共达地AutoML自动化AI训练平台，用AI编织社会安全网

11月16日，由深圳市安全防范行业协会主办的第六届中国安防系统集成商高端峰会圆满落地。会上发布了第五届“智慧安防优秀解决方案”评选榜单，共达地凭借AI-as-a-Service高效定制化安防解决方案成功入选。

如今数字化、智能化的潮流已经切实来到了安防行业，但如何让安防从围绕人脸识别、安防监控为主的“点状安防”，升级为保卫城市生活方方面面的“网状安防”，让行业中的集成商、工程商摆脱“包工头”形象，真正实现智能化转型，还是一个待解的问题。今天我们来聊一聊“智慧安防决赛圈”的关键议题。

公共安全频频“失守”背后

场景落地成智慧安防产业化“拦路虎”

10月29日，一场持续12小时的特大火灾将南京金盛百货中央门店推上了热搜。由于临近“双十一”备货高峰期，这场火灾给多家店铺造成数千万元的直接财产损失。

热搜之外，隐藏在“冰山之下”的火灾“大数据”更令人触目惊心。应急管理部披露，2021年全年大型 商业 综合体、学校、医院、商超等人员密集的公共场所火灾3.2万起，伤亡率和直接财产损失占比更是远高于其它火灾事故。火灾之外，高空抛物、电梯伤人、宠物咬人、加油站爆燃等各类公共场所安全事件，也令公共安全频频“失守”。

一位研究公共安全的专业人士表示，随着城市规模的扩张以及城市功能的不断丰富，传统的以被动防范为主的安防思路已然过时，主动预警、防范甚至事中干预的安防理念成为主流。在此背景下，以人工智能技术为主体的智慧安防开始进入公众视野。

数据来源：前瞻产业研究院

早在2019年，应急管理部就明确提出以技术创新提升公共安全治理水平。然而智慧安防产业化落地效果却“差强人意“。中安网数据显示，2021年我国安防行业总产值达到9020亿元，同期我国智慧安防的市场规模约586亿元，渗透率仅有6.5%。

能轻松击败人类最高智慧的人工智能，为何迟迟钻不透安防市场的“冻土层”？究其原因，还是场景壁垒在作怪。

以深圳前海一家物流仓储企业的安防之“痛”为例，为了保护货仓内大量高净值货物的安全，这家企业的负责人找了大量方案。

“最初我们用监控摄像加人力巡检，但防不住内外勾结、监守自盗，后来听说可以用AI算法，如果有人、叉车出现在不该出现的区域，或者有安保人员擅离职守，系统就进行告警，但打听下来很多企业都不做，能做的又太贵了。”负责安全管理的钱先生表示。

这类痛点非常普遍。目前，AI算法90%以上的应用场景主要集中在人脸识别、车辆识别、OCR识别三大场景，有成熟的标准化算法与部署方案，但面对日增涌现的“非主流”场景却往往束手无策。

案例中的人员闯入识别、叉车识别、安保人员离岗识别等就属于此列，行业上鲜有现成的解决方案，而要定制其中一个算法，就需要数十人团队耗费数月进行手动训练，且费用昂贵，一整套方案下来成本往往在几十上百万之巨。

这类长尾市场需求量大、碎片程度高、新需求衍生速度快，以专注于AI大规模商用的的共达地为例，其对接的安防需求已远不止人脸、车牌等传统型业务的需求：

●在公共场所，如何识别宠物是否牵绳、流动摊贩、人员违规聚集；

●在商场，如何识别扶梯大件行李、扶梯婴儿车、灭火器摆放；

●在餐厅后厨，如何识别厨师是否佩戴厨师帽、是否存在失火危险、是否有老鼠等；

●在建筑工地，如何识别安全帽、反光衣、火焰烟雾、高危区域越界行为；

共达地的一位技术负责人对记者表示，“一鱼多吃”的标准化方案显然无法满足井喷的个性化安防需求，定制化方案，周期极长，成本极高，后续部署和使用的专业门槛极高。这已然成为安防市场AI产业化路上的一条“拦路虎”。

共达地AutoML自动化AI训练平台

短平快打法破解智慧安防场景落地难题

如何突破场景壁垒，实现安防领域AI产业化快速落地？共达地的思路是，AI供给侧改革，以更低的成本、更高的效率、更快的迭代，解决更大规模、更碎片化、更高精度的算法困局。

针对上述物流仓储企业的众多算法需求，以“安保人员离岗识别”算法为例，共达地最初用企业提供的500多张安保人员在/离岗图片数据有效提取了关键特征，结合自动化调参，仅用了一小时左右就初步生成了安保人员离岗识别的算法模型。然后，共达地为这一套算法匹配了适用的边缘端硬件盒子，实现了系统的软硬件集成工作。前后仅用一周，便正式交付使用。

算法上线后，共达地AutoML自动化AI训练平台才正式发挥其作用。在一边发挥检测作用的同时，还以天为单位采集现场数据并回传至共达地AI自动化训练平台进行算法的自主学习、快速迭代，让精度无限逼近实际应用场景的理想值。

这种高效率、高精度、低门槛的碎片化算法定制能力，正是目前市场上稀缺的，但更妙的是标准化与定制化的“组合式打法”。

以让物业人员头疼的高空抛物为例，作为深圳市南山华侨城片区物业类型最丰富的城市综合体，方大城由4座办公塔楼、4层商业裙房以及4层地下车库组成，空间结构复杂，安防死角多。

“高空抛入已经正式入刑，同时监管明确了物业管理单位亦须履行监管义务。这对于我们来说真的压力山大“。方大城的物业工程总监周先生表示。

共达地对客户需求进行研判后，初期采用算法商城成熟算法，匹配共达地提供的1个硬件盒子和5组摄像头，仅用1天就完成了算法部署——即以标准化能力，满足客户即插即用的紧迫需求。

算法上线后，即进入了“场景定制”阶段。基于前端摄像头采集、回传的数据，运用共达地AutoML自动化AI训练平台进行机器快速迭代算法，针对方大城的环境特征和事件特征，不断提升识别精度。

最终识别精度达到了97%，训练效率提升了15倍，年平均成本相较于此前的传统安防手段降低了96%。周先生表示，共达地这种不仅兼顾交付效率和质量，还能控制成本的方案，轻轻松松移走了物业人头上的一座山。

“传统的‘长拳式’打法，很难适应安防市场的短平快需求，我们的策略是让‘长拳’变短，短拳更快。”共达地高级市场总监李苏南表示。

助力湖南某市步行街管控撑伞/桌椅占道经营、游摊小贩违规占道经营、垃圾桶满溢识别；助力智慧工地管控未戴安全帽、未穿反光衣的行为，守护工地安全；助力石化能源领域对火焰烟雾、员工离岗、打电话等行为进行管理，助力广东某大型银行 金融 网点抽烟、玩 手机 识别、人员聚集……共达地AutoML自动化AI训练平台以其识别精度高、部署周期短、使用门槛低的显著优势，为智慧安防大规模快速落地贡献了一个个“样本“，也获得了行业的高度关注与认可。

AI as a Service

用AI编织社会安全网

共达地AutoML自动化AI训练平台在智慧安防领域展现出来的实力，都基于共达地对于AI、loT的熟稔以及对千行百业智慧安防发展趋势的前瞻与精准把握。

让安防从业者参与AI共创。如果只是拿着AI这把锤子找钉子，那么社会安全等级的提升永远只能被动跟随AI技术的发展。共达地认为，未来智慧安防的主体将越来越“去专业化”，让贴近安防业务需求的人也能熟练用上AI，才是正确的解题思路。

因此，与行业上普遍将AutoML用作专业算法工程师的效率工具不同，共达地AutoML自动化AI训练平台正是一套可供安防产业链上下游的都可以使用的行业级生产工具，支持用户以零代码的形式训练可商用算法，门槛极低。用户只需要轻松完成上传数据、选择芯片、一键部署三个步骤，即可快速训练出一套算法，且保证精度要求——通过这种共创，让“点状安防”联结成“网状安防”。

让AI越用越好用。共达地AutoML自动化AI训练平台支持99%计算机视觉场景，这意味着绝大多数智慧安防的需求，AutoML自动化AI训练平台都能满足。通过这套平台训练出来的算法平均精度超过92%，表现可媲美8年经验的人类算法工程师。

但这还不够。安全无小事，精度越逼近场景理想值越好。因此，在应用过程中，共达地AutoML自动化AI训练平台还能回传终端数据，实现以天为单位的快速迭代，让算法深入场景，实时成长，越用越精准。

让AI人人可用。供需矛盾背后的核心是生产效率和应用成本的问题。业务数据显示，通过AutoML自动化AI训练平台可使得解决方案整体成本降低90%，这为规模化满足长尾市场的算法需求提供了现实基础。与此同时，共达地算法商城可以提供5000+成熟AI算法及定制服务，覆盖智能城市、智慧工业、智慧农业等99%CV场景，客户可以像逛淘宝一样“随选随用”。

此外，共达地AutoML自动化AI训练平台通过提前适配寒武纪、华为、海思、英特尔、英伟达等百余款主流芯片，使得基于训练平台生产的算法可以提前灵活适配云端服务器、边缘端AI BOX和终端摄像头等硬件形态，并在5秒内一键完成部署，让应用环节极简化。不仅省去了算法迁移的时间，还避免了因算法与芯片结构不适配导致的算力浪费。

从最早“人工智能”概念的提出，AI在几十年里走过了工程化的“1.0时代”和方案化的“2.0时代”，如今正站在产品化“3.0时代”的门槛上。

“我们希望用自身的实践，提升AI服务智慧安防的广度、精细度与效能，推动人工智能在安防细分领域的快速落地，让AI技术走向每一位普普通通的安防从业人员。唯其如此，才能守住千行百业的安全基准线，为人民的幸福生活提供坚实的保障。”共达地高级市场总监李苏南表示。