【中國(guó)安防展覽網(wǎng) 企業(yè)關(guān)注】在AI變革之下，傳統(tǒng)安防企業(yè)積極擁抱AI技術(shù)，一些大型安防上市企業(yè)也提出對(duì)應(yīng)策略，但時(shí)間點(diǎn)都集中在2016年北京安博會(huì)上，成熟的AI產(chǎn)品的推出則在一年后的深圳安博會(huì)上。因此從時(shí)間上看，算法積累以及與行業(yè)的結(jié)合時(shí)間還較短。同時(shí)根據(jù)億歐相關(guān)統(tǒng)計(jì)報(bào)告來(lái)看，傳統(tǒng)安防企業(yè)AI產(chǎn)品依然局限于人 臉識(shí)別、車輛識(shí)別的視頻監(jiān)控系統(tǒng)，除了?？低暋⒋笕A股份有相應(yīng)的其他領(lǐng)域拓展，其他企業(yè)在應(yīng)用層面還沒(méi)有更好的突破，當(dāng)然這也與所處行業(yè)局限性有關(guān)。
“剛剛，安徽信息工程學(xué)院大數(shù)據(jù)與人工智能學(xué)院掛牌成立”。從2017年5月，中國(guó)科學(xué)院大學(xué)成立國(guó)內(nèi)人工智能技術(shù)學(xué)院以來(lái)，建立人工智能學(xué)院已成為高校的一股熱潮。僅在今年5月，就有天津大學(xué)、南開(kāi)大學(xué)、南京大學(xué)、吉林大學(xué)四所高校成立了人工智能學(xué)院。目前統(tǒng)計(jì)來(lái)看，國(guó)內(nèi)已經(jīng)有200多所高校開(kāi)設(shè)或者即將開(kāi)設(shè)人工智能學(xué)院或相關(guān)專業(yè)。
然而在日前發(fā)布的《2018中國(guó)人工智能商業(yè)落地研究報(bào)告》中，顯示2017年中國(guó)AI創(chuàng)業(yè)公司獲得的累計(jì)融資超過(guò)500億元，但2017年AI商業(yè)落地*創(chuàng)業(yè)公司累計(jì)產(chǎn)生的收入?yún)s不足100億元，90%以上的AI企業(yè)虧損。
一方面，人工智能教育、投融資高潮迭起，另一方面，AI初創(chuàng)公司商業(yè)落地卻舉步維艱，一上一下兩者呈現(xiàn)冰火兩重天的格局。目前人工智能產(chǎn)業(yè)雷聲大、雨點(diǎn)小，AI正遭遇商業(yè)落地之痛，似乎已經(jīng)成為業(yè)界人士的共識(shí)。
今年在上海舉行的2018智能+新商業(yè)峰會(huì)中，騰訊公司副總裁、AI Lab負(fù)責(zé)人姚星認(rèn)為，目前對(duì)于實(shí)際應(yīng)用場(chǎng)景來(lái)說(shuō)，人工智能只是輔助手段，而不是決勝力。“人工智能產(chǎn)業(yè)缺乏的不是算法，而是如何更好地轉(zhuǎn)化成工程手段。”卡耐基梅隆大學(xué)機(jī)器學(xué)習(xí)系副主任、Petuum創(chuàng)始人兼CEO邢波表示。
在企業(yè)層面，AI落地安防主要存在的問(wèn)題
雖然安防一直以來(lái)都是以人工智能佳落地點(diǎn)自居，并且行業(yè)中已經(jīng)有眾多企業(yè)推出了相應(yīng)產(chǎn)品與解決方案，但從整個(gè)行業(yè)來(lái)看，AI新產(chǎn)品的替換率依然在謀求新的突破，無(wú)論是從行業(yè)企業(yè)發(fā)展還是在技術(shù)領(lǐng)域都存在著諸多難點(diǎn)需要解決。
目前來(lái)看，實(shí)現(xiàn)AI技術(shù)在安防領(lǐng)域的落地，誰(shuí)先駕馭人工智能的“三駕馬車”即算法，超強(qiáng)計(jì)算能力以及海量數(shù)據(jù)，誰(shuí)就具有先發(fā)優(yōu)勢(shì)。更為重要的一點(diǎn)是誰(shuí)能構(gòu)建起以大數(shù)據(jù)為基礎(chǔ)，以算法為推動(dòng)力，以智能硬件為依托的結(jié)合場(chǎng)景化應(yīng)用的整體解決方案，誰(shuí)將終把握行業(yè)應(yīng)用市場(chǎng)。
現(xiàn)實(shí)情況卻是在安防領(lǐng)域參與AI建設(shè)的各方均存在明顯的優(yōu)劣勢(shì)，無(wú)法做到一統(tǒng)江湖。
早在2012年，深度學(xué)習(xí)被廣泛應(yīng)用之后，部分AI算法企業(yè)將視角轉(zhuǎn)向安防領(lǐng)域，并研發(fā)出基于人工智能或深度學(xué)習(xí)的AI安防產(chǎn) 品。從產(chǎn)品線來(lái)看，曠視科技、依圖科技、云從科技、云天勵(lì)飛等相繼推出了AI安防產(chǎn)品，主要分為人像識(shí)別布控系統(tǒng)、視頻結(jié)構(gòu)化分 析系統(tǒng)、車輛大數(shù)據(jù)平臺(tái)、警務(wù)大數(shù)據(jù)平臺(tái)、AR實(shí)景指揮系統(tǒng)，且都有不同方向小范圍的運(yùn)用。但是在硬件制造、行業(yè)積累和渠道拓展方面，算法企業(yè)與傳統(tǒng)的安防制造企業(yè)存在著很大的差距，尤其是在細(xì)分領(lǐng)域應(yīng)用積累，亟需進(jìn)一步提高。
在AI變革之下，傳統(tǒng)安防企業(yè)積極擁抱AI技術(shù)，一些大型安防上市企業(yè)也提出對(duì)應(yīng)策略，但時(shí)間點(diǎn)都集中在2016年北京安博會(huì)上，成熟的AI產(chǎn)品的推出則在一年后的深圳安博會(huì)上。因此從時(shí)間上看，算法積累以及與行業(yè)的結(jié)合時(shí)間還較短。同時(shí)根據(jù)億歐相關(guān)統(tǒng)計(jì)報(bào)告來(lái)看，傳統(tǒng)安防企業(yè)AI產(chǎn)品依然局限于人 臉識(shí)別、車輛識(shí)別的視頻監(jiān)控系統(tǒng)，除了?？低暋⒋笕A股份有相應(yīng)的其他領(lǐng)域拓展，其他企業(yè)在應(yīng)用層面還沒(méi)有更好的突破，當(dāng)然這也與所處行業(yè)局限性有關(guān)。
處于底層的安防中小企業(yè)既沒(méi)有資金實(shí)力，又缺乏算法領(lǐng)域研發(fā)，又沒(méi)有能力通過(guò)與各地公安業(yè)務(wù)部分建立合作關(guān)系獲取大數(shù)據(jù)支撐，有細(xì)分領(lǐng)域應(yīng)用的行業(yè)積累，這也是AI時(shí)代，安防中小企業(yè)亟需解決的難題。
在技術(shù)層面，AI落地安防主要存在的問(wèn)題
隨著平安城市、智慧城市的推進(jìn)，攝像頭及高清視頻的普及，安防行業(yè)擁有海量的數(shù)據(jù)，已經(jīng)成為人工智能技術(shù)天然的訓(xùn)練場(chǎng)和應(yīng)用場(chǎng)，與此同時(shí)，安防對(duì)于人工智能的落地應(yīng)用有著迫切的需求，目前基于安防行業(yè)的天然屬性-識(shí)別、分析、提取，已經(jīng)基本實(shí)現(xiàn)視頻監(jiān)控中人、車、物等各項(xiàng)信息識(shí)別、分析
通過(guò)深度學(xué)習(xí)等人工智能前沿技術(shù)，實(shí)現(xiàn)對(duì)視頻中目標(biāo)檢測(cè)、目標(biāo)跟蹤、目標(biāo)分類、目標(biāo)檢索和行為分析。目標(biāo)分類在目標(biāo)檢測(cè)與跟蹤之后，捕獲到合適目標(biāo)，可以對(duì)它的屬性進(jìn)行分析。
以監(jiān)控場(chǎng)景的人體為例，識(shí)別行人的生理屬性。通過(guò)分析行人身體結(jié)構(gòu)，準(zhǔn)確識(shí)別視頻中人物的性別、年齡、姿態(tài)等多種生理特征。
識(shí)別行人與車輛，基于深度學(xué)習(xí)的行人檢測(cè)算法能夠在各類遮擋的情況下找出行人位置，并能夠進(jìn)一步分析行人姿態(tài)和動(dòng)作，可應(yīng)用于交通監(jiān)控、輔助駕駛、無(wú)人駕駛等?？梢栽谛熊噲?chǎng)景、交通監(jiān)控場(chǎng)景、卡口場(chǎng)景中檢測(cè)多種不同角度的車輛，并同時(shí)給出車牌號(hào)碼、汽車品牌、型號(hào)、顏色等物理特征。
另外，實(shí)現(xiàn)人群分析。在高密度公共場(chǎng)所，例如地鐵，廣場(chǎng)，估計(jì)人群數(shù)量和密度，同時(shí)檢測(cè)人群過(guò)密、異常聚集、滯留、逆行、混亂等多種異?，F(xiàn)象。
除了視頻內(nèi)容的分析識(shí)別，以大數(shù)據(jù)為基礎(chǔ)的技術(shù)則為人工智能提供強(qiáng)大的分布式計(jì)算能力和知識(shí)庫(kù)管理能力，是人工智能分析預(yù)測(cè)、自主完善的重要支撐。其中大規(guī)模分布式計(jì)算使得人工智能具備強(qiáng)大的計(jì)算能力，能同時(shí)分析海量的數(shù)據(jù)，開(kāi)展特征匹配和模型仿真，并為眾多用戶提供個(gè)性化服務(wù)。而數(shù)據(jù)挖掘則利用機(jī)器學(xué)習(xí)算法自動(dòng)開(kāi)展多種分析計(jì)算，探究數(shù)據(jù)資源中的規(guī)律和異常點(diǎn)，輔助用戶更快、更準(zhǔn)地找到有效的資源。
然而目前來(lái)看，人工智能技術(shù)在安防行業(yè)的應(yīng)用還只是淺層次的，技術(shù)還不成熟。七牛云AI實(shí)驗(yàn)室聯(lián)合創(chuàng)始人林亦寧在「2018中國(guó)人工智能安防峰會(huì)」曾表示：技術(shù)落地過(guò)程中，比如說(shuō)經(jīng)常會(huì)碰到一些問(wèn)題，當(dāng)需要把一些傳統(tǒng)的老民警的經(jīng)驗(yàn)轉(zhuǎn)化成算法模型的時(shí)候，客戶往往會(huì)告訴你說(shuō)這個(gè)數(shù)據(jù)不能出場(chǎng)，只能在場(chǎng)內(nèi)進(jìn)行迭代。還有比如它的數(shù)據(jù)的類型和我們實(shí)際上能夠接觸到的數(shù)據(jù)類型，或者我們平時(shí)積累比較多的數(shù)據(jù)類型完全不是一類分布的情況下，該如何做好這些事情，這都是很細(xì)節(jié)的問(wèn)題，但是實(shí)際在操作的過(guò)程中都是很重要的問(wèn)題。
例如AI在細(xì)分領(lǐng)域中環(huán)境適應(yīng)性較差，目前鑒于車輛及道路環(huán)境的相對(duì)標(biāo)準(zhǔn)化，識(shí)別率相對(duì)較高，但對(duì)于人臉的準(zhǔn)確識(shí)別則很容易受到光照不足、圖像模糊、目標(biāo)尺寸過(guò)小或相互遮擋等環(huán)境影響，以致影響到識(shí)別準(zhǔn)確率；
另外，數(shù)據(jù)資源分散，安防領(lǐng)域監(jiān)控?cái)?shù)據(jù)的開(kāi)放性和共享程度相對(duì)較低，很難開(kāi)展多維數(shù)據(jù)的交叉融合分析，這使得人工智能分析缺乏有效的數(shù)據(jù)支撐，同樣也會(huì)影響準(zhǔn)確率；同時(shí)，不同的場(chǎng)景理解受限，由于缺乏有效的專業(yè)領(lǐng)域經(jīng)驗(yàn)知識(shí)的積累，視頻內(nèi)容的理解能力偏弱，目前的智能分析多為單場(chǎng)景的目標(biāo)檢測(cè)和行為分析，很少涉及大范圍場(chǎng)景的關(guān)聯(lián)行為分析，以致很難用于異常行為分析和風(fēng)險(xiǎn)預(yù)測(cè)。
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號(hào)
移動(dòng)版
