智能人臉識別系統在真實的應用場景中具有巨大的挑戰性，尤其是針對人流量密集的安防應用場景，無論是周邊環境的變化 （如場景中的光線、遮擋、角度、位置等因素）還是人自身面部特征的變化（如目標人物的衣著、妝容、表情等），都會對人臉識別的識別準確性造成一定影響。“如何將這些外部因素的影響降到最低，是 安防監控工程公司深入安防應用場景的研究方向。為給安防行業提供穩定性更強、跟蹤速度更快的技術支撐，在短短的一年間，安防公司針對不同用戶的特性場景和業務需求進行了10多次算法升級和環境優化。
一直以來，安防公司立足實戰導向，結合公安行業的應用需求，對典型應用場景進行細分，并基于這些場景構建起“云+端”架構的人臉識別服務矩陣型系列產品。這些場景包括以高速卡口、加油站、邊防鹼查站等為代表的強管控卡口；以地鐵站、火車站、客運站、景區為代表的人群密集且易丟失目標的重點場所管控；世界級、國家級重大活動人員管理和安防保障；綜合及群體性維穩事件處理；社區出入管控；社會面綜合人像卡口改造。企業通過自主研發的智能感知前端和智能云服務相結合，為不同警種和安防場景提供模塊化部署，曠視科技“云+端”智能安防行業解決方案可對公安網的七類重點人員和三逃人員進行重點布控。
“伴隨著人工智能技術持續賦能城市建設，Al助力安防做了以前不能做的事情和以前不值得做的事情。”談及人工智能技術對安防行業帶來的提升和改變，安防監控公司表示， “一方面，以前在十幾萬路人里面找某個人，已經超過了人類極限，如今卻可以‘以圖搜人’，找到他的正臉或全身照。另一方面，此前由于人臉庫數據太小，實用意義不大，現在反而變成最有價值的部分。比如，一天8000到1萬人過去，一個城市2萬份，一天兩個億，那一年是數百億，幾乎覆蓋了全城所有人的行為模式。”
作為“Al+安防”的先行者，2015年曠視科技推出了自研深度學習引擎MegBrain及深度學習平臺Brain++，實現了內部深度學習的計算和數據資源管理自動化以及算法訓練流程化。在自有的深度學習引
擎和基礎數據架構之上，企業持續圍繞分類、檢測和分割等圖像識別的核心問題，以及云端、移動端、芯片等不同平臺的深度學習模型實現算法創新，使其最終能夠服務于平臺化的產品，改善產品體驗和品質。目前，某安防公司研發的多項人工智能技術已攬獲22項國際權威技術評測第一，并且還在產品端打造出全球領先的人臉識別云平臺及多款世界范圍內首發的智能硬件創新產品，為全世界超過200個國家的用戶提供便捷、高效的智能服務。
