2018年12月28日 | 2018年行业最关心的“安防+AI”问题解答

过去一年安防知识网征集了关于“安防＋AI”的读者关心的问题，现通过整理企业采访、专家意见，将回应呈现如下，望有助于提升行业人员对于未来趋势的掌握。

Q：所有人都认为AI会赋能安防，但AI研发投入每家公司都是数以十亿甚至百亿计，对与中小安防企业的合作会否资金与技术门槛太高？或者目前最大的挑战与机遇在哪里？

答：1、以后肯定会出现许多的同类产品，但是其他同类产品如果不是重构底层平台架构的话，功能越多越会产生冲突，而架构重构的话又需要一定的时间周期和技术保障，再加上需要考量重构时间周期完成过后的市场变化情况，而这就是一些中小企业的先发优势。

2、现在中小AI创业公司而言，面对的困难是前期做sdk纯软件销售过多，虽然利润率很高，但营业额相对而言却不是特别大。为了改变这一现状有的企业也开始做自己的硬件产品与解决方案。另外一个是资本市场的问题，当前商汤、旷视等公司融资额特别高，占据风投资源，对其他AI创企的融资会产生不少困难，也对企业人才、品牌等综合性竞争上造成影响，虽然之前埋头做事让我们在公安或者大公司层面上知名度很高，但是在公众层面目前企业的知名度仍然不足。

3、在生态合作中，简单来说就是“硬件设备＋智能和应用软件”组成联合解决方案为用户提供完整的服务，在这个过程中，厂商的品牌依然可以得到展现。但要注意的是企业的生态合作强调的互补关系，同时企业自身也要有足够的竞争力以及建立护城河的能力。

Q：对车的识别相对较容易，但对人的识别有一定的困难，首先，样本空间数据的完整性如何保证？比如窗口采集人脸数据，还有其他何种手段？

答：1、人脸检测和识别的数据可以通过购买数据的方式解决数据积累的问题，而车辆相关的数据无法通过购买数据解决数据积累的问题。因为类似于数据堂这种企业的标注数据是通过众包的方式，让个人进行标注，可以进行人脸相关的数据标注，但是没有都有新车型上市，而且车辆种类众多，相似车辆标注难度大，通过众包方式获取的车辆数据在准确率上参差不齐，在一些数据测试的场景中，我们发现了不少安防大企业的数据存在不少标注错误的现象，如车辆型号误标等，车辆标注并不像人脸标注那么简单，这里面需要一定的时间积累。

2、传统的安防企业深耕行业多年，能够获得足够的数据量应用于人工智能算法的训练，促进算法性能的提升。AI企业在单点的技术上有独特的见解，对于单点技术的应用场景有深刻的理解。未来，通过构建生态圈，加强企业间的交流，加强政府与企业间的合作，AI企业也能够获得足够的数据量来改进自身技术。

Q：AI技术在安防领域最大的应用市场在什么地方？

答：1、AI技术使得视频监控给用户带来的价值不断提升，而用户对于视频图像的应用也提出了新的要求。厂商在公安、交通、司法、文教卫、金融等重点行业已经有全业务AI解决方案，已经能够基本覆盖客户的需求。AI企业拥有独特的技术能力，在一些细分领域能够创造新的应用，为用户带来新的价值。

2、目前已在人脸识别、视频结构化、知识图谱、大数据、移动支付等领域都有较大的进展。

3、虽然所有的企业都在抢人工智能这款蛋糕，但人工智能市场太大了，没有一家企业能够完全占据。就拿安防行业和金融行业来讲，AI＋金融与AI＋安防具有很大的区别。金融行业比较垂直化，基本算法相差不大，但一旦在不同场景中加入AI，算法和解决方案就有更多变化了。就整个行业架构来谈，安防行业并不垂直，智慧城市的愿景必须在企业、政府部门的协作下才能达成，目前其整个架构还较为分散。很多企业想在不同的场景中将人脸识别或是其它生物识别技术及其它计算机视觉技术、大数据技术串联起来，但核心算法技术仍是企业的核心业务重中之重。

Q：在人体姿态识别方面有哪些突破，应用场景请给出？

答：目前人体姿态识别已经可以实现通过计算前景图像的几何特征，如宽高比、轮廓长度与所围面积比、离心率等，利用这些参数构成特征向量反映人体姿态，实现对运动物体识别的监控提取关键信息。具体的应用场景有家庭监控，如对独居家中老年人摔倒情况的识别。也可应用于安保、监视系统，通过监控识别出特殊的人体姿态，以便及时作出响应。

Q：关于传统安防和新型安防之间的区别是什么？现在AI技术并不成熟，产品的差异仅仅只是外观，所以安防类产品新的突破点在哪里？安防市场是否还是定位于TOB 类，是否TOC类市场做到人人安防才是更好的发展？

答：1、人工智能浪潮的迅猛，新进AI创企给行业带来的冲击力：一方面，新进AI创企的加入将丰富整个AI生态圈，某些AI创企可能会进入某些应用市场，他们的每项新技术都将带动AI行业的发展；另一方面，新进AI创企的确催生了一些AI新场景的应用，例如商业场所和管理场所，这些都是传统安防企业还没涉足或者没有足够的精力去渗透的场景，AI的市场需求，使其应用变得多样化，呈现出一片勃勃生机的景象。尽管如此，我们认为，这些新进AI创企的加入还不足以对整个安防生态圈的格局造成翻天覆地的变化。这些创企一般通过对其在算法先进性的宣传来渲染其进入安防行业的能力，但是，AI并不是一个简单的人工智能算法优劣问题，传统安防厂家在数据和客户方面有新进AI创企无法匹敌的巨大优势。更为重要的是，传统安防厂商，例如科达，非常注重与客户在AI实用方面的深入探讨。

2、传统的安防企业与AI企业不同的是，安防企业着重于从业务入手，首先是让AI技术更加贴近场景化应用，其次提高前端摄像机的作用，提高前端相机的图像质量，将算法前移到摄像机上，最大程度的利用前端优势解决问题。而AI企业更多的是对算法进行优化，但是缺少场景应景经验。AI算法的前移是安防行业发展的趋势，能够降低传输带宽、节省机房空间和节约建设成本，AI企业对于前端摄像机的涉猎相对较浅，不如安防企业深入。

3、整个安防分为三个阶段，第一个阶段是公共安全，主要集中在TOG的应用，例如公安、交通等；第二个阶段是商业应用，也就是所谓的TOB，在2017年下半年这领域的市场迎来爆发，包括校园、楼宇、社区、商业等；第三个阶段是家庭安全，也是TOC的应用，随着IoT与AI的紧密结合，市场的苗头已经开始发芽。无论是B端还是C端，在技术变革的浪潮中，存在着技术红利期，占据先机的人，可以在红利期内获得更多收益，这个阶段新技术在产品上叠加的成本可以忽略。但是随着红利期的消失，也会带来行业整体技术的成熟，这个阶段，硬件、软件、人力等成本都会下降，迎来应用的全面爆发。这也是很多企业比较早部署C端的原因，随着成本的降低，C端必然迎来爆发。

Q：安防产业不再是传统意义上的安全技防，传统安防集成商怎样更好的与当今AI技术潮流融合应用？面对纷湧而至的AI变革，传统集成商要做好哪些应对？

答：人工智能落地范围之广泛给集成商带来了广阔的市场，但应用场景上面临着个性化需求的问题，如果仅进行集成服务支持，集成商的生存空间将逐渐减少。未来集成商的价值将围绕不同用户进行个性化定制，这意味着集成商需要站在用户的立场，投入相应的产品设计人员、后台的研发人员，假如无法满足用户的需求，集成商很容易在智能化时代被抛弃出局。此外，在整个研发过程中，集成商后端配套的管理及服务体系等方面都必须跟上步伐。

Q：训练AI，需要大量的数据，比如人脸，请问大家如何看待大量个人数据收集和隐私保护的问题，AI行业领军的企业在这方面是如何做的？

答：我们目前处在人工智能1．0的阶段，虽然存在不少问题，但一般情况大家对它的容忍度还是比较高的。比如人脸识别，从千分之一到万分之一的误报率，远远高于我们人脸的特征。在一个特定的行业只要我们有足够的数据积累和标定，误报率的问题和智能化的问题也只是时间问题。传统的安防是解决不了智能化问题的，所以一个人工智能公司应该关注于数据的积累。以我们自身为例，企业在不断合作中积累大量行业数据，目前我们的模型已经逐步变得丰满起来，而且这些数据未来是开放式共享给生态圈的合作伙伴，也能提升提高他们的行业竞争力，降低他们的业务类型误报，提高他们算法和算力的价值。

Q：目前大家算法差异大吗？

答：1、在特定的场景下，存在差异。安防跟深度学习是深度融合的，新锐企业依靠纯算法肯定是没有出路的，像商汤、旷视这些企业都在做落地应用。安防企业如海康大华等，它们具备市场优势，落地应用非常好，AI企业的核心技术要比传统企业更加前沿，两者各有各的优势，现阶段而言，两者之间的互动能让产业与中国的安防技术提升到更高的台阶。

2、差异化问题是一定存在的，因为不同公司研发的算法有所不同，所应用的场景也各有不同。尽管不同的公司就人工智能技术进行了多次PK，但不同的算法在不同场景下的识别率各不相同。以我们例，算法大致有上百种模块，但这些模块在不同的应用场景的不同组合识别准确率并完全不相同，包括角度、光线、遮挡，每个组合都各有优缺点。另外，算法的差异化具有时效性。深度学习本质上是概率的提升，头部企业算法再厉害也只能达到99．9％，并不能达到或超过100％。而相对而言目前算法稍弱的初创AI公司通过对算法的不断训练和优化，迟早也能达到一定的准确率，这时候技术红利期就结束了。

Q：为什么都是视频监控系统进行AI演进，其他安防系统发展趋势是否有讨论呢？

答：目前AI与视频的结合是最直接的。同时安防行业最核心的就是视频监控，其关注两个目标：一个是人，一个是车。深度学习的到来，前端摄像将物理场景数据化和边缘计算能力让人脸识别、车牌识别成为现实，人工智能的出现，能让机器模拟人那样去思考、学习，它们也一直在改变我们的生活，将人们一步一步地解放出来。可以肯定的是其他系统也会不断融合进来。 　

Q：智能在安防落地的关键点是什么，如何更接地气，更实用，避免停留在概念上？

答：针对不同的用户场景，提供不同的技术，让技术服务于业务，真正的让用户把技术“用”起来。目前安防行业对于人工智能技术的应用主要还是以人、车、物为主，在应用过程中主要存在环境适应性差、数据资源分散、算法单一的问题。例如：

1、环境适应性差，人工智能算法受限于前端摄像头的视频效果，容易被光照不足、图像模糊、目标像素不足等问题干扰；

2．数据资源分散，视频数据、结构化数据和行业内部数据无法进行关联分析，形成信息孤岛；

3．算法单一，单设备只能解决简单场景问题，无法对视频内容进行全解析。

Q：人工智能、物联网是现在炒得很火的话题，但是人工智能在安防行业的现状是什么样的？未来又将朝什么方向发展？传统的安防企业如何应对这些变化，他们将何去何从？

答：1、在连续两年被写入政府工作报告后，人工智能的发展迎来了新风口。在安防行业，用户需要更智能化的产品来解决视频体量激增带来的分析问题，同时随着平安城市、智慧城市建设的需要，用户在视频监控智能化方面的投入意愿也逐步增强。换个角度而言，安防本身业务应用的需求推动了安防人工智能市场的发展。在这样的时代背景下，安防企业纷纷打出“AI”大旗，虽然独角兽企业受到了资本的热宠，一轮又一轮不断扩大的融资规模刷爆了媒体的新闻版面，但最终解决用户需求才是关键，因为用户所需的是实实在在解决问题的能力。从行业中发展起来的智慧眼在算法、行业业务应用、智能软硬件终端产品定制等方面有多年的积累，能快速有效的提供满足客户需求的产品，在安防人工智能市场上会有更加广阔的发展空间。

2、做企业不能当赌博，对于初创技术型AI企业而言，其最长效发展的方式是通过技术找到落地的应用场景深耕，形成产业链上不可或缺的一环。AI、区块链这类颠覆性技术的到来将技术门槛凭空拉高许多，这无疑对很多传统的公司构成了新的挑战，而要快速的跟进技术发展趋势，传统安防企业最合适的方式就是找有技术含量的公司展开合作。

Q：无论是人脸识别，视频结构化，步态识别，实际业务场景下的准确率都还远远不够，更像瞎猫撞死耗子，三两年内有希望有质的突破么？

答：从应用来讲，动态识别的误报率太高，大数据的资源应用没有充分的利用起来，研发单位不管是公司还是其他，只能选择在公安现场去训练，或者通过一些手段把数据拷下来，自己标注、加工，来提升核心引擎。从数据源头来讲，在传感器方面，仍然是受到了暗光、强光和逆光的影响，虽然行业现在有宽动态、星光型的摄像机，但是这仍然是一个问题。未来的发展趋势就是3D传感器，从Kinect到iphoneX到Lidar，这是另外一个趋势，对二维的识别进行补充。

AI＋安防未来的技术趋势：第一，大数据闭环自主学习，行业通过前端获取数据，数据抓取之后经过结构化或者直接送到后台大数据存储，通过核心引擎实现数据的训练，最后实现后台大数据与核心引擎的再学习打通，实现闭环。

第二，从大数据到一人一档。通过路人库和名单库这两个集合的合辑梳理成一人一档，实现跨时空的目标轨迹挖掘等应用，是核心算法和大数据产生的结果。第三，新一代智能摄像机，不仅能实现脸、人体、车辆的视频结构化集成到前端去，而且能实现全光照拍摄功能。

Q：关于行业生态圈的看法？

万安智能咨询设计王新军：生态圈仔细想想主要是产品商之间的关系。产品商和集成商主要是商务渠道关系，谈不上生态圈。一个行业若很小，产品厂家肯定没心思也没必要去构建生态圈。要讲生态圈，那就肯定不只局限在工程项目的安防领域里。就像上海的住宅新技防规范，应该是把智慧社区的很多应用都包括了（合不合理大家自己思考），推而广之是智慧城市了。传统安防和所谓智能安防割裂也是没有很大意义，有很多是能力的逐步增强。强行把安防分为传统安防和智能安防两部分，工程上可以说是ridiculous了。

北京蓝盾世安咨询汪捷：什么是行业系统的生态圈，它和行业内的产业链是什么关系，以及和社会应用是什么关系。安防行业的生态圈是什么。搞清这些基本概念再谈AI在安防行业中的生态圈的位置和周边生态关系（不是垂直的上下游）。我也不认为AI安防和所谓传统安防隔开而论，在安防的防控手段是多元化的，不能简单谈谁替代了谁。这是个人观点，仅站在社会应用层面一个维度看。希望得到大家的研讨指教！