視頻圖像分析識別算法能夠實現目標的快速檢測和分類，對于所關注的部分特征，如車輛的車牌、車型、速度、車身顏色，人員的身高、衣著顏色做出比較準確的識別描述。對于步態、手臂擺動這些細微的特征，很難通過圖像分析算法實現自動描述。

視頻偵查應用中，一些細微特征（如步態等）是幫助偵查人員判定嫌疑人的關鍵依據。應當在系統中加入人工參與的部分來修正和完善視頻內容識別和描述的結果。對于無法識別的部分目標特征提供接口供后期補充，實現視頻內容的人工標注。通過自動標注和人工標注相結合，保證對目標特征的完善獲取和錄入，以便目標檢索和線索推理。

視頻監控是安全防范系統的重要組成部分，監控系統包括前端攝像機、傳輸線纜、視頻監控平臺。視頻監控以其直觀、準確、及時和信息內容豐富而廣泛應用于許多場合。視頻監控主要包括城市公共區域建設的“天網”系統、社會視頻監控系統、卡口監控系統。視頻監控采集的視頻圖像數據具有極高的價值。當發生案件時，可以運用視頻監控發現線索、鎖定目標、證實犯罪，作為新的偵查途徑。

視頻識別主要包括視頻信息的采集及傳輸、視頻檢測和分析處理三個環節。通過智能分析模塊，對視頻畫面進行識別、檢測、分析，對異常情況進行目標和軌跡標記。智能分析模塊基于人工智能和模式識別原理的算法。

深度學習是機器學習的一個子類，是機器學習眾多算法中的一種，是擁有多個隱藏層的神經網絡。深度學習可以理解為多層神經網絡，是一種學習的模式，采用具有深度的模型進行學習。深度學習具有其他算法不具備的顯著優勢，特別在AI領域的應用中，使得深度學習解決問題的效果尤為突出，廣泛應用于語音識別、圖像識別、文本理解等眾多領域。

機器學習是讓機器從大量樣本數據中自動學習其規律，并根據學習到的規律預測未知數據的過程。機器學習的目標是發現數據中暗藏的規律，由此對未知進行預測。這個過程要通過學習來實現，學習用到的材料則是大數據。

機器學習通過人工智能來分析、探索和預測趨勢，并根據過去的變化預測未來的趨勢。通過經典的機器學習算法，為客戶提供智能應用程序，包括頻繁模式挖掘、聚類、分類、推薦引擎（獲得用戶行為并從中發現用戶可能喜歡的事物）、頻繁子項挖掘（利用一個項集，如查詢記錄和購物目錄，去識別經常一起出現的項目）。

人工智能是計算機科學與技術專業的一門重要的專業課程，運用計算機模擬和延伸人腦功能，模仿人腦所從事的推理、識別、理解、設計、學習、思考等思維活動，以此解決預測、規劃等需要人類專家才能處理的復雜問題。人工智能關鍵技術包括專家系統、自然語言理解、人工神經網絡。

基于沃達德大數據平臺，通過對海量數據采集、處理、存儲、分析和數據挖掘，根據數據的特性，采用合適的可視化方式，將數據直觀地展現出來，以幫助人們認識數據、理解數據，同時找出包含在海量數據中的規律或者信息，預測未來發展趨勢，進行智能化決策分析，使得數據資產成為核心競爭力。