针对公安行业的应用需求，现阶段人工智能的技术应用现状如何?首先来看下视频结构化描述的技术进展情况。视频结构化描述有两个核心：图像对象要素的识别和构建对象间的语义关系。

          目前很多视频结构化描述基本只做到了第一层即可以实现对图像对象要素内容的识别和标注，且进展已经很成熟，甚至已能够实现在前端摄像机内即可实现结构化描述，比如车辆卡口，能够实现对车牌、车型、车标、车身颜色的信息的识别。不过对于一些更个性化的内容检索，比如车辆年检标志、车内挂饰、纸巾盒等细节的特征识别还有一定的发展空间。另外在非交通卡口像治安卡口这一类非标场景下的目标识别检测，由于安装角度、光照条件等因素的影响，视频机构化描述还有进一步发展空间。

          第二层次构建起对象间的语义关系至关重要，以闯红灯的场景为例，闯红灯语义本身有几个要素，包括信号灯、车辆、交通标志、标线等，识别这些要素是视频结构化描述的第一步。第二步是把识别对象之间形成一定的语义关系，比如车行状态、信号灯状态、人和车之间的位置关系等等，把这些关系建立起来之后可以形成一个关系规则，它的优势在于我们可以根据实际情况灵活调整规则来拓展不同电子警察模式识别的能力。通过构建语义关系来实现一些复杂的规则，这也是视频结构化描述的初心，也就是构建不止是让人理解的描述，更要构建让机器可理解的描述。

          要实现对象的识别和构建起对象间的语义关系，需要一些专业的技术支持：一个是目标检测和识别，其次是知识图谱，目标检测识别出来之后，需要构建语义关系构成一个知识图谱，这两个方面的技术是实现视频结构化描述的关键。

          在人脸识别的技术应用现状方面，1:1的人脸识别在国内的应用已经非常广泛，但它也仍然存在一些问题，比如非实体线下的场景即网络场景下需要加强活体人脸检测做人脸防伪，在金融等高安全级别的人脸识别的场景下也需要进一步巩固人脸识别的安全性和可靠性。1:N的人脸识别技术进展也相当迅猛，目前在国内已有一些项目落地。

          行人检索的研究也取得了不错的进展，但是这些成绩都是基于小规模的数据，不同于车辆识别，车辆天然和车牌、车主身份证这些数据信息绑定在一起，其数据标注较为容易，但行人检索的数据标注成本相对会高出很多，所以导致现阶段行人检索目前的实用性和可用性方面仍没有车辆检索的应用成熟。