【中国安防展览网 企业关注】如果说2000年左右全球科技焦点的思科，代表了互联网10年的辉煌，那么今年大火的NVIDIA，则可能代表了刚刚开启的AI时代。思科为互联网提供基础架构，而NVIDIA为AI提供驱动力。AI从70年代就跌宕起伏地发展，早期一直是学术界自High，基本未曾走入老百姓的身边；如今，借助算法、芯片及数据，人工智能火热起来，尤其是工业界反超学术界。群众观感也是冰火两重天：有人担心人工智能未来威胁人类，有人认为人工智能的目前很多表现是“人工弱智”，仍然不值一提。

人工智能大幕开启 安防行业已成先头部队

客观地讲，目前人工智能尚属起步阶段，确实产品良莠不齐，各种伪智能宣传的天花乱坠，但实际效果让人大失所望。人工智能形式不是一定要科幻Style的、类人的、有胳膊有腿的机器人，而是很可能是一个输入法、一个外卖应用、打车软件、甚至新闻推送APP等，都是人工智能。人工智能不是一个具体行业，而是一个技术驱动，可以渗透到各个行业，即所谓的+AI。但目前，人工智能比较火热的表象还是停留在自动驾驶、人脸识别等领域。

据说大概在五年前，我国公安系统内部出现了图侦大队——公安局内一个专门做图像侦查的子部门，一线城市图侦大队可能有300-500人规模，是整个公安局较大的部门，伴随城市摄像头数量激增，人数可能还会扩展；但伴随AI技术在安防监控领域应用，图侦的投入未来可能重在技术及设施，人员有望减少。

目前，图侦领域比较成熟的应用是“车牌类”，车牌识别成熟，数据碰撞、轨迹分析、智能布控等手段屡屡立功。很多人抱怨抓车牌一抓一个，人贩子没抓几个。其实车牌识别技术成熟、160迈以下识别率达90%以上；其次车都是沿道路行驶，布控容易；最后，车辆违章的规则很容易设定。如果嫌疑人举着440*140的牌子在马路上穿梭，其实也很容易逮到。可惜他们不走寻常路、带帽带罩带眼镜，所以即使偶尔出现在治安的摄像机下，也不容易识别。

回到公安同学的问题，这是个很好的问题，也代表了人脸识别在实战领域的进展。目前，越来越多的机场、口岸、车站、地铁开始部署人脸识别，这些人流密集的地方，部署人脸识别环境还是比较合适的，室内光线好、通道范围小、摄像机角度合适，目标距离近，并且都是高大上的行业，基础设施比较好(大多是高清、网络摄像机)。对于突发要案或者紧急协查，在1：N(静态模式)的识别模式下，或M(小)：N(动态模式)，那么基于目前人脸识别误报率(按97%)及服务器计算量，系统负荷力及误报率都是可以接受的，但破案效率及提供的有价值情报信息则非常巨大。

人脸识别进行布控的优势是不基于证件等其他容易复制或篡改身份特征。

目前北京地铁有1000多个车站，早期地铁站摄像头数不多，后来逐渐增加，早期是模拟摄像机，后来MPEG-2/4编码、后来H.264高清，目前每个车站平均100个摄像头是有的。其实在进站口、闸机口等“要塞”进行升级或者部署人脸识别摄像机即可，而不可能按100个摄像头这么计算，这样，总体人脸识别摄像机数量没那么多，M:N模式的运算力和错误数量也没那么恐怖，不至于导致人脸识别系统崩溃。

再说街头的摄像机，街头的摄像机是“广域、大范围监控及巡逻”的用处比较多，以目前人脸识别技术，对户外光线、角度、距离、人脸像素(80*80像素比较理想)等要求还是比较严格的。基于户外大范围巡检的重要意义与价值，已经有AI厂商基于此痛点进行定向研发，据称50米范围识别人脸如探囊取物。此产品的出发点及市场空间非常好，但是尚未落地，没有反馈，并且单体价值应该不菲。

回到安防产业，基于AI的安防监控，绝不是几年“智能分析”时代群魔乱舞的格局，未来真正能敢于宣传自家是“AI+安防”的可能无非三五家。AI的研发，需要的GPU集群，最新的Tesla V100高性能计算卡造价百万，AI研发人员年薪动辄百万，AI算法需要千亿视频海量大数据“喂养”，试问有几个安防公司能承受如此？安防人工智能四个核心竞争壁垒：算法能力，数据能力，产品化能力，渠道能力。

AI技术方面，一些新兴的算法公司有一定优势，如旷视、商汤、云从等，但是在安防行业积累及数据方面，远不如老牌安防公司如海康、网力、大华、宇视、科达等公司。AI从实验室的科学家身边，走向工业界，算法是其一，数据能力、产品化能力及渠道能力，更是考验。AI大幕刚刚开启，安防行业作为先头部队，携AI重火，实战力提升几何，拭目以待！