高空抛物：通过全景监控及高清图像捕捉，对高空抛物等不文明现象起到了追根溯源及震慑作用。

　　视频监控运维的AI智能化

　　目前，人工智能技术主要研究领域集中在机器学习、计算机视觉、自然语言处理、知识表示、自动推理和机器人学六大领域。机器学习、计算机视觉和自然语言处理相关技术也得到了较为广泛的应用，一些基于机器学习技术的人工智能产品已经陆续被应用到生产环境中。

　　视频监控领域应用较多和发展较为成熟的是人脸识别、目标识别算法，之所以发展如此迅速，主要原因有两个，一是此类算法需要的模型训练生产资料非常容易获得；二是AI基础层供应端的产业配套齐全，包括一站式数据治理平台、计算硬件平台、AI软件开发平台，使得方案成本相对较低。

　　近年来，由于视频监控规模不断扩大，各级主管部门越来越重视视频监控系统的应用成效，首当其冲运维管理压力随之增加。越来越多的用户开始重视视频监控系统的智能化，视频诊断算法随之萌芽、发展。但视频监控系统的视频诊断AI分析算法，并不具备人脸识别场景那么好的发展条件。

　　要想生产出高质量的产品，需要突破在算法定义、数据收集、模型训练、准确率评估四个方面的高门槛。截止目前为止，业内关于视频监控系统的智能化诊断相关算法的研究投入非常小，只有少量企业借助深度学习算法推出了视频智能诊断产品。此类产品在初期的质量诊断项较少，且在实际交付的诊断准确率远没有宣传的高，诊断准确率最高只能达到90%~95%，这个准确率对于小规模应用，勉强可以接受，但是一旦设备数量超过万路的项目，误报数量也是非常惊人的，需要投入大量人力物力进行复核，所谓的自动化、智能化依然是无法实现。

　　AI智能视频监控系统可以用在视频监控系统中，对视频进行分析检测，如果有不法行为，或者任何触犯设定规则的行为，会立即触发报警，向监视器、手机、或者监控中心发出报警信号，同时触发指示灯进行报警。使用AI智能视频分析监控主要有以下几个优势。

　　1、快速的反应时间：毫秒级的报警触发反应时间。

　　2、更有效地监控：安保人员只需要注意相关信息。

　　3、强大的数据检索和分析功能：能提供快速的反应时间和调查时间。