中國科學(xué)院自動(dòng)化研究所出品的報告《 安防+AI 人工智能工程化白皮書(shū) 》，系統梳理總結當前安防+AI 的發(fā)展現狀，尤其重點(diǎn)分析指出了智慧安防領(lǐng)域存在的八大限制性因素，以及智慧安防的八大新的發(fā)展趨勢，供大家參考。
安防+AI的前世今生
1、AI的發(fā)展歷程
從20 世紀 50 年代開(kāi)始，AI的發(fā)展經(jīng)歷了三個(gè)階段：
20 世紀 50 年代—80 年代： 形成了基本的人工智能，但還遠遠不及智能化水平。
20 世紀 80 年代—90 年代末： 專(zhuān)家系統得到快速發(fā)展，數學(xué)模型有重大突破。
21 世紀初—至今： 隨著(zhù)大數據的積聚、算法理論的革新、計算能力的提升， 尤其是深度學(xué)習技術(shù)的發(fā)展，機器實(shí)現了分析數據，擁有了自主學(xué)習的能力。
▲AI的發(fā)展歷程
2、AI產(chǎn)品化近在眼前
得益于基礎硬件的強化與軟件框架的優(yōu)化，使這一輪人工智能的爆發(fā)式增長(cháng)得以實(shí)現。而基礎應用技術(shù)的進(jìn)一步研發(fā)則使人工智能從抽象技術(shù)實(shí)現了向可及性產(chǎn)品與服務(wù)的轉變。
▲深度學(xué)習人工智能的技術(shù)架構
這種產(chǎn)品化是建立在現在的三大技術(shù)框架之上的，分別是基礎硬件層、軟件框架層和算法框架：基礎硬件層為算法提供了基礎計算能力。涵蓋 GPU、 CPU、 FPGA、 ASIC。
▲基礎硬件提供基礎算力，四大類(lèi)硬件特點(diǎn)
軟件框架層實(shí)現算法的模塊化封裝，為應用開(kāi)發(fā)提供集成軟件工具包。該層涵蓋范圍包括針對算法實(shí)現開(kāi)發(fā)的各類(lèi)應用及算法工具包，為上層應用開(kāi)發(fā)提供了算法調用接口，提升應用實(shí)現的效率。
算法框架是人工智能核心生態(tài)圈建立的關(guān)鍵環(huán)節， 是決定人工智能技術(shù)、產(chǎn)業(yè)、應用的核心環(huán)節，是人工智能核心生態(tài)圈建立的基礎和關(guān)鍵。
當前人工智能的商業(yè)化實(shí)現主要是基于計算機視覺(jué)、智能語(yǔ)音、自然語(yǔ)言處理等基礎應用技術(shù)實(shí)現，并形成了相應的產(chǎn)品或服務(wù)。
目前國內外人工智能企業(yè)應用的技術(shù)主要是計算機視覺(jué)和智能語(yǔ)音語(yǔ)義兩個(gè)方面。
▲國內外人工智能企業(yè)應用技術(shù)分布，計算機視覺(jué)占比較高
3、各國政策和智慧安防
人工智能被認為是第四次工業(yè)革命的主要推動(dòng)技術(shù)，獲得了各行業(yè)的極大關(guān)注。 為了抓住 AI 發(fā)展的戰略機遇，越來(lái)越多的國家和組織已經(jīng)相繼制定國家層面的發(fā)展規劃。
▲世界人工智能產(chǎn)業(yè)政策指導
中國高度重視人工智能發(fā)展， 2015 年后密集發(fā)布人工智能相關(guān)政策和規劃。
▲中國高度重視人工智能發(fā)展
在人工智能應用領(lǐng)域，我國智慧安防領(lǐng)域走在了世界的最前沿。在國內眾多關(guān)于人工智能的政策、發(fā)文、規劃中多次提到將人工智能技術(shù)應用于公共安全領(lǐng)域，進(jìn)行技術(shù)創(chuàng )新、產(chǎn)品和應用創(chuàng )新，同時(shí)相關(guān)部門(mén)也提出并發(fā)布了在視頻監控應用中基于人工智能的視頻圖像處理技術(shù)標準。
4、智慧安防時(shí)代到來(lái)
全球 AI 相關(guān)產(chǎn)品業(yè)規模龐大。 據中國人工智能學(xué)會(huì )和羅蘭貝格咨詢(xún)公司預測， 2016 年至 2025 年，全球人工智能市場(chǎng)規模年均增速超過(guò) 40%， 2025 年將達到 3 萬(wàn)億美元。
▲全球人工智能市場(chǎng)規模預測
在這個(gè)技術(shù)大背景之下，我國人工智能產(chǎn)業(yè)初具優(yōu)勢。中國電子學(xué)會(huì )公開(kāi)數據顯示， 2017 年，中國人工智能核心產(chǎn)業(yè)規模已達到 56 億美元左右，預計 2020年，中國人工智能核心產(chǎn)業(yè)規模將超過(guò) 220 億美元，年均增速接近 65%。
中國人工智能市場(chǎng)規模預測， 產(chǎn)業(yè)初具優(yōu)勢
按照中國信息通信研究院的統計結果，目前中國人工智能市場(chǎng)主要由五個(gè)領(lǐng)域構成，按照市場(chǎng)規模從高到低分別為：機器視覺(jué)占比 37%，語(yǔ)音識別占比 22%，自然語(yǔ)言處理占比 16%，基礎算法及平臺占比 14%，芯片占比 11%。其中，由于近幾年中國互聯(lián)網(wǎng)娛樂(lè )、廣告傳播和公共安全視頻監控市場(chǎng)的高速發(fā)展，計算機視覺(jué)市場(chǎng)規模以 37%占比大幅領(lǐng)先。
▲2017 年人工智能市場(chǎng)結構，計算機視覺(jué)占主比大幅領(lǐng)先
▲2017 年中國計算機視覺(jué)行業(yè)市場(chǎng)構成，安防占據大部分
在機器視覺(jué)領(lǐng)域市場(chǎng)構成中，安防行業(yè)以 67.9%占據大部分份額，這得益于中國公共安全視頻監控建設的龐大市場(chǎng)。 隨著(zhù)高清視頻、智能分析、云計算和大數據等相關(guān)技術(shù)的發(fā)展， 安防系統正在從傳統的被動(dòng)防御升級成為主動(dòng)判斷和預警的智能防御。 安防行業(yè)也從單一的安全領(lǐng)域向多元化行業(yè)應用方向發(fā)展，旨在提升生產(chǎn)效率、提高生活智能化程度，為更多的行業(yè)和人群提供可視化、智能化解決方案。 隨著(zhù)智慧城市、智能建筑、智慧交通等智能化產(chǎn)業(yè)的帶動(dòng)， 智慧安防也將保持高速增長(cháng)。 預計在 2020 年全球產(chǎn)業(yè)規模實(shí)現 106 億美元， 中國會(huì )達到20 億美元。
而在安防行業(yè)，人工智能應用發(fā)展最快的是人臉識別 。
▲人臉識別市場(chǎng)規模發(fā)展最快
智慧安防生態(tài)
現階段，智慧安防行業(yè)生態(tài)可為五個(gè)大類(lèi)，分別是應用、技術(shù)、框架、平臺、芯片。
▲智慧安防生態(tài)圈
1、基礎硬件
這里的基礎硬件特別強調芯片廠(chǎng)商， 目前主要的 AI 核心芯片供應商如下圖所示：
▲目前主要 AI 芯片廠(chǎng)商
GPU 主要應用在數據中心，其特點(diǎn)是產(chǎn)品上市快，缺點(diǎn)是功耗高。安防應用中， GPU 芯片基本被英偉達壟斷。
▲人工智能應用，安防業(yè)內 GPU 芯片被英偉達壟斷
安防領(lǐng)頭企業(yè)不乏基于 GPU 的視頻監控產(chǎn)品，如下圖所示：
▲安防+AI 典型落地應用產(chǎn)品
FPGA 在中心推理及數據中心也有較多應用，與 GPU 比， FPGA 的功耗優(yōu)勢明顯。安防應用中， FPGA 主要廠(chǎng)家有 Xilinx、 Intel(原 Altera)等。
ASIC 主要應用于端側推理，由于端側應用的多樣性、復雜性以及對高性?xún)r(jià)比述求等原因， ASIC 廠(chǎng)家很多， 例如： 寒武紀、海思、地平線(xiàn)、比特大陸等，同時(shí)提供的方案也多。2018 年安防市場(chǎng) ASIC 競爭非常激烈，下圖是根據網(wǎng)絡(luò )數據整理的各 ASIC芯片上市進(jìn)度。 其中，海思的布局非常密集 。
▲ASIC 芯片上市快，布局密集
2、軟件框架
軟件框架技術(shù)仍掌握在亞馬遜、微軟、谷歌、百度等科技巨頭手中，是深度學(xué)習人工智能的核心。
算法框架是人工智能核心生態(tài)圈建立的關(guān)鍵環(huán)節。 實(shí)現算法的模塊化封裝， 為應用開(kāi)發(fā)提供集成軟件工具包，包括針對算法實(shí)現開(kāi)發(fā)的各類(lèi)應用及算法工具包，為上層應用開(kāi)發(fā)提供了算法調用接口等服務(wù)。
3、基礎算法
安防行業(yè)的算法企業(yè)總體來(lái)說(shuō)可以分為兩大類(lèi)。第一大類(lèi)是商湯、曠視、云從、依圖、中科神探等 CV 企業(yè)；第二大類(lèi)是?？?、大華、宇視，也開(kāi)始 AI 算法技術(shù)布局。隨著(zhù)各企業(yè)的投入進(jìn)一步加大，視頻識別算法準確率大幅度提升。例如人臉識別算法，在特定條件下，已經(jīng)達到很高的水平。
此外， 在圖像分類(lèi)、物體檢測等方面，計算機的識別率都已經(jīng)遠遠超越了人類(lèi)平均水平。
4、產(chǎn)品及行業(yè)應用
除了傳統的?？?、大華、宇視、科達、天地偉業(yè)、東方網(wǎng)力等安防廠(chǎng)商外，CV 廠(chǎng)商和云平臺供應商也逐步開(kāi)始提供產(chǎn)品和行業(yè)應用。
除了前文提到的云中心產(chǎn)品，各企業(yè)基本已經(jīng)完成邊緣智能產(chǎn)品序列化。隨著(zhù)邊緣和中心產(chǎn)品的豐富，用戶(hù)開(kāi)始對應用業(yè)務(wù)提出了更高的要求。從目前行業(yè)情況來(lái)看，無(wú)論是傳統安防企業(yè)，還是 CV 和云平臺企業(yè)，在業(yè)務(wù)應用上雖有部分提升，但仍以典型通用應用為主。
▲主流廠(chǎng)家邊緣/中心智能產(chǎn)品豐富，用戶(hù)更重視實(shí)際應用
典型智慧安防應用
隨著(zhù) AI 在安防行業(yè)的滲透和深層次應用技術(shù)的研究開(kāi)發(fā)，當前安防行業(yè)已經(jīng)呈現“無(wú) AI，不安防”的新趨勢，各安防監控廠(chǎng)商全線(xiàn)產(chǎn)品 AI 化已經(jīng)是當前不爭的事實(shí)，同時(shí)也成為各廠(chǎng)商的新戰略。隨著(zhù) AI 在安防行業(yè)的深入落地， AI在安防領(lǐng)域尤其是視頻監控領(lǐng)域的產(chǎn)品形態(tài)及應用模式也開(kāi)始趨于穩定，安防行業(yè)的 AI 技術(shù)主要集中在人臉識別、車(chē)輛識別、 行人識別、行為識別、 結構化分析、大規模視頻檢索等方向。
安防行業(yè)的 AI 應用場(chǎng)景分為卡口場(chǎng)景和非卡口場(chǎng)景， 前者指光線(xiàn)、 角度等條件可控的應用場(chǎng)景， 以車(chē)輛卡口及人臉卡口為主； 后者指普通治安監控視頻場(chǎng)景。 其中， 卡口場(chǎng)景約占監控攝像機總量的 1%-3%， 剩余的均為非卡口場(chǎng)景監控視頻 。
1、卡口場(chǎng)景： 人臉身份確認應用
人臉身份確認應用以公安行業(yè)人員布控為代表，在關(guān)鍵點(diǎn)位部署人臉抓拍攝像機，通過(guò)后端人臉識別服務(wù)器對抓拍到的人臉進(jìn)行分析識別，同時(shí)與人臉黑名單庫進(jìn)行比對。隨著(zhù)人員布控應用的增強，已經(jīng)初顯效果。例如近期的“張學(xué)友演唱會(huì )” 抓獲疑犯就是卡口場(chǎng)景確認的身份。
2、 卡口場(chǎng)景： 人臉身份驗證應用
人臉身份驗證應用逐漸普遍。 常見(jiàn)的人臉白名單應用已經(jīng)在很多行業(yè)落地，比如人臉門(mén)禁、人臉速通門(mén)、人臉考勤、人員身份確認等，廣泛應用于企業(yè)、各類(lèi)園區等場(chǎng)景。 除實(shí)現基礎的人臉識別應用外， 人臉門(mén)禁還可以防止通過(guò)照片、視頻等人臉假冒行為，切實(shí)保障出入口人員安全管控及日常人員管理等。
3、卡口場(chǎng)景： 車(chē)輛識別應用
車(chē)輛識別技術(shù)是公安實(shí)戰中應用最成熟、 效果最明顯的技術(shù)之一。借助遍布全國各地交通要道的車(chē)輛卡口，車(chē)牌識別使得“以車(chē)找人” 成為現實(shí)， 成功協(xié)助警方破獲各類(lèi)案件。 車(chē)輛識別技術(shù)已經(jīng)從初級的基于車(chē)牌的車(chē)輛識別應用階段，發(fā)展到車(chē)型識別、 套牌車(chē)識別等精準的車(chē)輛識別應用階段。
4、非卡口場(chǎng)景： 視頻結構化分析與快速檢索應用
在視頻結構化分析與快速檢索應用中，視頻結構化業(yè)務(wù)功能是對視頻中的機動(dòng)車(chē)、非機動(dòng)車(chē)、行人等活動(dòng)目標進(jìn)行分類(lèi)檢測； 同時(shí)提取目標小圖和場(chǎng)景大圖寫(xiě)入存儲設備中，便于后續的快速查詢(xún)及智能檢索。通過(guò)視頻結構化業(yè)務(wù)快速分析并提取出視頻中感興趣目標的特征屬性信息，用戶(hù)能夠高效獲取案事件相關(guān)線(xiàn)索，促進(jìn)大安防時(shí)代視頻數據從看清跨入到看懂的階段。
5、 非卡口場(chǎng)景： 行為分析輔助安防應用
行為分析可輔助安防應用。通過(guò)行為分析系統對人員的異常行為進(jìn)行分析處理，可應用于重點(diǎn)區域防范、重要物品監視、可疑危險物品遺留等行為的機器識別； 也可對人員的異常行為進(jìn)行報警，極大提升了視頻監控的應用效率。
智慧安防規模應用的八大限制性因素
雖然人工智能技術(shù)飛速發(fā)展，但在產(chǎn)品化和實(shí)踐應用中，依然存在很多問(wèn)題 。 在過(guò)去幾年，人工智能熱度很高，但實(shí)際上只完成了“概念模型”的建立，尚未達到“有效利用”的理想效果。 現階段限制規模應用主要有八個(gè)因素： 成本高昂 、 算法場(chǎng)景限制高 、 布點(diǎn)困難 、 網(wǎng)絡(luò )和安全要求更高 、深度應用不足 、系統性頂層設計、 缺乏行業(yè)標準與評估體系和用戶(hù)學(xué)習與組織保障成本更高 。
成本高昂。當前，影響“安防+AI”產(chǎn)品解決方案規?；瘧玫囊蛩赜泻芏?，成本高昂是眾多原因之一。從一個(gè)典型中大型城市級公共安全視頻監控聯(lián)網(wǎng)項目各部分成本占比情況可以清晰看出成本是“安防+AI”發(fā)展的重要瓶頸。
▲安防+AI 與傳統安防兩周方案建設成本比對
算法限制高。人工智能算法的泛化能力是模式識別問(wèn)題長(cháng)期面臨的一個(gè)問(wèn)題，也是現階段的主要瓶頸。
由于訓練好的模型用在變化的場(chǎng)景中性能往往會(huì )明顯下降，因此在實(shí)際使用中，必須對場(chǎng)景進(jìn)行嚴格定義，或者從設計上將智能算法定位為對指標不敏感的輔助功能。在比較成熟的應用中，如智能交通中的過(guò)車(chē)及違章抓拍、機場(chǎng)車(chē)站的人證對比等，都需要具體的工程安裝方案。這種做法在技術(shù)不夠成熟的條件下有效實(shí)現了商業(yè)價(jià)值，但缺點(diǎn)同樣明顯：一方面，對已有設備的改造需要增加施工成本，影響人工智能算法對傳統應用的滲透；另一方面，也限制了獲取有效素材的效率，影響算法指標的進(jìn)一步提升。
布點(diǎn)困難。 人工智能往往有特定的場(chǎng)景要求，只有在特定場(chǎng)景下才能保持較好的識別率。進(jìn)行人臉識別的攝像機，需要嚴格遵從公安部發(fā)出的政策標準，導致大幅度降低人臉識別的可應用空間，也大幅度提升了施工難度。
▲人臉識別攝像機使用場(chǎng)景模擬示意圖
網(wǎng)絡(luò )和安全要求更高。近年來(lái)，人工智能技術(shù)的蓬勃發(fā)展賦予了安防監控系統更加多樣化的業(yè)務(wù)功能，將安防監控行業(yè)的市場(chǎng)空間進(jìn)一步拓寬，使安防監控系統在各行各業(yè)得到廣泛部署。但從風(fēng)險角度而言，在 AI 與安防融合發(fā)展的進(jìn)程中，將大量非結構化視頻轉化為可快速檢索的結構化數據，一旦網(wǎng)絡(luò )被攻擊，數據泄漏后的損失將更為惡化；另一方面人工智能將大量視頻、圖片集中到云中心，對網(wǎng)絡(luò )帶寬提出了更高要求。
深度應用不足。視頻監控系統產(chǎn)生的數據量龐大， 而且日趨多元化 ，但現階段存在一些數據的利用率低、真正解決客戶(hù)實(shí)戰問(wèn)題的能力還有待于提高和基于結構化視頻數據的深度智能應用尚處于初級階段。
系統性頂層設計。安防+AI 解決方案在傳統安防的基礎之上不僅對布點(diǎn)、 網(wǎng)絡(luò )、存儲等提出新的挑戰，還在組成上多出了視圖分析系統、 大數據研判系統、視圖資源歸檔、 對外接口服務(wù)， 以及最重要也是必不可少的告警、審核、輔助研判及抓捕一系列流程配合。安防+AI 方案融入了更多的系統集成的同時(shí)，不論是前期的科學(xué)選點(diǎn)，還是后期的研判抓捕，以及組織、 流程保障等人的因素貫穿始終。 因此， 安防+AI 解決方案需要進(jìn)行前瞻性、 系統性、 科學(xué)的頂層設計， 這是能否真正落地、取得豐富實(shí)戰效果的前提。
缺乏行業(yè)標準與評估體系。當前情況下， 安防+AI 算法、 產(chǎn)品及解決方案以企業(yè)標準為主， 應逐步建立面向實(shí)戰應用的行業(yè)標準。鑒于人工智能技術(shù)飛速發(fā)展的現狀，現階段全面建立統一的行業(yè)標準有可能會(huì )傷害安防行業(yè)的健康發(fā)展， 但安防+AI 算法、 產(chǎn)品及解決方案的評估體系應盡快構建。
用戶(hù)學(xué)習與組織保障成本更高。AI 產(chǎn)品方案在安防行業(yè)的落地，對用戶(hù)來(lái)說(shuō)：如何使用好這樣一套系統，讓系統發(fā)揮出它最大的功效是一個(gè)全新的挑戰，這個(gè)挑戰不僅源于對顛覆原有以往任何技術(shù)手段的不斷學(xué)習和經(jīng)驗總結，更來(lái)自于用戶(hù)自身的組織和制度如何保障系統有效運轉 。
八大新趨勢造就智慧安防新未來(lái)
工程的科學(xué)布點(diǎn)。人工智能的強場(chǎng)景化特點(diǎn)，決定了在智慧安防應用中，攝像機的使用位置、覆蓋范圍受到很大限制。相同數量的攝像機，在一個(gè)城市中的開(kāi)放區域，安裝于不同的位置，所能起到的作用顯然是不同的。 一個(gè)智慧安防系統如何在有限的攝像機資源覆蓋情況下，達到最優(yōu)的防范效果？這就對系統方案設計、布點(diǎn)設計提出了更高的要求。
產(chǎn)品的云端結合。目前安防系統中，常見(jiàn)的中心計算架構問(wèn)題已經(jīng)日趨嚴重，主要體現為網(wǎng)絡(luò )傳輸帶寬問(wèn)題、 及時(shí)性問(wèn)題得不到有效解決。 邊緣計算的出現有效緩解了上述問(wèn)題。 云計算聚焦非實(shí)時(shí)、長(cháng)周期數據以及業(yè)務(wù)決策場(chǎng)景，而邊緣計算在實(shí)時(shí)性、短周期數據以及本地決策等場(chǎng)景方面有不可替代的作用。 這使得云端云端結合成為新趨勢： 一些需要集中式處理的計算繼續交由大型云計算中心，如大數據挖掘、大規模學(xué)習； 大量實(shí)時(shí)的需要交互的計算、 分析在邊緣節點(diǎn)完成。 同時(shí)邊緣計算也是云端所需高價(jià)值數據的采集終端，可以更好的支撐云端應用的大數據分析； 而云端通過(guò)大數據分析得出的一些業(yè)務(wù)規則也可以下發(fā)到邊緣端，優(yōu)化邊緣端的業(yè)務(wù)決策。云計算與邊緣計算分工協(xié)作，來(lái)滿(mǎn)足智能時(shí)代爆發(fā)式的計算需求。
AI 分布式計算。在智能應用場(chǎng)景中，存在空間和時(shí)間的不均衡性?？臻g不均衡性是指在不同場(chǎng)景不同地點(diǎn)，分析目標的密集度是不同的；時(shí)間不均衡性是指在同一個(gè)區域，不同時(shí)間的分析目標的密集度是不同的。 因此，采用分布式計算架構將成為未來(lái)趨勢。 通過(guò)對全網(wǎng)的中心計算設備和邊緣計算設備進(jìn)行統一的計算調度，可以有效地緩解問(wèn)題，大幅度降低智能應用系統的整體建設成本。
數據的多維應用。現今的智能監控系統已經(jīng)開(kāi)始融合人工智能分析技術(shù)和物聯(lián)網(wǎng)技術(shù)，采集和提取更多有效的多維數據。人工智能技術(shù)能夠對視頻內容進(jìn)行智能分析，將所有運動(dòng)目標進(jìn)行自動(dòng)分離、自動(dòng)分類(lèi)， 并自動(dòng)提取目標多維度的結構化數據以及半結構化數據。 通過(guò)對歷史數據的分析挖掘， 可以挖掘事件的內在聯(lián)系， 識別出異常模式，從而提供實(shí)時(shí)報警服務(wù)；利用知識圖譜技術(shù)， 可以挖掘人和人、人和事、事件和事件之間的關(guān)聯(lián)關(guān)系，并進(jìn)行深度推理，進(jìn)而為重大事件提供決策分析， 提高預警的準確性和及時(shí)性。
數據和網(wǎng)絡(luò )安全。為了解決安防系統中的安全問(wèn)題，適應新的等級保護條例要求，主要在以下幾點(diǎn)采用新技術(shù)、 新方案來(lái)解決安防系統中的安全問(wèn)題。
▲網(wǎng)絡(luò )安全相關(guān)技術(shù)要求
下一代人機交互技術(shù)。隨著(zhù)智能技術(shù)在安防系統里的應用，產(chǎn)生的數據越來(lái)越多，隨之而來(lái)問(wèn)題：如何讓使用者快速看懂數據，也就是數據可視化的問(wèn)題。安防行業(yè)下一代的人機交互， 展現上會(huì )朝著(zhù)操作性和立體性更強的方面發(fā)展， 交互上朝著(zhù)互動(dòng)感更強方面發(fā)展，應用上朝著(zhù)功能業(yè)務(wù)深度結合的方面發(fā)展。
系統設計及項目實(shí)踐能力不斷提升。智能業(yè)務(wù)應用的落地需要建立在合理的成本控制、合格的施工質(zhì)量、完善的數據整合和配套的管理機制之上。再由配套場(chǎng)景的算法、模型基于高效的計算框架將數據轉化為可視化的用戶(hù)業(yè)務(wù)，進(jìn)一步驅動(dòng)或輔助用戶(hù)決策。因此，智能業(yè)務(wù)應用是一項系統工程，架構、算法、計算、數據、應用、工程、管理流程等缺一不可，需要不斷加強系統性頂層設計的能力，提高項目實(shí)踐能力。
非卡口存量視頻逐步應用。據統計數據，中國一年有約 5000 萬(wàn)個(gè)攝像機需求，實(shí)際只有約 50 萬(wàn)個(gè)智能攝像機被有效應用，僅占 1%左右，而高達 99%的攝像機無(wú)法賦予“智能”屬性。這意味著(zhù)安防+AI 剛剛進(jìn)入初級階段。 非卡口場(chǎng)景下人工智能算法的泛化能力是在安防領(lǐng)域落地的主要瓶頸之一。與傳統模式識別方法相比，在大數據的支撐下，深度學(xué)習算法的泛化能力和復雜場(chǎng)景的適應性有了明顯的提升。
智慧安防的技術(shù)基礎和產(chǎn)品化已趨成熟，因此在下一階段的命題就是如何系統化規模部署。挑戰與機遇并存，從技術(shù)手段的不斷革新到產(chǎn)品形態(tài)的成熟落地，智慧安防仍然面臨眾多難題，諸如成本高昂、工程化布點(diǎn)困難、算法場(chǎng)景局限大、缺乏深度應用、缺乏系統性頂層設計、缺乏滿(mǎn)足實(shí)戰應用的行業(yè)標準與評估體系等。能夠在多大程度上解決這些問(wèn)題，關(guān)系著(zhù)智慧安防產(chǎn)品和方案能否真正的落地生根。
本文來(lái)源：安防行業(yè)網(wǎng)
聯(lián)系客服
