前端攝像機內置人工智能芯片，可實時分析視頻內容，檢測運動對象，識別人、車屬性信息，并通過網絡傳遞到后端人工智能的中心數據庫進行存儲。這是人工智能滿足視頻監控實戰應用需求的優勢。

目前，人工智能在安防領域的主要應用場景包括以下幾點：

人臉身份確認應用屬于卡口場景仿人AI應用，以公安行業人員布控為代表，在關鍵監控點位安裝人臉抓拍攝像機，通過后端人臉識別服務器對抓拍到的人臉進行比對識別，確定該人員身份。一種是與人臉黑名單庫進行比對識別，另一種是和靜態人臉庫進行比對識別。

人臉黑名單動態布控應用中主要利用人臉抓拍攝像機從高清/超高清視頻畫面中使用深度學習模型檢測并抓拍人臉照片，然后提取人臉深度學習特征向量，與黑名單庫人臉的比對并實現報警提示。

人臉靜態比對指的是使用深度學習模型檢測并抓拍人臉圖片，然后提取的人臉深度學習特征向量與靜態庫中的人臉比對識別，確認該人臉身份。

車輛識別應用屬于卡口場景應用。車輛識別技術是公安實戰中應用最成熟、 效果最明顯的技術之一。借助遍布全國各地交通要道的車輛卡口，車牌識別使得“以車找人”成為現實，成功協助警方破獲各類案件。車輛識別技術已經從初級的基于車牌的車輛識別應用階段，發展到車型識別、套牌車識別等精準的車輛識別應用階段。

視頻結構化應用一般屬于非卡口應用。在視頻結構化分析與快速檢索應用中，視頻結構化業務功能是對視頻中的機動車、非機動車、行人等活動目標進行分類檢測，并對其特征屬性識別。提取目標小圖和場景大圖寫入存儲設備，便于后續快速查詢及智能檢索。通過視頻結構化業務快速分析并提取出視頻中感興趣目標的特征屬性信息，用戶能夠高效獲取案事件相關線索，促進大安防時代視頻數據從“看得清”跨入到“看得懂”的階段。

通過行為分析系統對人員的異常行為進行分析處理，可應用于重點區域防范、重要物品監視、可疑危險物品遺留等行為的機器識別，也可對人員的異常行為進行報警，極大提升了視頻監控的應用效率。另外，還可以實現對群體的態勢分析，如人群密度分析、人員聚集分析等，對重點區域或人員聚集較多的場所態勢進行分析，防止人群事件發生，做到提前預警、及時處置。