人工智能热潮下，安防行业仍有四大挑战等待突破

本文转载自“中国安防协会”，作者中国安防协会。原标题《人工智能落地环境良好，但仍面临四大挑战》。亿欧 智慧城市 对文章进行二次编辑，供读者参考。

---

安防+AI经过三年多的探索发展，去年以来逐渐“脱虚向实”， 智能+安防 从概念宣导、技术较量，迈向产品、场景、实战应用阶段。从目前来看，推动AI安防的落地应用，当前产业的发展环境完全具备支撑能力。

比如在芯片方面，目前Intel、NXP、AMD、GOOGLE、苹果、IBM、ARM、高通等国际知名芯片厂商以及华为、寒武纪、比特大陆、深鉴、地平线、中星微等国内芯片厂商都在AI芯片上持续发力，目前无论是云端算力或边缘算力都有较大幅度提升。

浙江大华技术股份有限公司，研发中心副总裁殷俊提到，目前各节点上的 国产芯片 大部分已经出来，并且在性能、性价比方面都有很大提升，随着成本大幅度下降，人工智能未来在安防的普及化、普适性会很高。

随着算力的大幅提升，不管是端侧还是中心侧计算能力越来越强，殷俊认为当端侧的计算能力增强时，中心侧未来也会有演进，中心侧将会对数据跨空间、跨时域的碰撞并实现数据的融合，这会驱动数据产生新的价值链。端侧、边缘侧、云侧三端的融合计算，是未来计算发展的必然环节。

人工智能落地环境良好，但仍面临四大挑战

在算法方面，殷俊认为当前人工智能算法不断往前演进，它的工具链、行为逻辑、学术研究领域、工程应用领域也在不断发展和突破。同时，算法的发展一定要面向场景，需要基于用户场景去适应。

因为不同的应用场景对算法的要求和设计思路不一样，那么在具体的算法应用上，从检测到分析识别的全流程应用也就产生了差异，所以未来算法会形成场景式的差异化发展。

在产品方面，目前AI产品从云端智能向边缘智能拓展。现在不管是传统的安防监控厂家还是AI厂商，都推出了边缘智能产品。殷俊认为，在感知层面大家强调在边缘侧做采集分析，是因为边缘侧的计算延时小，可以实时计算视频数据，且边缘侧做分析会大幅降低网络和系统的开销。

以 视频应用 为例，通过编解码后，传到在云端解码后的图像会有损耗和延时，质量无法和前端相比，从算法分析角度就无法达到最佳的效果。因此，在边缘侧完成大量实时分析的数据计算，在云端完成大规模时空数据的检索和挖掘，形成计算融合的系统是未来发展的趋势。

除了芯片、算法、产品的进步，目前包括5G通讯、传感等这些技术能力的提升，也为安防的“智能+”赋能，诞生出创新的智能应用。但发展中也面临诸多挑战：

视频数据深度融合应用要提升

如何对现有视频进行深度应用，将被动查证的事后应用模式，转变为主动防御的事前应用模式是安防行业的迫切需求，但目前这块的应用仍有待加强。中山大学教授及广东人工智能专家委员会主任赖剑煌表示，安防应用产生了很多数据，数据怎么转化成知识？

目前在这方面做得不是太好，或者说是这波人工智能深度学习的局限，如何把这些数据转化成知识，这需要能实现小数据大推理的深度学习新方法。

智能化应用的技术特点决定了其本身也是一种综合化应用。安徽省公安厅科技信息化处科长张敬锋提到，目前公安机关从业务实践中感受到了，人工智能初步与视频 监控 结合带来的成效。但如何在大数据战略的引领下，需要进一步紧紧围绕实战和实用。

针对跨技术领域的广泛融合，跨业务部门的综合应用，在实战的有效性上给公安民警赋能，在实用的便捷性上给基层民警减负，依然是当前人工智能在公安业务领域的痛点和难点问题，需要进一步解决。

公安行业作为安防重点服务应用领域，在整个安防行业发展过程中有举足轻重的作用。中安协专家委员会战略组组长及广州安防协会会长顾友良表示，公安用户的需求是在业务开展的要求下不断变化的，这就需要AI技术不断的跟着需求走，通过需求来推动技术的发展。

同时，在技术共性的发展下，落到各个场景里面一定是百花齐放，多姿多彩的，而汇聚起来的数据又是统一的，这样才能把数据的共性与个性呈现出来。

新技术需要推进落地

目前，安防行业核心的AI技术包括人体识别(人脸和人体)、车辆识别等都实现了较好的应用。赖剑煌教授提到，现在人脸识别、车牌识别技术已经达到不错的水平，目前人脸识别在视频监控里面用得比较好，但大范围的行人再识别应用还没有见到，比如看不到人脸的时候，这要靠行人再识别技术，结合人脸再识别来做精准布控。

目前许多重要场所的安检，例如地铁安检，还要花财政很多钱，浪费了大量的人力物力。这说明基于视频监控安防技术的研发与应用还不到位，如何利用视频监控技术，简化 安检流程 和提高安检水平还有很大的推进空间。

行人再识别是利用计算机视觉技术，判断图像或者视频序列中是否存在特定行人的技术。在视频监控应用中当监控系统看不见人脸或者无法看到人脸，这就依赖于行人再识别技术。目前遍布城市的摄像机里面，符合人脸采集标准的摄像机占比较少。而要最大限度挖掘传统平安城市、天网工程的 治安摄像机 的潜力，行人再识别技术非常重要。

此外，音视频系统中的声音一直没有得到充分挖掘，而在应用中用户其实有迫切的需求。安防研究所王静介绍，现在一些发射场地面设备设施安全的全寿命管理项目，非常注重如何将音视频结合应用。

以前发射场的管理主要是靠人进行检测，现在有了视频应用，那么除了视频分析以外，如何把音视频结合起来进行智能化分析，这也是人工智能的应用，并不只是一些数据标注、分析才是人工智能。声纹+CV技术结合的应用将产生巨大的潜力，需要不断研究。

多算法融合要加强

在实际应用中，不同算法分析功能独立部署的情况很常见，如此应用效率会大打折扣。王静表示智能识别在一些项目应用中，就面临这样的问题。她认为，现在应用中对人的行为分析结构化仍比较简单，怎样更细致地进行识别仍待解决。

“目前我们项目应用希望可以把人脸识别和行为分析，用一个摄像头结合起来做智能分析，但目前的算法好像不太支持这种应用。应用中仍需有专门的人脸识别摄像机，外加专门的大场面行为分析摄像机，这种分开应用有些割裂。”王静表示。

这样的问题在公安应用中也出现。张敬锋科长提到，当前公安机关对智能化从单点的应用，已经拓展到了“云、端、边”的综合部署。特别是前端设备的选型上，对智能设备的一体化提出了要求，具有人脸、人体、车辆结构化、行为分析等多算法融合，还有高效编解码、传输，有线与无线结合以及安全防护等功能。

完全符合GB/T25724、GB35114、GB/T28181标准的综合性、一体化智能摄像机已经成为当前“雪亮工程”深入建设应用中的迫切需求。如果有这样的产品推出，肯定会受到公安一线实战部门的欢迎，也会有更大的市场空间。

算法分析层是人工智能技术的核心，算法的优劣决定了人工智能技术的应用效果。面对用户难题与需求，厂商仍需要在多种算法融合部署、全景多镜多任务协同等多个功能的叠加方面持续发展，以改善需要堆砌不同算法分析服务器，来满足用户需求的问题。

对于算法融合的发展，殷俊认为现在对人、车、物分析的算法在不断融合应用，随着智能化的演进，未来的融合还将包括音视频、雷达、热成像等。通过多维感知解决单一感知数据的弊端，赋予人工智能更多维度的数据，来提升或解决具体场景中的智能水平。

行业协会要引导产业做布局

当前安防行业被视为人工智能最具市场空间的行业之一，在这一波发展赛道上挤满了各层面的参与者。安防市场应用前景很诱人，目前有很多企业进入，但整体来看业界只有一些大企业赚钱，更多中小企业严格意义上并不赚钱，一些创新企业是靠资本投资支撑着，因为很多企业差不多是在做重复的事情。

从安防协会的角度看，要引导企业对产业进行合理的布局和创新，对企业进行指导，帮助企业能够获取利润，因为企业有了利润，相关技术才能得到更好的进步，产业才能得到更好的发展。

对于安防人工智能的发展状态，目前AI是从上往下没有穿透，就像下雨，雷声很大，也下了点雨，但没有下透，所以庄稼长不好。如果让AI进入万众企业的智能+世界，把技术共性融到小企业的系统中去(这比一两家大公司打通这个领域要快)。

这样可以形成遍地各种各样“智能+”的应用形态，行业协会这时去建新标准或建立一个新机制，通过标准或机制可以把这些“智能+”的数据进行广泛连通，形成更多的“智能+”应用，将促进产业智能化更好发展。

编辑：唐宇恒

本文已标注来源和出处，版权归原作者所有，如有侵权，请联系我们。