安防进入人工智能时代

人工智能正在席卷全球科技领域，在为安防产业带来巨大的机遇，同时也带来了挑战。在人工智能众多应用领域中，安防最早实现落地应用，被人们寄予厚望。其实早在十多年前安防已经引入了智能分析，并一直在不断进步，现在是深度学习所带来的第三次 AI 浪潮。深度学习有三个非常重要的要素：第一是深层神经网络，神经网络并不是一个新东西，只是现在做得更深，能解决更复杂的问题；第二是有监督的学习，大数据训练；第三是高性能并行计算。目前，安防产业已经进入人工智能时代。

安防应用主要涉及两大类，其一是监控类，关注黑名单；其二是授权类，关注白名单。其中和AI相关的研究，从基础技术上来讲，涉及机器学习、计算机视觉、芯片等；从应用产品上来讲，包括智能安防、智能金融、智能交通、机器人等。

AI安防的痛点

李开复曾在接受访问时表示：“具有一定规模和质量的数据集成为人工智能行业发展的一大制约。因为生产环境的数据太多，目前没有足够的标注数据去解决问题。并且人工标注不能从根本上解决问题，必须在真实运用场景里得到闭环回馈的标注，才能真正解决大数据的标注问题，从而推动AI向更高层次发展。”

有监督的深度学习需要大数据训练。虽然通过提升算法、改进网络架构、增大标注数据等手段，能够提升有监督的深度学习的发展空间，但是人工标注需要大量的人力、财力和时间资源来支持，并且可提升的空间有限，与2014年前后的迅猛发展相比，目前它的发展已经放缓，正在向天花板靠近。

从应用规模来看数据规模，以一个辖区为例，假设有 1000 路视频，在深圳大概是一个村镇的规模，用来抓拍人像，与 20 万人的黑名单库做比对。假设每个摄像头每 5 秒抓拍一张人脸，该辖区每秒钟抓拍 200 张图像，每天产生 0.173 亿张抓拍人脸，跟 20 万人的库的比对次数是 0.173 亿*20 万，约 3.456 万亿次。业务上希望正确识别率不低于 90%。

中科院生物识别与安全技术研究中心主任、中科奥森首席科学家李子青教授在雷锋网主办的“2018 中国人工智能安防峰会”上发表了“AI+安防：创新解决当下，赋能未来”题目演讲。在谈到AI安防的痛点时介绍道：“从应用来讲，动态识别的误报率太高，没有将大数据资源充分利用起来；核心引擎的提升需要标注数据，而数据的标注、加工需要靠人工进行。这是 AI 技术和应用的一个发展瓶颈。所以，我们必须形成应用场景的数据闭环，能够利用生产环节的大数据进行自主学习，AI安防才能更好地发展。”

从数据源头来看，视觉传感器输出的图像质量，仍然受到暗光、强光和逆光的影响，导致人脸识别性能的进一步下降，特别是在室外、动态场景下。虽然现在有宽动态、星光级摄像机，但这仍然是一个很严重的问题。

据统计，2011年—2017年，安防市场连续保持两位数的增长，预计未来三年仍将持续增长，年复合增长率预期为7.6%，到2020年，安防市场年销售额将到达3150亿美元。

人工智能垂直于安防领域，安防产业将成为人工智能企业发力的主赛道。传统安防企业，如海康、大华和宇视等巨头企业在行业深耕多年，有强大的市场优势，通过资源整合、产业升级和产品研发布局人工智能的发展，并实现了落地应用。

声明： 本网站原创内容，如需转载，请注明出处；本网站转载内容（文章、图片、视频等资料）的版权归原网站所有。如我们转载或使用了您的文章或图片等资料的，未能及时和您沟通确认的，请第一时间通知我们，以便我们第一时间采取相应措施，避免给双方造成不必要的经济损失或其他侵权责任。如您未通知我们，我们有权利免于承担任何责任。 我们的联系邮箱：news@cecb2b.com。