安防行业是AI人工智能落地比较成熟的应用领域，其先进性和未来的可发展性是毋庸置疑的。在人工智能技术落地安防领域之后，的确为安防行业带来了翻天覆地的变化，智能化、数据化和便捷化的优势赋予了安防行业新的生命力，促进安防行业的全面发展。
目前TSINGSEE青犀视频团队也紧抓5G+AI技术的发展，为旗下产品升级和研发持续努力。现有的EasyCVR/EasyRTC等都相继加入了AI智能检测分析、5G大宽带实时音视频应用等。
我们在研究AI分析时，dlib默认安装是使用CPU（pip install dlib），CPU进行AI分析是比较耗时的，打印里面的dlib信息如下：
print(dlib.version)
print(“cuda:”, dlib.DLIB_USE_CUDA)
print(“device:”, dlib.cuda.get_num_devices())
分别打印的信息为： 19.22.0、False, 1
“dlib.DLIB_USE_CUDA”为True才是激活的GPU。
进入python安装的目录（site-packages）中查看dlib文件中的__init__.py
发现里面安装的if ‘OFF’ == ‘ON’，此判断永远不会进去。所以我们开始的想法是直接改成if ‘ON’ == ‘ON’，这样运行程序会导致程序崩溃，所以不能改。
上图的程序也会有个超GPU的.lib文件，从本地文件中找路径（C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.0/lib/x64/cudart.lib），发现没有此文件。所以我们想到：需要使用GPU，电脑中缺少文件。于是我们又进行了搜索，了解到不能只安装python dlib库，这样是不会激活GPU的，还需要安装cuDNN。
安装dlib，需要先把python安装的dlib给卸载（pip uninstall dlib），再重新安装。
下载完成之后将其解压，解压之后的目录如下：
把cuDNN目录下的文件直接移动到CUDA的bin目录文件中，这样即可完成安装。
下面就需要再次安装dlib库，注意不能使用python命令安装，否则GPU还是无法激活使用。需要单独下载和编译，下载和编译完成只需要执行dlib中的python setup.py install命令即可安装，dlib.DLIB_USE_CUDA 打印为True才算激活成功。