实现复杂视频监控场景下对行人、机动车、骑行、人脸四类关键目标的精准识别，并提供动态检测与跟踪、特征提取、结构化属性分类等。

采用大规模场景下业内最优的融合特征表达、压缩技术，相比原图压缩率达1%，存储降低100倍，带宽成本降低100倍，显著减少数据传输延迟。

采用通用的编码技术标准；针对广播电视视频，采用混合编码框架，压缩比每十年翻一番；AVS2场景编码；从消除背景冗余入手，提出基于背景模型的场景视频编码框架针对固定场景监控视频，压缩比达~600:1。

面向高效的传输和恢复；损失图像纹理信息。

采用全局特征“粗筛选”+局部特征“细排序”的分布式架构，实现百亿级图像中100ms内返回目标结果，相比主流水平检索速度提高100倍。

采用同视域内追踪、跨视域再标识技术，实现跨时空对象重检追踪与识别，相对传统模式，人车跨镜追踪平均准确率达到80%以上。

采用异构GPU-CPU分布式并行计算架构、统一资源存储管理，支持千亿级图像和十万路视频流的超大规模分析处理。

采用群智推理的模型对知识进行推理修正、精炼和再加工，构建百万规模的群智计算知识图谱，实现对交通和安全态势评估与预测。