在公共安全领域尤其是安全防范产品技术应用领域，人工智能应用已经落地，2016年底北京安博会众多安防企业的高性能芯片+机器视觉、深度学习算法等方案的相继提出，同时在安博会上，基于GPU运算的方案、人脸识别、大数据应用等已经成为厂商的共识。
那么，在安防领域当前人工智能的发展水平究竟如何？还有哪些障碍和困难需要跨越和克服？未来的发展趋势究竟如何？非常值得我们去关注与探讨。基于此，北京中盛益华科技有限公司研发总监顾长海顾总，通过以下几点问题，进行阐述：
目前安防领域人工智能的落地情况如何？发展水平处于一个什么水平阶段？
1、安防领域的人工智能主要集中在人、车、行为上。对于人的人工智能主要包括人脸识别和行人识别，人脸识别特征，如性别、年龄、民族、眼镜、笑容以及人脸特征数据，行人识别特征，如背包、挎包、拉杆箱、裙子、帽子、伞、头发、围巾等。当前的安防领域人脸的应用，对于定点的，按照人脸抓取要求条件安装的摄像机可实现落地应用，对于通用的安防类摄像机，其应用水平将大打折扣，不适合落地。对于行人特征识别受到摄像机分辨率、光线以及角度的影响，在当下的技术水平尚无法实现高精度的人体识别。车辆特征化比较成熟，在卡口/微卡口系统中基本做到落地实用，但是在治安摄像机，其精准度受到光线和角度的影响，精准度快速下降，无法达到落地实用。异常行为，如绊线、区域、遗留等可实现落地使用，其他如徘徊、聚集、火焰等需在特定场景下才可落地实用，通用场景尚无法落地实用。
2、行业内有人认为安防是人工智能最具市场空间的应用领域，您对此怎么看？
我认可这种看法。视频是安防领域内应用最多的数据，而视频结构化描述又是人工智能最直接的表达方式，随着国家对维稳的重视，视频结构化描述面临爆发的增长模式，因此人工智能在安防领域最具市场空间。
3、您觉得目前支持人工智能在安防领域得以落地的关键技术有哪些？为什么？
支持人工智能在安防领域内得以落地的关键技术就是深度学习与高效计算。众所周知，由于深度学习的出现使得人脸识别技术得到突飞猛进的发展，由原来的实验室阶段一跃成为现场可使用的技术，但是深度学习带来的另外一个负面效应就是超大计算量。由于传统的CPU不适合并行的图像运算，使得人脸的解决方案面临高昂的代价，而GPU（或TPU）等高密度计算的出现极大地缓解了深度学习对计算资源的需求，使得人工智能最终实现落地。
4、从市场应用的角度去看，您认为哪些领域对于安防人工智能的需求更为旺盛？
如前所述，人工智在视频分析领域异军突起，使得相关智能分析功能得以落地实用，如人脸识别、车辆识别、异常行为识别等。这也意味着对于视频需求旺盛的相关领域对人工智能同样需求旺盛。如 公安、交通、金融、园区、监狱等领域对安防人工智能需求更为旺盛。
5、人工智能在国家政策层面的被肯定，您认为对于人工智能在安防领域的机遇有哪些？
2017年3月，“人工智能”首次写进政府工作报告，多只人工智能概念股在两会期间也表现抢眼。安防领域主要是以视频为核心数据，通过视频的直观展现实现安防实际需求，随着安防领域视频的逐步增多，已经无法通过人眼进行实时浏览和监看，此时通过对非结构化视频数据的结构化描述，达到快速定位视频兴趣区域，快速检索查找的目的，实现类似人类大脑一样的数据分析与信息碰撞，形成安防领域的行业数据应用。为安防领域最终实现智能化、集约化奠定基础。所有这些将会极大提升视频安防领域应用前景，为人工智能在安防领域拓展多种机遇。
6、您认为人工智能在安防行业还存在哪些挑战或者技术、市场瓶颈需要去克服？
人工智能在安防行业遇到的首要挑战就是技术的普适性，如光线、分辨率、环境等的影响。以人脸为例，按照人脸采集标准设立的摄像机与普通的治安摄像机在捕捉人脸的数量和质量上存在巨大差异。其次是技术计算需求，我们知道人工智能需要大量的机器运算，这对系统建设和维护都提出了较高的要求。仍然以人脸为例，当前流行的CPU（i7）只能处理3-4路1080P分辨率下的人脸捕捉与特征化，如果要进行大量的人脸采集入库，则需要大量的计算资源。现在很多公司为了提高计算效率，采用GPU，但是如何保证GPU7X24不间断稳定运行，仍是横亘在各家公司面前的难题。最后在市场上，人工智能当前还处于应用前期，这注定其处于较高的价位，如要进行大面积应用，必然会对其价格提出较为适宜的要求。
7、未来人工智能在安防领域的发展趋势您做预判？在哪行技术或应用领域会有较大的突破与进展呢？
随着人工智能在安防领域的大面积应用，必然会催生更加适合应用场景的技术创新，使得人工智能能够适应多种应用场景，真正实现落地实用。
a&s是国际知名展览公司——德国法兰克福展览集团旗下专业的自动化&安全生态服务平台，为智慧安防、智慧生活、智能交通、智能建筑、IT通讯&网络等从业者提供市场分析、技术资讯、方案评估、行业预测等，为读者搭建专业的行业交流平台。
粤公网安备 44030402000264号
