人工智能是一种引发诸多领域产生颠覆性变革的前沿技术，而生物识别技术的应用特别是在计算机视觉中的应用，在当前智慧社区建设中发挥很大作用，原有的被动识别，被动管理技术实现模式逐渐由人工智能技术代替，从而实现主动识别，无感采集，主动辨识的技术能力，呈现如下几个特性：。

　　(1)具有非强制性：采集对象不再需要专门配合采集设备，几乎可以在无意识的状态下就可获取人像图像，这样的取样方式没有“强制性”。

　　(2)非接触性：采集对象不需要和设备直接接触就能获取人像图像。

　　(3)并发性：在实际应用场景下可以进行多个人像的分拣，判断及识别。

　　基于深度学习的人像识别算法在深度学习网络的训练中引入了权重衰减的概念，有效的减小权重幅度，防止网络过拟合，更关键的是计算机计算能力的提升，AI芯片的加速技术的发展，使得在训练过程中可以产生更多的训练数据，使网络能够更好的拟合训练数据，深度学习模型不仅大幅提高了人像识别算法的精度，同时也避免了需要消耗大量时间进行人工特征的提取，使得运行效率大大提升。

　　智慧社区在建设过程中，应该始终牢记三个建设方向：安全性，服务性和可持续性。

　　安全性。

　　安全性是社区建设的较重要的因素，在大数据时代，对社区安全性也提出了新要求和新方向，智慧社区建设不仅要利用信息化，智能化技术保证社区居民的人身财产安全，还要保证居民身份信息不泄露与个人隐私的安全。

　　服务性。

　　社区作为城市居民生活的较重要区域，满足居民的日常居住需要是社区建设的基础要求，但是由于居民日益增长的生活需要与现实技术水平，物业服务质量的不匹配，过去的社区很难充分满足居民对于美好生活的向往，智慧社区建设要以居民的需求为出发点，落脚点，同时也要为物业服务管理，政府公共管理提供支持。

　　可持续性。

　　中央城市工作会议强调：“要贯彻创新，协调，绿色，开放，共享的发展理念”，智慧社区建设同样要着眼于社区全生命周期的可持续发展，创建绿色，集约，可持续发展的社区，以点带面，支撑绿色城市，新型智慧城市创建工作。