這幾年，隨著平安城市建設的展開，視頻監控聯網共享，視頻數據資料越來越多，不少安防企業都在強調視頻分析技術，以公安行業為例，視頻分析技術能夠在海量視頻中快速尋找目標，解放警力。從數據處理的流程看，視頻分析技術描述技術能夠將監控視頻轉化為人和機器可理解的信息，從視頻存儲的角度看來，分析技術引領存儲模式全新變革，提煉視頻中有價值的圖片和文本信息。從原本需要一直存儲變成關鍵信息的存儲，使存儲更持久。

科技領域近年來有這樣一個趨勢：移動互聯紅利正在消退，而數據紅利才剛剛開始。據預測：“數據”+“人工智能”將成為未來5-10年的科技投資主線，在過去的十年中，全球每年產生的數據量以50%以上的CARG增長，2015年全球產生數據8ZB(1ZB = 1012GB)。

據IDC預測，2020年全球產生數據量將超過40ZB，相當于地球上每個人產生5200GB的數據。基于海量數據深度學習的人工智能第三次浪潮可能走的更遠。

一些領域數據存儲量非常大，例如視頻、安全、情報等。據說世界上每生產兩塊硬盤，就有一塊用于存儲安防監控的視頻數據。例如在北京，用于安全監控的攝像頭數量超過了200萬個，每一個攝像頭24小時不停地錄制圖像。這就意味著，每一天這些攝像頭都會錄制兩百多萬天的圖像，折合起來，總時長將超過五千年。

這樣龐大的數據量，需要耗費巨大的存儲成本。因此，一般情況下，每隔30天(或者更短時間)，就需要將之前存儲的視頻循環覆蓋。這樣做的結果就是，不僅白白浪費了存儲資源，而且還會丟失大量的有效線索。

如何從海量數據中提取有價值的數據并轉化成有意義的情報呢?格靈深瞳創始人趙勇認為單純依靠大數據做安防行業的情報挖掘工作效率非常低，而結合AI將大大提升海量數據向有意義的情報的轉化率。

趙勇認為實現這一轉化率的提高主要在于三個方面：第一是人臉識別、第二是汽車的識別與跟蹤、第三是機器識別結果與地理信息的融合。

首先通過高清攝像頭采集到路面車輛、行人等數據，通過人臉識別技術識別人物，并保留人物屬性信息存入公安系統。那么假設一個人被綁架后，標準流程是先查看過去一個受害人的車輛軌跡，需找跟蹤他的車輛，他們的活動范圍等活動特性，以此快速聚焦嫌疑人的生活或者經常活動的地點，判斷可能把受害人藏到什么地方。

以前警方要去做非常多的人力工作，而通過AI ，將所有的原始數據變成結構化的信息，把這些信息放在一個功能很全的平臺里面去，用戶只要通過一個網頁，就可以完成這個過程。

在整個數據挖掘過程，要做到全面、深度、多模態的挖掘工作。所謂全面是要實現對每個看到的人進行挖掘而不僅僅是嫌疑人，所謂深度是對每一個被觀察物體的各種信息進行挖掘，而不簡單是人與物的對比，所謂多模態是要綜合一個人的各項信息挖掘他的行為特點，例如消費記錄、車輛的信息、社保的資料等等。

對于安防行業現狀，趙勇認為，目前公安領域對于AI已經是剛需，而現在的瓶頸在于AI企業本身能否將這一的系統快速落地，如何實現快速建立穩定、可靠小型的數據中心。