​受益于人工智能技术的快速发展，智慧安防得到越来越广泛的应用。

在计算机视觉、语音识别等多项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、步态等多种生物特征的身份识别。

在实际的应用场景中，AI技术还可对公安大数据进行智能分析，切实提升其认知、预测与决策等相关能力。

不过，尽管智慧安防在多个场景实现了商业级别的应用，但是总体上仍处于起步阶段，当前智慧安防还存在以下三个方面的问题：

一是目前人类科学对人类智能的本质和运作机制的理解并不透彻;二是深度学习算法技术瓶颈逐渐凸显，大规模深度学习无法进一步提升模式识别的能力;三是安防领域的数据更多的是以视频、图片、音频等非结构化形式存在，需要经过结构化处理才能打通应用。

为了进一步提升智慧安防应用的适用性，推动智慧安防从被动防御向主动预警发展，核心点是提高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求，这就需要数据标注行业提供更深度的支持。

智慧安防领域，数据标注主要应用于计算机视觉与语音识别两个主要领域。

1. 计算机视觉

在智慧安防不断推进的过程中，生物识别技术已经越来越成熟，在日常监控、出入境管理、刑事案件侦查中都有着广泛的应用，而这些应用的背后离不开数据标注技术的支持。

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，帮助机器实现了快速识别的能力。

在智慧安防领域，数据标注的主要计算机视觉应用场景包括人脸检测、人脸关键点、人体关键点、3D人脸重建、手势识别、对象追踪等等。

人脸关键点标注

以人脸识别为例，人脸识别技术可对道路卡口、车站、地铁站、机场等地方的监控视频进行智能分析，检测出动态视频中的人脸与黑名单库中的影像记录做实时比对，比对成功则立即报警推送给警务人员处置。

另外，在对海量监控视频的有效利用存在巨大挑战的今天，计算机视觉技术可针对已经生成的海量视频内容进行自动化处理，提供包括行人、机动车、非机动车等关键目标的监测、跟踪、属性分析。辅以以图搜图等检索功能，让案件侦办和治安布控更加智能便捷。

2. 语音识别

声纹是典型的生物识别特征之一。现代科学研究表明，声纹具有特定性与相对稳定性的特点。无论讲话者如何变幻声音与音调，其声纹却始终相同。

基于声纹的这两个特征，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检验对比，迅速认定罪犯，为侦查破案提供可靠的证据。

除了声纹识别以外，智慧安防领域语音转写类标注也是常见的数据标注应用场景。语音通话、问询的实时转录，不仅可以节省宝贵的安防人力资源，还可以大幅度提升工作效率。

未来，随着我国城镇化率的不断提升，轨交、铁路、民航等客运量将大幅提高，传统安防依靠人力查阅监控的方式难以满足业务需求，社会治理对技术手段的需求更迫切，智慧安防将拥有更加广阔的应用空间。