】安防+ai經過三年多的探索發展，去年以來逐漸“脫虛向實”，智能+安防從概念宣導、技術較量，邁向產品、場景、實戰應用階段。從目前來看，推動ai安防的落地應用，當前產業的發展環境完全具備支撐能力。

比如在芯片方面，目前intel、nxp、amd、google、蘋果、ibm、arm、高通等國際知名芯片廠商以及華為、寒武紀、比特大陸、深鑒、地平線、中星微等國內芯片廠商都在ai芯片上持續發力，目前無論是云端算力或邊緣算力都有較大幅度提升。浙江大華技術股份有限公司研發中心副總裁殷俊提到，目前各節點上的國產芯片大部分已經出來，并且在性能、性價比方面都有很大提升，隨著成本大幅度下降，人工智能未來在安防的普及化、普適性會很高。

隨著算力的大幅提升，不管是端側還是中心側計算能力越來越強，殷俊認為當端側的計算能力增強時，中心側未來也會有演進，中心側將會對數據跨空間、跨時域的碰撞并實現數據的融合，這會驅動數據產生新的價值鏈。端側、邊緣側、云側三端的融合計算，是未來計算發展的必然環節。

在算法方面，殷俊認為當前人工智能算法不斷往前演進，它的工具鏈、行為邏輯、學術研究領域、工程應用領域也在不斷發展和突破。同時，算法的發展一定要面向場景，需要基于用戶場景去適應。因為不同的應用場景對算法的要求和設計思路不一樣，那么在具體的算法應用上，從檢測到分析識別的全流程應用也就產生了差異，所以未來算法會形成場景式的差異化發展。

在產品方面，目前ai產品從云端智能向邊緣智能拓展。現在不管是傳統的安防監控廠家還是ai廠商都推出了邊緣智能產品。殷俊認為，在感知層面大家強調在邊緣側做采集分析是因為邊緣側的計算延時小，可以實時計算視頻數據，且邊緣側做分析會大幅降低網絡和系統的開銷。以視頻應用為例，通過編解碼后，傳到在云端解碼后的圖像會有損耗和延時，質量無法和前端相比，從算法分析角度就無法達到最佳的效果。因此，在邊緣側完成大量實時分析的數據計算，在云端完成大規模時空數據的檢索和挖掘，形成計算融合的系統是未來發展的趨勢。

除了芯片、算法、產品的進步，目前包括5g通訊、傳感等這些技術能力的提升，也為安防的“智能+”賦能，誕生出創新的智能應用。但發展中也面臨諸多挑戰：

1.視頻數據深度融合應用要提升

如何對現有視頻進行深度應用，將被動查證的事后應用模式轉變為主動防御的事前應用模式是安防行業的迫切需求，但目前這塊的應用仍有待加強。中山大學教授及廣東人工智能專家委員會主任賴劍煌表示，安防應用產生了很多數據，數據怎么轉化成知識？目前在這方面做得不是太好，或者說是這波人工智能深度學習的局限，如何把這些數據轉化成知識，這需要能實現小數據大推理的深度學習新方法。

智能化應用的技術特點決定了其本身也是一種綜合化應用。安徽省公安廳科技信息化處科長張敬鋒提到，目前公安機關從業務實踐中感受到了人工智能初步與視頻監控結合帶來的成效，但如何在大數據戰略的引領下，進一步緊緊圍繞實戰和實用，針對跨技術領域的廣泛融合，跨業務部門的綜合應用，在實戰的有效性上給公安民警賦能，在實用的便捷性上給基層民警減負，依然是當前人工智能在公安業務領域的痛點和難點問題，需要進一步解決。

公安行業作為安防重點服務應用領域，在整個安防行業發展過程中有舉足輕重的作用。中安協專家委員會戰略組組長及廣州安防協會會長顧友良表示，公安用戶的需求是在業務開展的要求下不斷變化的，這就需要ai技術不斷的跟著需求走，通過需求來推動技術的發展。同時，在技術共性的發展下，落到各個場景里面一定是百花齊放，多姿多彩的，而匯聚起來的數據又是統一的，這樣才能把數據的共性與個性呈現出來。

2.新技術需要推進落地

目前，安防行業核心的ai技術包括人體識別(人臉和人體)、車輛識別等都實現了較好的應用。賴劍煌教授提到，現在人臉識別、車牌識別技術已經達到不錯的水平，目前人臉識別在視頻監控里面用得比較好，但大范圍的行人再識別應用還沒有見到，比如看不到人臉的時候這要靠行人再識別技術結合人臉再識別來做精準布控。目前許多重要場所的安檢例如地鐵安檢，還要花財政很多錢，浪費了大量的人力物力，這說明基于視頻監控安防技術的研發與應用還不到位，如何利用視頻監控技術簡化安檢流程和提高安檢水平還有很大的推進空間。

行人再識別是利用計算機視覺技術判斷圖像或者視頻序列中是否存在特定行人的技術。在視頻監控應用中當看不見人臉或者無法看到人臉，這就依賴于行人再識別技術。目前遍布城市的攝像機里面，符合人臉采集標準的攝像機占比較少。而要最大限度挖掘傳統平安城市、天網工程的治安攝像機的潛力，行人再識別技術非常重要。

此外，音視頻系統中的聲音一直沒有得到充分挖掘，而在應用中用戶其實有迫切的需求。某研究所王靜介紹，現在一些發射場地面設備設施安全的全壽命管理項目非常注重如何將音視頻結合應用。以前發射場的管理主要是靠人進行檢測，現在有了視頻應用，那么除了視頻分析以外，如何把音視頻結合起來進行智能化分析，這也是人工智能的應用，并不只是一些數據標注、分析才是人工智能。聲紋+cv技術結合的應用將產生巨大的潛力，需要不斷研究。

3.多算法融合要加強

在實際應用中，不同算法分析功能獨立部署的情況很常見，如此應用效率會大打折扣。王靜表示智能識別在一些項目應用中就面臨這樣的問題。她認為，現在應用中對人的行為分析結構化仍比較簡單，怎樣更細致地進行識別仍待解決。“目前我們項目應用希望可以把人臉識別和行為分析用一個結合起來做智能分析，但目前的算法好像不太支持這種應用，應用中仍需有專門的人臉識別攝像機外加專門的大場面行為分析攝像機，這種分開應用有些割裂。”王靜表示。

這樣的問題在公安應用中也出現。張敬鋒科長提到，當前公安機關對智能化從單點的應用已經拓展到了“云、端、邊”的綜合部署，特別是前端設備的選型上對智能設備的一體化提出了要求，具有人臉、人體、車輛結構化、行為分析等多算法融合，還有高效編解碼、傳輸，有線與無線結合以及等功能，完全符合gb/t25724、gb35114、gb/t28181標準的綜合性、一體化智能攝像機已經成為當前“雪亮工程”深入建設應用中的迫切需求。如果有這樣的產品推出，肯定會受到公安一線實戰部門的歡迎，也會有更大的市場空間。

算法分析層是人工智能技術的核心，算法的優劣決定了人工智能技術的應用效果。面對用戶難題與需求，廠商仍需要在多種算法融合部署、全景多鏡多任務協同等多個功能的疊加方面持續發展，以改善需要堆砌不同算法分析服務器來滿足用戶需求的問題。

對于算法融合的發展，殷俊認為現在對人、車、物分析的算法在不斷融合應用，隨著智能化的演進，未來的融合還將包括音視頻、雷達、熱成像等，通過多維感知解決單一感知數據的弊端，賦予人工智能更多維度的數據來提升或解決具體場景中的智能水平。

4.協會要引導產業做布局

當前安防行業被視為人工智能最具市場空間的行業之一，在這一波發展賽道上擠滿了各層面的參與者。胡傳平院長提到，安防市場應用前景很誘人，目前有很多企業進入，但整體來看業界只有一些大企業賺錢，更多中小企業嚴格意義上并不賺錢，一些創新企業是靠資本投資支撐著，因為很多企業差不多是在做重復的事情。從協會的角度看，要引導企業對產業進行合理的布局和創新，對企業進行指導，幫助企業能夠獲取利潤，因為企業有了利潤，相關技術才能得到更好的進步，產業才能得到更好的發展。

以上是網絡信息轉載，信息真實性自行斟酌。