AI安防應用突圍的三大問題與挑戰

□ 文/陳航鋒

安防行業近20年的發展經過了從模擬到數字，從標清到高清的變革，目前進入了人工智能的變革時代。數字和高清的變革目標明確，產業界沒有過多的猶豫和反復，幾乎是發令槍一響，賽道上的所有選手奔著同一個方向和目標努力，各種配套、各種標準有序跟進，商業落地的效果也很顯著，安防行業重新洗牌，改變小而散的狀態，形成具備很強落地和創新能力的安防產業頭部企業群格局。有了前述良好的行業基礎，再憑借安防以視頻為核心的天然優勢，安防成為了人工智能落地的最佳選擇。

據艾瑞咨詢統計，2018年中國人工智能賦能實體經濟各產業的份額中，“AI+安防”占比超過50%。人工智能在安防行業的落地增速也在持續加速，安防企業中的AI化所占比例在持續增加，據艾瑞咨詢披露，2018年，我國AI+安防軟硬件市場規模達到135億元，部分頭部安防廠商AI業務在總營收中占比從大約4%提升至超過8%，部分典型AI公司安防業務則占接近一半的營業收入。2018年城市公共安防中AI滲透率達到2.6%。預計2019年市場仍將保持高增速，到十三五收官之年2020年增速開始穩定，屆時市場規模可達到453億元（城市公共安防AI滲透率達到11%），2022年市場規模有望突破700億元（城市公共安防AI滲透率達到25%）。

盡管人工智能在安防行業開了一個好頭，落地好，增速快，但并不意味著人工智能在安防行業的發展過程一帆風順，發展前路一馬平川，有很多的挑戰和問題需要解決。以下從工程化的挑戰、標準化的缺失和AI需求的碎片化三個角度闡述當前面臨的問題和挑戰。

工程化的挑戰

縱觀目前安防+AI落地好的場景，工程屬性的問題解決得好是必要條件，前端的工程屬性包括布點、工堪、立桿、安裝、補光、調試等等，后端的工程屬性主要是指數據的技戰法。比如ITS的應用是一個典型的AI落地場景，人工智能最早在安防行業落地就是從ITS開始，前端的卡口和電警等設備，被明確地定義了工程屬性參數，在停止線后多少距離布點、抓拍點至立桿距離多少，配什么樣的鏡頭，抓拍幾車道，補光燈強度要求多少，安裝照射角度是什么，調試規范怎樣等等，都有嚴格的工堪表格和實施規范。按這樣的工程屬性安裝和調試的系統，再加上后端數據的技戰法，可以最大程度地滿足客戶的需求。從ITS衍生的出入口停車場車輛管理系統，明確的工程化屬性定義，加上后端的數據運維平臺，是典型的to G端到to B端衍生的案例。

再比如人臉識別相機，要求安裝高度、人臉像素大小、補光等等。反過來思考，如果離開或者弱化這些工程化屬性實施的可能性，人工智能在安防行業的落地還能繼續發揮優勢嗎？首先，強調工程化本質上沒有錯，工程上意味著場景的準確定義和人工智能的可實施可復制；其次，算法的不斷進步，以及用于算法訓練的場景素材不斷豐富，正在泛化人工智能的適應性能力，逐步減弱對工程化屬性的依賴；再次，客戶調整需求和對人工智能的期望值，比如使用兩個泛智能的攝像機，代替一個工程屬性極強的專業智能攝像機，抓拍率也許可以達到同樣的效果，但降低了工程實施的難度和整體TCO。

標準化的缺失

一個行業的大發展離不開標準化的制定，標準化是現代大生產的必要條件，可以提升效率、科學管理、增進信息流通，以及孵化創新等。標準化工作對人工智能及其產業發展具有基礎性、支撐性、引領性的作用，既是推動產業創新發展的關鍵抓手，也是產業競爭的制高點。 世界發達國家紛紛在新一輪國際競爭中爭取掌握主導權，圍繞人工智能出臺規劃和政策，對人工智能核心技術、頂尖人才、標準規范等進行部署，加快促進人工智能技術和產業發展。主要科技企業不斷加大資金和人力投入，搶占人工智能發展制高點。

安防行業目前缺少人工智能的行業技術標準，去統一和規范人工智能在安防行業的落地和持續創新。比如人工智能芯片的算力標稱，目前沒有一個統一的標準去規范。各個廠家都有自己的標稱測試評估體系，各芯片之間橫向的對比標準缺失。如果想評估一款芯片的真正算力，目前的方法只能是通過花人力進行算法的實測對比。再比如人臉識別系統和以圖搜圖系統，各個廠家都有自己的算法和模型，假如一個客戶使用了不同家的算法，后臺數據側的研判就會出現問題，不同廠家不同模型產生的數據之間不能互通，只能割裂地進行分析，這會給數據分析、設備擴容等等帶來很大的麻煩。2018年1月，國家人工智能標準化總體組、專家咨詢組成立大會召開。在會上，國家標準化管理委員會宣布成立國家人工智能標準化總體組、專家咨詢組，負責全面統籌規劃和協調管理我國人工智能標準化工作。

AI需求的碎片化問題

人工智能的大熱，讓人們對人工智能解決各行各業痛點的期望逐步加大。視頻監控在迎來人工智能時代之前，主要是人工地查和看。因為有了人工智能的普及，人們會提出各種各樣智能的需求：化工廠提出檢測原料的跑冒滴漏，寵物店提出檢測寵物，廚房提出檢測不規范操作行為等等。旺盛的AI需求與碎片化AI的落地難形成了鮮明對比。要解決碎片化AI需求的落地難問題，算力、算法和數據是三個重要要素。同時，已經有人在嘗試使用開放的訓練平臺去解決碎片化需求滿足的問題，將與需求緊密相關的訓練數據和應用場景問題交給需求提出方，平臺發揮算力和算法的優勢。

結語

總體來看，安防給人工智能的落地提供了很好的土壤，人工智能則給安防產業的發展提供了更廣闊的舞臺。有了人工智能的賦能，和視頻為核心的技術聯接，安防行業的邊界變得模糊化，從智能安防鏈接到智能金融、智能零售、智慧教育、智能制造等等的跨界會越來越多和越來越頻繁。