人工智慧是計算機科學的分支，它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。得益於深度學習優異的特徵學習能力，能夠形成快速的知識積累，人工智慧可以對資料進行更本質的刻畫，這大大地拓展了人工智慧的研究和應用領域，使得機器學習能夠完成更多的任務，實現更多的應用。人工智慧不再是人們的期望，而是近在眼前，甚至即將實現。
人工智慧技術在雪亮工程中主要應用於深度學習、影片結構化、人臉檢測、人臉特徵識別、人體特徵識別、車牌識別、車輛特徵識別、大資料分析及應用等。透過人工智慧技術，可以對前端採集的原始監控影象進行結構化解析，按照規範標準，把原始的影片影象資料自動轉化為準結構化和結構化資料，形成相對應的主題資料庫，並將資料提交至大資料平臺進行相關的資料模型、技戰法等使用，形成豐富的實戰應用，如人車軌跡刻畫、落腳點分析、預測預警等服務，充分發揮監控影象的實戰價值。
在安防行業內，人工智慧主要分為兩種，一種是前端智慧，另一種是後端智慧。前端智慧也稱邊緣節點，主要指具備一定智慧化的攝像機，如人臉抓拍攝像機、車輛抓拍攝像機等前端裝置，可以在前端完成簡單的人臉和車輛影象分析，再回傳至解析中心進行演算法較為複雜的二次識別和分析。目前部分裝置廠商還可以做到將原先不具備智慧分析的影片監控攝像頭，透過載入智慧演算法盒子或者演算法軟體的方式，把普通攝像機升級為具備影片分析能力的智慧化攝像機，這在雪亮工程中可以提高原有高畫質攝像機的利用率，減少大量新建攝像機帶來的巨大成本。
後端智慧主要指結合相關的人臉識別伺服器、車輛識別伺服器、結構化分析伺服器、大資料分析伺服器等智慧裝置，透過影片平臺將影片影象資源中使用者關注的活動目標（人體、車輛）進行結構化解析，形成有價值的資料積累，提供特徵檢索、以人搜人、軌跡回放等應用功能。為實現對不同廠商的影片分析演算法的相容、融合和排程，構建一個開放的基於 AI 的影片影象處理與分析引擎整合框架，支援不同廠商演算法靈活地整合進來，併為這些演算法任務的執行提供高效的任務分解和排程，並遮蔽底層異構計算資源的差異，提供統一的異構計算資源的管理和排程，為影片智慧解析和檢索提供一個高效的加速引擎。依據實戰應用需求，透過大資料平臺設計時空分析、線索排查、歷史摘錄等場景化的業務應用，支撐影片影象資訊應用及公安實戰業務應用。
人工智慧技術在雪亮工程應用中面臨的問題
1.資料開放性和聯絡不足
雪亮工程專案建設的不斷推進，為人工智慧帶來了豐富的資料資源和應用優勢。但是現有的多警種資源、跨平臺業務、非標系統等的資料壁壘問題一直存在，導致各資料之間的關聯和融合少，資料資源仍然分散，資料開放和共享程度較低，難以進行多維資料融合分析，使得人工智慧缺乏有效的資料支撐。
2.技術尚未完全成熟
隨著新技術和硬體裝置的發展，人工智慧技術已經進入一個日新月異的地步，在雪亮工程中我們也常常看到影片智慧分析、深度學習、大資料等技術的身影。然而，要想利用影片智慧分析挖掘出影片影象中更多的資訊，對影片成像質量有非常高的要求。目前，環境對監控攝像頭的影片成像質量的影響很大，可能會有光照不足、目標遮擋或者尺寸很小等一系列問題。另外，由於編碼和網路頻寬等因素，會導致影片卡頓、影片畫面模糊等問題，無法實現影片的智慧化分析。深度學習技術只能保證裝置製造過程中的學習，並且不能保證實時進一步研究和分析所收集的影象。此外，在大資料技術的應用方面，目前結構化處理能力的發展還有很大的空間。資料的幾何尺度對計算機的計算能力、處理能力和結構化分析能力提出了更高的能力和要求。
3.場景分析難拓展
在早期智慧化工程中，智慧分析技術不太成熟，基本都是單場景地對目標進行檢測和對目標行為的分析，這種單場景的分析一般對影片內容的理解能力偏弱，針對雪亮工程中大範圍場景的關聯行為分析比較少，沒有較多的有效經驗來支撐異常分析，以及對風險做預測。
4.缺乏有效的完善能力
目前我們很多人工智慧中所說的智慧，只是一種被動式反應的智慧，都需要根據輸入的條件進行自動的判斷，無法自動根據資料及分析做出自主預警，缺乏成長能力。真正意義上的人工智慧應該是在時間的沉澱下，以及群體間的經驗分享能力，這樣才能在實踐中不斷完善，使得人工智慧的能力更強，更高效。
雪亮工程建設智慧化提升方向
1.統籌規劃，提高前端裝置高畫質智慧化
加大前端點位建設力度，“以點為基、串點成線、連線成面”，擴充網際網路影片影象資源，鼓勵公眾參與雪亮工程建設，加深影片監控覆蓋深度，實現重點建設與分類建設齊頭並進。前端建設以科學布建理論為指導，開展場景式部署建設，構建多維感知體系，多角度、分層次、全方位、全天候採集影片影象及物聯網基礎資料，實現對人、地、事、物、組織的多維度資訊採集，解決跨部門、多行業使用者及公眾的個性化需求。與此同時，結合 5G 網路傳輸技術，將影片監控向更高畫質的方向提升，達到 4K、8K 級別，給智慧分析提供更高質量的資料支撐。
2.深度挖掘資料，聚焦業務應用
在雪亮工程專案中，匯聚的不僅僅是影片影象資料，還有人員資料、車輛資料、房屋資料等。要以海量有價值資料為基礎，深度開展業務應用系統的建設，以業務應用為導向，促進軌跡追蹤、人像比對、車牌識別、快速檢索、資料探勘及資訊預測預警等技術與各政府部門在業務應用方面的深度耦合，實現全市公安、綜治、交通、環保、教育、衛生等各部門在治安防控、城鄉社會治理、智慧交通、服務民生、生態建設與保護等領域的應用，為社會和群眾提供更多更好的服務。
3.精耕影片雲，升級“影片 ”服務
以“多維感知、資源匯聚、資料融合、平臺開放、服務整合、智慧應用”為理念，構建物理分佈、邏輯統一的影片雲。建立以影片影象為主、多種資源關聯疊加的影片資源智慧化服務體系，實現影片、手機、車輛等資訊的整合和匯聚，達到人、屋、車、場等資訊關聯融合，為各警種、各地市、各基層實戰單位提供一個資源共享、能力開放、安全可控的多元化影片資源服務平臺。影片向下疊加多維的IOT物聯感知（包括空間資訊、動環資訊、生物體徵、深度語音識別等等），向上輸出更多的影片資料應用價值，支援更為寬廣的業務應用，比如智慧城市的執行中心、城市交通態勢分析、機器視覺、大資料預警與決策等。