而深度学习是需要进行大量的大数据训练，目前有的人工智能企业采用人工对数据进行标注，费时费力。中科院自动化研究所李子青表示：“我认为深度学习还有一定的发展空间，不管是提升算法、改进网络架构，还是通过增大数据标注的方式，提升的空间并不大，它已经接近天花板，具体是多少，我不能给一个定量，我们必须在这方面突破，必须像开复老师说的那样，要形成应用场景的数据闭环，能够利用生产环节的大数据进行自主标注、自主学习，不管你会不会标注，至少是自主学习”。前端的智能视频分析检测与报警，包括但不限于：绊线监测、周界监测、遗留监测、物品移走和徘徊监测。

　当前，人脸识别已经逐渐成为中国新城市视频监控项目建设的新要求，成为在文件中明确的要求，这也成为中国深入深度学习视频分析的一个信号。除了在安全及交通领域，基于深度学习的视频分析技术开始走进人们的日常生活中，如近热议纷纷的“无人零售”、旅游景区的“刷脸入园”等等，中国视频监控厂商已经开始发力监控之外视频的应用市场，而围绕着深度学习的视频应用市场才刚刚拉开了帷幕，市场的需求也正在迅速的增长，未来也将成为监控市场的增长的新引擎。而深度学习是需要进行大量的大数据训练，目前有的人工智能企业采用人工对数据进行标注，费时费力。

　智能运维：让视频监控系统更加易捷好用

　　智能运维的出现使视频监控系统的使用者并不需要具备很强的专业知识和IT技能。

　　网络摄像机自动发现：利用自适应快速部署技术，实现前端网络摄像机自动注册，即插即用，有效降低安装部署成本。

　　设备自动巡检：智能的网络摄像机采用自动巡检报障设计方式，实时对设备系统运行情况(温度异常、SD卡读写异常等)进行轮巡检测，提高维护效率，降低设备维护成本。

　　客户端自动升级：视频监控平台产品通过客户端自动升级技术可以有效解决大量用户客户端同步升级的问题。

1. 中国安防及视频监控市场影响因素

　　HCR认为，目前中国安防及视频监控市场近年来整体向好，市场利好消息不断，政府投资拉动视频监控市场稳定增长，安防意识的提高将促进长远发展。驱动其市场发展的因素主要有：1. 智慧城市、智能交通需求不断增长，多种融资方式也带动了政府的投资并推动安防平台向整体化、专业化、实战化、智能化等方向发展，带来开放性、整体能力的系统平台的需求。2. 不仅是信息化等政府部门的安防建设，各应用行业对安防监控的需求也在加大，如金融行业监控系统升级和联网等。一、现状分析通过几年来的“平安城市”项目的不断推进，城市视频监控获得了突飞猛进的增长。3. 社会安防意识不断提升，带动了公共需求、应用行业需求的实用化发展。