【慧聪网|安防】万物泛在互联，一切变得高度智能。随着智慧的高速进化，未来已然在不断刷新。AI给人类社会带来的变革不仅仅停留在延伸人的体力和脑力上，在公共安全领域，AI还不断创造着变革性的应用。
安防AI遍地开花
随着AI在安防领域的渗透和深层次应用技术的研究开发，当前安防领域已经呈现“无AI，不安防”的新趋势。各安防厂商全线产品AI化已经是不争的事实，同时也成为各厂商的新战略。安防领域的AI技术主要集中在人脸识别、车辆识别、行人识别、行为识别、结构化分析、大数据挖掘等方向，这些人工智能技术推动着安防AI应用遍地开花。
1、公安行业的应用
在海量的视频信息中发现犯罪嫌疑人的线索是公安行业用户的迫切需求。
前端智能和后端智能是人工智能部署的两种方式，即边缘计算和中心计算。前端摄像机内置人工智能芯片，可实时分析视频内容，检测运动对象，识别人、车属性信息，并通过网络传递到后端进行存储和分析。
人工智能技术可对嫌疑人的信息进行实时分析，并给出最可能的线索建议，为案件的侦破节约宝贵的时间。2018年的张学友河北演唱会，人脸识别方案“函谷+昆仑”秒级识别布控人员，瞬时触发报警，协助警方快速抓获3名网上在逃人员。
2、智能交通的应用
在交通领域，大规模联网的卡口、电警摄像机汇集了海量车辆通行记录信息，利用人工智能技术可实时分析城市交通流量，调整红绿灯间隔，缩短车辆等待时间，提升城市道路的通行效率。
城市级的人工智能大脑，实时掌握着城市道路上通行车辆的轨迹信息，停车场的车辆信息，以及小区的停车信息，能提前预测交通流量的变化和停车位数量的变化，实现机场、火车站、汽车站、商圈的大规模交通联动调度，提升整个城市的运行效率，为居民的出行畅通提供保障。
3、智能楼宇的应用
在智能楼宇领域，人工智能是建筑的大脑，综合控制着建筑的安防、能耗，对于进出大厦的人、车、物实现实时的跟踪定位，区分办公人员与外来人员，监控大楼的能源消耗，使得大厦的运行效率最优，延长大厦的使用寿命。
智能楼宇的人工智能核心，汇总整个楼宇的监控信息、刷卡记录，室内摄像机能清晰捕捉人员信息，在门禁刷卡时实时比对通行卡信息及刷卡人脸部信息，检测出盗刷卡行为。还能区分工作人员在大楼中的行动轨迹和逗留时间，发现违规探访行为，确保核心区域的安全。
4、工业园区的应用
工业机器人由来已久，但大多为固定在产线上的操作型机器人。可移动巡线机器人在全封闭无人工厂中将有着广泛的应用前景。
在工厂园区场所，安防摄像机主要被部署在出入口和周界，对内部边边角角的位置则无法涉及，而这些地方恰恰是安全隐患的死角。利用可移动巡线机器人，定期巡逻，读取仪表数值，分析潜在的风险，保障全封闭无人工厂的可靠运行，真正推动“工业4.0”的发展。
5、民用安防的应用
在民用安防领域，每个用户都是极具个性化的，利用人工智能强大的计算能力及服务能力，为每个用户提供差异化的服务，提升个人用户的安全感，切实满足人们日益增长的服务需求。
以家庭安防为例，当检测到家庭中没有人员时，家庭安防摄像机可自动进入布防模式，有异常时，给予闯入人员声音警告，并远程通知家庭主人。而当家庭成员回家后，又能自动撤防，保护用户隐私。夜间期间，通过一定时间的自学习，掌握家庭成员的作息规律，在主人休息时启动布防，确保夜间安全，省去人工布防的烦恼，真正实现人性化的自动部署。
繁华背后真实需求
AI在安防领域的落地将这个产业推向了一个新的高度，而铺天盖地的“AI高能”宣传也让这个产业加上了一层美好的滤镜，一时让人难以看清真相。滤镜背后是AI工程化落地最直接且最重要的真实痛点：场景碎片化问题。
由于安防领域不同场景的业务逻辑存在较大差异，导致很难采用统一的算法和方案落地AI。场景碎片化的客观存在决定了产品和方案的个性化，进而导致了产业链上下游各个环节的碎片化，芯片、算法、交付、维护等等均与此息息相关。
从产品和方案提供商的视角看，重点落在降低AI的应用成本、简化工程布点流程、强化算法在应用场景中的适应性等几个方面。除却形形**的渲染和包装，厂家最终比拼的将主要是：
一、品质控制，保障系统在运行过程中的高可靠和稳定，关键看系统的整体运行性能，这需要时间的积累；二、项目的总体拥有成本TCO，TCO是工程项目中用户最为关心的一个部分。当前很多领域的AI应用其技术基础和产品化已趋成熟，大家更关注的将是如何实现系统化的规模部署，能否把密度做得更高，把单位功耗做得更小，提升单位存储空间的效率，这些都是降低TCO的关键。细微处见真章，所有这些对细节的把控正是对厂商基本功的考验。只有切实解决了这些难点，AI才能真正的落地。
分层合作平台赋能
一个健康的产业生态应该在整体架构的各个层次都沉淀出成熟的平台，以标准化的界面“组装”各种解决方案，支撑各类AI需求。如此才能提供可靠稳定的产品和方案，降低项目的总体拥有成本。
场景碎片化最好的解决方案是，面向业务平台的公司集中精力打造好平台，面向细分行业的公司深耕用户需求，多方配合，各自发挥所长。
任何一个厂商，如果每个项目的应用均自己投入精力实现，必定会不堪重负。宇视采取的方式是，我们负责系统架构和平台实现，寻找区域市场中的集成商深度合作，一起推出个性化的服务。很多集成商虽然做不了基础架构和硬件产品，但其深入理解用户需求，可以基于平台厂家的软硬件平台进行二次开发。双方相互借力，共同实现完整解决方案。比如我们推出的解决方案赋能工程Unisee(UniviewSolutionEnablingEngeering)，基于IMOSInside计划，通过增强开放能力、降低开发难度、提供更有力的支撑等措施，赋予合作伙伴更多的增值能力。
当前，安防行业已进入“深耕”稳健期。深度学习算法的开源推动着AI在各种场景下迎来应用的爆发期。人工智能已进入稳健的上升通道，经过这几年的市场培育，各领域的用户对于AI、大数据、物联网的概念也有了更清楚的认知，在需求上也会更加务实，可以真正将技术应用融合到各个领域的实际业务当中。
结束语
AI场景碎片化带来的产品和方案碎片化，是安防产业AI化发展的必经之痛，最终只有稳定可靠的软硬件平台结合个性化的丰富应用，才能为项目提供较低的TCO。不同层次的碎片化应用，最终会各自沉淀为不同层级的平台。百花齐放，花季之后必定是一层层更为坚实的沃土，为来年更为绚烂的绽放夯实基础。
免责声明：慧聪网转载此文目的在于传递更多信息，不代表本网的观点和立场。文章内容仅供参考。
