“AI+安防”已是老生常谈，但AI安防工程化落地这个难题怎么“破”？

1月16日，第一期“安·视界”技术沙龙在广东省公共安全技术防范协会演示厅举行。本次沙龙由广东省公共安全技术防范协会主办，广州市安全防范行业协会和深圳市龙岗智能视听研究院协办，安防行业中的技术及产品专家们齐聚一堂，共同探讨人工智能如何在安防行业的工程化落地。

“慧眼”与“智脑”打造智慧城市

国家特聘专家，北京大学数字视频编解码技术国家工程实验室深圳分室负责人，鹏城实验室人工智能研究中心主任李革发表了“数字视网膜：视频监控中的’慧眼’与’智脑’”的主题演讲。

视频监控是公共安防的重要部分，视频产生了大量数据，但却常常是“有眼无珠”。李革认为，媒体大数据的挑战存在三大挑战，分别是储存难（压缩问题）、检索难（模式识别问题）、识别难（对象再识别的问题）。

在存储难方面，视频压缩率的增长率远低于视频监控的数据量增长率；在检索方面，图像和视频数据量的指数级增长对模式识别提出巨大挑战；在识别方面，从大规模数据集中标识特定对象非常困难，通常该数据集包含从不同摄像机网络采集的一系列视觉表观相似的对象。

那么，如何破解这三大难题？构建智能云端图像视频数据处理中心是其中一种解决方法，但该方式虽可以较好地利用现有的大规模摄像头，但却也存在不少缺点。

比如传统视觉感知系统在对象检测、模式识别和场景理解中的准确性不够高。

那么究竟该如何应对当下面临的这些难题？李革认为，“云脑＋数字视网膜”是解决办法。

“云”是分层解耦的AI平台，这个不必再赘述。什么是“数字视网膜”？李革介绍道，人类视网膜同时具有影像重构和特征提取两大功能，影像重构即精细编码视觉内容，特征提取即对视频流的识别理解，眼睛虽然能对将所见图像完整成像，但大脑对图像分析是基于提取到的特征。因此城市中视频监控数据的有效利用，也可借鉴人类视网膜成像及大脑处理的流程。

李革认为，未来视频应该分成两个“流”，即视频编码＋特征编码，未来数字视网膜的技术框架应该是：视频特征紧凑表达技术＋高效视频监控转码技术。李革还距离传统是把视频汇集进行搜索，而用了双流技术，只传每个摄像头的特征流，与传统结果无异。

立体防控时代，AI与大数据结合落地新思考

广电安全研究院产品部经理谢毅星围绕“AI＋大数据赋能公共安全治理”展开演讲。

谢毅星首先介绍了公共安全治理发展历程与现状，他表示，80－90年代是传统治理时代，2000－2005年开始了数字化治理，2006－2012开始网络化治理，2013－2017年是合成化治理，2018年开始则进入以数据为特征的立体防控治理时代，大数据与人工智能的结合在这一时代发挥着重要作用。

谢毅星介绍道，“AI＋大数据”在掌握行为轨迹、建立大数据分析模型、重大事件监测、重点车辆监测预警、重点区域监测、赋能社区安全治理等方面都能发挥重要作用。广电运通的AI＋大数据能力已在深圳市龙岗区落地的雪亮工程、龙岗分局智慧警务云平台落地应用，获得良好效果。

广电智能安全研究院谢毅星，通信技术中级工程师，安防行业11年从业经验，在安防项目设计、项目管理、产品研发等方面拥有丰富积累。作为主要负责人，参与及主导了深圳市龙岗分局智慧警务云平台、广州市天河区智感安防区等多个标杆项目，对安防行业整体发展历程、AI赋能公共安全治理方面有深刻理解。

人脸识别算法准确度与实际落地

依图科技高级架构师李娜从算法识别准确度的角度来谈落地的关键路径。李娜说，人脸识别的认识分为两派，一派认为人脸识别面临瓶颈，新的应用场景受到限制，另一派认为人脸识别未来的精度还有进一步提升的空间，还有更多的场景亟待探索。“很庆幸，我们国家对人脸识别的认识属于后者。”

李娜将人脸识别分为三个阶段。2015年以前是1．0时代，那时候的算法精度与人眼相比处于劣势或基本持平，处于弱智能时代。

2015年后，人脸识别进入2．0时代，彼时机器识别已经能超过肉眼大约100倍的水平，当时在1：1比对，即在认证合一验证场景开始得到应用，在2016年，人脸识别开始在安防有实战应用，2016年后开始有动态布控的应用，这意味系统要有实时比对的性能，这对算力和算法都有很高的要求。

人脸识别的3．0时代，不仅是进行识别，而要挖掘人脸识别数据之间的关系，让数据会思考，帮助应用进一步落地。这需要更高的识别精度，为此，依图推出聚类技术，解决数据无法复用的问题。

视频云vPaaS平台

华为智能安防解决方案架构师罗幼泉发表了“视频云vPaaS平台赋能算法AI快速落地”的主题演讲。罗幼泉提到，云平台解决的是工程化的问题。工程化是连接可接和产业的重要纽带，也是科技成果转化的催化剂。因此我们需要做一个平台，加速AI工程化过程。

罗幼泉提到，针对成熟算法，如人脸识别、车辆识别等，可以通过平台，以简单的SDK方式快速集成，这种模式下，平台能提供针对算法服务的调度，同时算法服务能开放API服务出去。针对AI领域不断创新，一些新算法尚在探索期时，平台能够提供工程化支撑，通过服务集成的方式提供支持。

罗幼泉说道，视频云vPaaS平台能够给AI带来几大价值，一是算法AI单体能力规模化，二是算法AI智能推送全网（云－边－端），三是业务感知动态调配算法AI资源。“我们希望视频云平台能够让算法更简单、算法能快速成长、应用能更百花齐放。”

罗幼泉，华为智能安防解决方案架构师 2016年开始从事智能安防解决方案规划，设计，AI技术原型创新工作。做为主要技术负责人，负责广东公安智慧新警务视频云赋能工程总体规划和方案设计。深度支撑广东公安视频云一期－广州示范项目从规划到落地全过程，同时，支撑深圳，珠海，汕头等地市视频云项目建设的方案落地。对AI如何加速安防智能化有深刻理解，对视频云平台如何赋能AI算法快速落地有丰富的经验。

工程商怎么看AI？

黄兆麟围绕“工程商、集成商与AI企业协作的现状”展开话题。新东方电子是工程商代表，黄兆麟从工程应用出发谈如何看待AI，他表示，工程商十分重视用户体验感，过去的智能化在实际应用中并不能发挥很好的效果，用户体验感十分不佳，因此早期许多智能产品都不被看好，而AI的出现则改变了这一情况。

AI＋安防最主要的应用还是基于视频分析，人脸和车辆识别目前而言最为成熟，目前我们在用的比较多的是视频结构化、人脸识别、 车辆识别，以及在此基础上引申出来的创新应用。

工程商在AI应用落地的作用包括：以应用场景为核心，选取最佳AI方案；以提高准确率为目的，创造AI应用的环境；以提高用户体验感为目的，承担一定程度的，应用层面的软件集成开发；做好用户培训，协助建立合理、有效的AI应用“技战法”。

同时黄兆麟也提出了目前存在的一些问题，一是不同AI厂商在不同场景的应用效果存在差异，这让工程商在选择时造成困难；二是各AI厂家技术对接、应用接口欠标准化、厂家间存在技术壁垒，比如前端与后台配合的标准目前尚不明确；三是实际应用效果与用户期望不一致，当前用户对AI的期望值很高，但实际却不能达到期望，加强与客户交流是解决之道；四是数据安全问题，场景数据对AI应用而言至关重要，但很多数据是保密的，如何让单位学习和优化是值得思考和进一步探讨的问题。

最后黄兆麟还谈到了工程为对AI的未来展望。他提到，短期内以成熟的AI应用为主，满足用户现有需求；在基础建设方面，建设物联网感知设备、网络化改造、大数据计算、网格安全建设等，为AI落地创造更有利的条件。远期的展望是希望能够基于场景和行业数据，以项目为载体，加强与AI厂家共同建设细分场景应用；加大人工智能产业链中的解决方案层建设参与力度，满足用户个性化应用需求。

用户痛点需求还需深入了解

公安是安防厂商最大的“买家”。省公安厅信息化处副处长冯松青说，目前AI安防工程化落地存在几大问题，一是算法场景限制问题，二是前端布点困难问题，三是成本高的问题，四是深度应用不足的问题。针对这几个问题，他建议，要进行合理的成本控制；合格的施工质量；完善的数据整合，为下一步的大数据应用提供基础；配套的管理技术；配套的场景算法；高效的计算框架。

同时，冯松青还提到，许多厂商在宣传的时候，没有说明哪些数据是实验室数据，这会很大程度上误导用户，产品期望值与使用的落差就来自于此。他还提到，各厂商应该加强与用户的交流，深入了解用户的需求与痛点，不仅要深入了解具体落地的细分场景，还要对整个工程审批与实施的流程有深入理解，唯有如此，才能真正了解用户，让AI真正“落”下来。