当前的人工智能和生物识别技术算法都是在标准的数据环境训练出来，在贴近实战场景的算法还需要进一步优化，通过闭环数据打造循环训练实战数据模型，只有这样才能输出更好的产品。
在应用场景中，整合海量符合实际的数据资源，运用深度学习、机器学习解决更突出的不足问题需要有步骤的不折不扣的实现。例如最为广泛应用的人脸识别在处理深色肤色的人脸时效果很差，是由于机器在进行人脸检测、分析和识别的过程中需要对人脸图像进行预处理和特征提取，所以皮肤颜色越深面部的特征信息就越难提取，当出现光线不足情况下，无法实现准确识别，还需不断努力寻找合适的方法完善技术上的不足。
(1)综合人工智能技术在智慧社区应用与训练平台前置的意义
生物识别技术尤其是人脸识别在社区场景中应用广泛，诸多人体行为识别也已经落地，所有的一切都存在识别率一般、误报率较高的问题。
综合人工智能技术是充分利用计算机视觉识别、语音识别、自然语言识别等综合技术实现更加高效、更加精准的的结果。以社区通行管理为例，社区居民进出单元门面部有遮挡时显然无法准确识别，如果采用视觉叠加智能语音的识别显然更加方便居民的自然习惯和提升服务手段多样化。
正是通过大量的数据进行训练才使得人工智能技术得以快速发展、快速落地。尽管如此人工智能技术还是处于初级阶段，通过标准化的训练数据训练的算法一定存在很多不足，因此人工智能训练平台前置化是提升感知能力、提升算法能力的重要着力点。通过把场景数据进行实时积累、不断地训练可以打造出快速迭代的产品和支撑体系，这种结合前置化的训练平台的人工智能应用会具有极强的生命力。
(2)知识图谱将推动智慧社区AI应用进阶
知识图谱(Knowledge Graph)是一种语义网络，包含大量实体和概念及其之间的语义关系，知识图谱中所富含的实体、概念、属性、关系等信息，提供了从“关系”角度去分析问题的能力。正是由于智慧社区的综合性、复杂性以及参与者覆盖人群的全面性都决定了知识图谱技术是构建知识社区、智慧社区的技术之一。它将提升社区智慧大脑的能力，将赋予移动信息端真正的智慧能力、提供平台端全面的AI化、协同智慧终端实现聪明的小脑功能。知识图谱奠定的技术基础，与CV(计算机视觉)、ASR(语音识别)、以及NLP(自然语言处理)为智慧社区AI可持续化、自我净化提供无限可能。智慧社区知识图谱是个长期建设、完善的过程，不断地学习各种社区知识并形成知识推理能力，实现居民、政府、管理方等多方面的自动文字交互、语音交互、终端交互等需求，逐步实现社区管理高度自治。还可以引入保安、物业、政务办理等机器人，将会大幅度减少人力成本，创造一个全天候、高度智能、高效服务能力的智慧社区支撑体系。
智慧社区作为智慧城市的基础单元，是城市智慧化建设的具体应用与落脚点，智慧社区通过多维数据融合汇聚了政府存量数据、社会开放数据、物联数据等数据，再通过社区智慧大脑汇聚到城市大脑，实现城市智能应用和决策体系，逐步形成“一中心、一平台，多系统、多模型，泛感知、泛应用”的城市治理、城市服务、城市管理的新格局，最终实现社会管理与服务的智能化。
社区作为城市的细胞，与智慧城市政务、公共服务和公共安全等系统高度融合，成为智慧城市的一个重要组成部分，推进城市转型升级，促进城市可持续发展。
（来源：中国安防协会）
