未来网络人工智能应用解决方案是一个集成了视频图像分析，智能眼镜，人工智能算法模型以及大数据分析与建模平台的整体解决方案。解决方案中包含了主流的机器学习、深度学习算法，AR增强现实技术，大数据聚类与降维、分类分析、回归预测、关联发现、统计分析以及数据可视化等关键技术。

未来网络通过集成基于SDN/NFV技术的OCO云网一体化平台，提供稳定高效的IaaS服务，加速人工智能应用的部署与运行，并利用OCO云网一体化平台解决方案，提供无中断的网络支持和可扩展的大数据平台，加快数据处理与机器深度学习的效率。

帮助用户简单、快捷的实现从数据的采集、缓存到分析建模以及应用与可视化的全过程，降低人工智能在政府和企业中应用的技术门槛，让每个客户的业务及应用更加智能。

（一）关键技术

（1）深度学习

基于计算机视觉技术和深度学习技术的全光谱图像智能处理引擎：未来网络应用计算机视觉技术和深度神经网络实现除可见光成像外，红外、紫外、激光点云、多孔径雷达SAR、多光谱、高光谱图像的智能处理，结合过滤算法实现行业检测、监察中的目标物快速识别。ResNet分类网络针对毫米级裂纹，细小裂纹特征，运用更深的网络和结合卷积和胶囊对不同空形态的Feature在位置关系上更好的提取，增加模型的泛化能力。

超级视频压缩技术：AVS视频编码标准是我国自主知识产权的视频编码国际标准，代表世界上先进的视频压缩技术，无需更多带宽和存储资源，实现海量数据压缩。大量训练数据的积累、快速训练、并行训练，对模型的学习优化形成支撑，实现快速收敛。

图像视频指纹比对技术：基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征，并利用深度学习的图像分类方法，创造性的设计了局部特征压缩算法和索引算法，成功的将局部特征集成到CBIR框架中，形成了基于指纹的近似拷贝技术。

非合规物体识别技术：模式识别作基于一系列数学方法让机器来实现类人的识别能力。通过训练大量的非合规物体图片，形成基于非合规物体识别模型，判断图片中是否有非合规物体。

（2）机器视觉

增强型算法模型仓：平台中心通过构建开放算法生态服务框架，实现多算法统一管理，集众算法之长，多算法融合创新，各网关节点按需动态加载在线持续迭代，从而将更多本地资源聚焦在业务处理上。

超强前向纠错网传技术：独特的流媒体前向纠错技术，在视频码流出现时延增大、丢包的情况下，仍能够获得清晰、流畅的视频图像。

视频全结构化引擎：对视频中的人脸、人体、机动车、非机动车进行目标抓拍、识别、属性分析的智能视频分析引擎，支持对实时视频中的人脸、人体、车辆、非机动车进行分类检测与特征提取，大大提升云端检索效率。

图像视频处理增强：利用图像视频处理增强技术对受光照、极端天气影响拍摄的视频/图像进行优化处理，达到去雾、降噪、低照度增强的效果，重建更可辨析的监控材料。

（3）增强现实

高精三维建图：完整的高精三维地图构建方案，支持移动设备数据采集，打通常见三维重建数据导入接口，并且可兼容相同格式下的第三方数据。

超轻量级手部交互算法能力：超轻量级手部交互算法能力矩阵，涵盖手势识别、指尖点检测和手势关键点检测，精准度业内领先，可用于手势控制、空间作画等多种创意玩法。

视觉定位与融合跟踪：具备厘米级高精度实时定位能力与融合跟踪方案，满足室内 / 室外场景下稳定、精准的定位需求，广泛覆盖高中低端移动设备。

物体识别与跟踪：领先的 2D/3D 物体识别与跟踪能力。创新性引入纹理特性与边缘轮廓联合优化，对丰富纹理或弱纹理的三维物体实现实时稳定跟踪。

（4）SDN/NFV

云基础架构：云基础架构在传统基础架构计算、存储、网络硬件层的基础上，增加了虚拟化层、云层。通过虚拟化层屏蔽硬件层自身的差异和复杂度，向上呈现为标准化、可弹性调整的虚拟化资源池。云层可对资源池进行调配、组合，根据应用系统的需要自动生成、扩展所需的硬件资源，将更多的应用系统通过流程化、自动化部署和管理，提升工作和生产效率。

边缘计算：OCO云网一体化平台同时作为工业互联网缘计算节点，为租户提供了边缘计算资源配置能力，可以支撑多种工业应用的实例部署。边缘-云端自动化协同，云数据中心可管理边缘计算应用的生命周期，边缘计算低时延、低成本、高效率等特性可以更好地满足许多行业在敏捷性、实时性、数据优化、应用智能、以及安全与隐私保护等方面的业务需求。

SD-WAN：OCO云网一体化平台融合了SD-WAN技术，为企业提供了一种更简化、更灵活、业务体验更佳的广域互联方案，可以提供分支与分支、分支与总部、DC（数据中心）与云之间互联的能力。支持即插即用和自动化业务编排，简化网络部署；支持灵活的网络互联，应对多种应用场景；支持基于应用的智能选路和广域网优化，保证关键应用的优质体验。

（5）大数据

数据仓库功能支持：未来网络大数据平台支持完整的SQL99标准和SQL2003核心扩展；支持绝大部分Oracle PL/SQL和DB2 SQL/PL语法，包括完整的数据类型，流程控制，Package、游标、异常处理以及动态SQL执行，满足绝大部分数据应用的从关系型数据库到HugeStore的迁移。

数据分析能力：采用内存优化的Apache Spark引擎，并加上专有的高效列式内存存储，能够提供全内存的计算能力。

高并发低延时，支持半结构化和非结构化数据：支持全局和局部索引，能够提供毫秒级的查询性能，单节点每秒处理的并发请求数可以达到一万，满足在高并发场景下的业务需求。

交互式数据分析和挖掘能力：支持交互式数据分析，同时内置大量常用机器学习算法的分布式实现，可高速分析现有平台中的海量数据。还提供包括文本分析、交易反欺诈、风险分析、推荐系统在内等。

SQL的实时数据处理技术：自主研发的StreamSQL支持用户通过SQL来实现流处理业务逻辑。Stream支持企业数据总线；Stream支持流上的数据挖掘，包括统计和机器学习等多种算法，允许用户在实时计算过程中进行数据挖掘，从中挖掘出有价值的信息及时报警或者进一步分析。