當(dāng)前灾测，安防行業(yè)中人工智能技術(shù)應(yīng)用具有一定限制性爆价，存在成本高、場景限制高媳搪、布點(diǎn)困難铭段、安全要求更高等問題：
1.成本高
當(dāng)前，影響“安防+AI”產(chǎn)品解決方案規(guī)那乇化應(yīng)用的因素有很多序愚，成本高昂是眾多原因之一。從一個(gè)典型中大型城市級公共安全視頻監(jiān)控聯(lián)網(wǎng)項(xiàng)目各部分成本占比情況可以清晰看出等限，成本是“安防+AI”發(fā)展的重要瓶頸爸吮。設(shè)備本身由于產(chǎn)品性能、算力性能等多方面要求造成布置成本較高望门，而科學(xué)化勘布點(diǎn)需求帶來的時(shí)間和人力成本形娇，海量圖片高并發(fā)網(wǎng)絡(luò)帶寬需求帶來的設(shè)備和鏈路成本锰霜，多業(yè)務(wù)系統(tǒng)聯(lián)網(wǎng)應(yīng)用帶來的溝通和研發(fā)成本，大數(shù)據(jù)研判分析應(yīng)用帶來的設(shè)備及研發(fā)成本桐早，以及不斷增長的設(shè)備與集成施工和機(jī)房改造等因素則進(jìn)一步疊高了“安防+AI”落地的成本矫撤。
2.場景限制高
人工智能算法的泛化能力是模式識別問題長期面臨的一個(gè)問題，也是現(xiàn)階段的主要瓶頸聪供。由于訓(xùn)練好的模型用在變化的場景中性能往往會明顯下降赃勺，因此在實(shí)際使用中，必須對場景進(jìn)行嚴(yán)格定義蜒且，或者從設(shè)計(jì)上將智能算法定位為對指標(biāo)不敏感的輔助功能筝妥。在比較成熟的應(yīng)用中，如智能交通中的過車及違章抓拍尤喂、機(jī)場車站的人證對比等屋问，都需要具體的工程安裝方案。這種做法在技術(shù)不夠成熟的條件下有效實(shí)現(xiàn)了商業(yè)價(jià)值辽奥，但缺點(diǎn)同樣明顯：一方面籍囱，對已有設(shè)備的改造需要增加施工成本，影響人工智能算法對傳統(tǒng)應(yīng)用的滲透茶括；另一方面烤脾，也限制了獲取有效素材的效率，影響算法指標(biāo)的進(jìn)一步提升诅福。
3.布點(diǎn)困難
人工智能往往有特定的場景要求匾委，只有在特定場景下才能保持較好的識別率。按照《安全防范視頻監(jiān)控人臉識別系統(tǒng)技術(shù)要求》(GA/T 31488-2015)氓润，《安防人臉識別應(yīng)用視頻人臉圖像提取技術(shù)要求》(GA/T 1334-2016)等技術(shù)要求赂乐，人像識別攝像機(jī)主要指安裝在公安檢查站人行通道，如車站咖气、機(jī)場挨措、碼頭等出入口或閘機(jī)，以及人行道崩溪、非機(jī)動車道浅役、步行街、商業(yè)中心等重要部位出入口悯舟，能夠有效限制人員通行担租、具有良好人像抓取條件的部位，應(yīng)面向人員行進(jìn)方向正面安裝抵怎，具有良好的光照條件奋救。
人像抓拍攝像機(jī)的架設(shè)位置應(yīng)滿足GA/T 922.2-2011的要求。對漏報(bào)無專門要求的場景可采用上限位置安裝反惕，視場內(nèi)應(yīng)避免有遮擋目標(biāo)人的物體赶马。
4.安全要求更高
人工智能技術(shù)的蓬勃發(fā)展賦予了安防監(jiān)控系統(tǒng)更加多樣化的業(yè)務(wù)功能麸奇，將安防監(jiān)控行業(yè)的市場空間進(jìn)一步拓寬，使安防監(jiān)控系統(tǒng)在各行各業(yè)得到廣泛部署既屋。但從風(fēng)險(xiǎn)角度而言票援，在AI與安防融合發(fā)展的進(jìn)程中，將大量非結(jié)構(gòu)化視頻轉(zhuǎn)化為可快速檢索的結(jié)構(gòu)化數(shù)據(jù)闰幽，一旦網(wǎng)絡(luò)被攻擊膊争，數(shù)據(jù)泄漏后的損失將更為惡化。另一方面人工智能將大量視頻屯贺、圖片集中到云中心渣碌，也對網(wǎng)絡(luò)帶寬提出了更高要求。此類需求和風(fēng)險(xiǎn)可歸類為以下三個(gè)方面：
(1)現(xiàn)階段大量部署的終端計(jì)算設(shè)備安全風(fēng)險(xiǎn)高摸进，暴露設(shè)備數(shù)量太多饰样、暴露端口太多、設(shè)備漏洞太多挽晌、固件更新不及時(shí)菲瓶、通信協(xié)議安全性不高、數(shù)量過多無法管控 畏梆。
(2)監(jiān)控等物聯(lián)網(wǎng)設(shè)備已經(jīng)成為新的攻擊目標(biāo)(僵尸網(wǎng)絡(luò)與 DDOS您宪、遠(yuǎn)程錄拍、勒索病毒具温、挖礦木馬蚕涤、 APT 攻擊)筐赔。
(3)人工智能的發(fā)展铣猩，數(shù)據(jù)被終端采集后傳輸匯集到集中式云計(jì)算中心，網(wǎng)絡(luò)實(shí)時(shí)性和帶寬都帶來量級的要求茴丰，對云中心部署方案帶來了挑戰(zhàn)达皿，同時(shí)還需要新的模式來適應(yīng) AIoT。
5.當(dāng)前AI大數(shù)據(jù)分析技術(shù)主要存在的問題
視頻監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)量龐大贿肩，而且日趨多元化峦椰，包含非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化特征數(shù)據(jù)以及結(jié)構(gòu)化數(shù)據(jù)汰规。當(dāng)前的人工智能視頻大數(shù)據(jù)分析技術(shù)主要存在如下三個(gè)問題：
(1)非卡口場景的視頻分析算法在準(zhǔn)確率汤功、 穩(wěn)定性及計(jì)算成本等核心指標(biāo)方面還有待提高，導(dǎo)致非卡口場景的存量視頻利用率極低鲁其，目前沒有有效利用的非卡口監(jiān)控視頻約占監(jiān)控視頻總量的 97%左右吟芜。
(2)當(dāng)前的人臉識別技術(shù)、行人識別技術(shù)耐浙、行為分析等視頻分析技術(shù)往往是接近于實(shí)驗(yàn)室場景下的初級應(yīng)用夯榛、數(shù)據(jù)孤立下的單點(diǎn)識別應(yīng)用营慷，距離全天候場景下的精準(zhǔn)鎖定以及最快時(shí)間、最小成本杯岩、跨攝像機(jī)下的識別搜索朽慕，還有很大的差距，真正解決客戶實(shí)戰(zhàn)問題的能力還有待于提高测脯。
(3)智能 AI 攝像機(jī)及視頻結(jié)構(gòu)化分析產(chǎn)品開始進(jìn)入安防市場盹挑，產(chǎn)生了海量的結(jié)構(gòu)化視頻數(shù)據(jù)，但基于結(jié)構(gòu)化視頻數(shù)據(jù)的深度智能應(yīng)用荐多，如時(shí)空分析沈论、模式挖掘、預(yù)測預(yù)警救辖、技戰(zhàn)法訓(xùn)練等尚在探索階段簿煌，有可能形成新的數(shù)據(jù)浪費(fèi)和低效投資。
1.成本高
當(dāng)前，影響“安防+AI”產(chǎn)品解決方案規(guī)那乇化應(yīng)用的因素有很多序愚，成本高昂是眾多原因之一。從一個(gè)典型中大型城市級公共安全視頻監(jiān)控聯(lián)網(wǎng)項(xiàng)目各部分成本占比情況可以清晰看出等限，成本是“安防+AI”發(fā)展的重要瓶頸爸吮。設(shè)備本身由于產(chǎn)品性能、算力性能等多方面要求造成布置成本較高望门，而科學(xué)化勘布點(diǎn)需求帶來的時(shí)間和人力成本形娇，海量圖片高并發(fā)網(wǎng)絡(luò)帶寬需求帶來的設(shè)備和鏈路成本锰霜，多業(yè)務(wù)系統(tǒng)聯(lián)網(wǎng)應(yīng)用帶來的溝通和研發(fā)成本，大數(shù)據(jù)研判分析應(yīng)用帶來的設(shè)備及研發(fā)成本桐早，以及不斷增長的設(shè)備與集成施工和機(jī)房改造等因素則進(jìn)一步疊高了“安防+AI”落地的成本矫撤。
2.場景限制高
人工智能算法的泛化能力是模式識別問題長期面臨的一個(gè)問題，也是現(xiàn)階段的主要瓶頸聪供。由于訓(xùn)練好的模型用在變化的場景中性能往往會明顯下降赃勺，因此在實(shí)際使用中，必須對場景進(jìn)行嚴(yán)格定義蜒且，或者從設(shè)計(jì)上將智能算法定位為對指標(biāo)不敏感的輔助功能筝妥。在比較成熟的應(yīng)用中，如智能交通中的過車及違章抓拍尤喂、機(jī)場車站的人證對比等屋问，都需要具體的工程安裝方案。這種做法在技術(shù)不夠成熟的條件下有效實(shí)現(xiàn)了商業(yè)價(jià)值辽奥，但缺點(diǎn)同樣明顯：一方面籍囱，對已有設(shè)備的改造需要增加施工成本，影響人工智能算法對傳統(tǒng)應(yīng)用的滲透茶括；另一方面烤脾，也限制了獲取有效素材的效率，影響算法指標(biāo)的進(jìn)一步提升诅福。
3.布點(diǎn)困難
人工智能往往有特定的場景要求匾委，只有在特定場景下才能保持較好的識別率。按照《安全防范視頻監(jiān)控人臉識別系統(tǒng)技術(shù)要求》(GA/T 31488-2015)氓润，《安防人臉識別應(yīng)用視頻人臉圖像提取技術(shù)要求》(GA/T 1334-2016)等技術(shù)要求赂乐，人像識別攝像機(jī)主要指安裝在公安檢查站人行通道，如車站咖气、機(jī)場挨措、碼頭等出入口或閘機(jī)，以及人行道崩溪、非機(jī)動車道浅役、步行街、商業(yè)中心等重要部位出入口悯舟，能夠有效限制人員通行担租、具有良好人像抓取條件的部位，應(yīng)面向人員行進(jìn)方向正面安裝抵怎，具有良好的光照條件奋救。
人像抓拍攝像機(jī)的架設(shè)位置應(yīng)滿足GA/T 922.2-2011的要求。對漏報(bào)無專門要求的場景可采用上限位置安裝反惕，視場內(nèi)應(yīng)避免有遮擋目標(biāo)人的物體赶马。
4.安全要求更高
人工智能技術(shù)的蓬勃發(fā)展賦予了安防監(jiān)控系統(tǒng)更加多樣化的業(yè)務(wù)功能麸奇，將安防監(jiān)控行業(yè)的市場空間進(jìn)一步拓寬，使安防監(jiān)控系統(tǒng)在各行各業(yè)得到廣泛部署既屋。但從風(fēng)險(xiǎn)角度而言票援，在AI與安防融合發(fā)展的進(jìn)程中，將大量非結(jié)構(gòu)化視頻轉(zhuǎn)化為可快速檢索的結(jié)構(gòu)化數(shù)據(jù)闰幽，一旦網(wǎng)絡(luò)被攻擊膊争，數(shù)據(jù)泄漏后的損失將更為惡化。另一方面人工智能將大量視頻屯贺、圖片集中到云中心渣碌，也對網(wǎng)絡(luò)帶寬提出了更高要求。此類需求和風(fēng)險(xiǎn)可歸類為以下三個(gè)方面：
(1)現(xiàn)階段大量部署的終端計(jì)算設(shè)備安全風(fēng)險(xiǎn)高摸进，暴露設(shè)備數(shù)量太多饰样、暴露端口太多、設(shè)備漏洞太多挽晌、固件更新不及時(shí)菲瓶、通信協(xié)議安全性不高、數(shù)量過多無法管控 畏梆。
(2)監(jiān)控等物聯(lián)網(wǎng)設(shè)備已經(jīng)成為新的攻擊目標(biāo)(僵尸網(wǎng)絡(luò)與 DDOS您宪、遠(yuǎn)程錄拍、勒索病毒具温、挖礦木馬蚕涤、 APT 攻擊)筐赔。
(3)人工智能的發(fā)展铣猩，數(shù)據(jù)被終端采集后傳輸匯集到集中式云計(jì)算中心，網(wǎng)絡(luò)實(shí)時(shí)性和帶寬都帶來量級的要求茴丰，對云中心部署方案帶來了挑戰(zhàn)达皿，同時(shí)還需要新的模式來適應(yīng) AIoT。
5.當(dāng)前AI大數(shù)據(jù)分析技術(shù)主要存在的問題
視頻監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)量龐大贿肩，而且日趨多元化峦椰，包含非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化特征數(shù)據(jù)以及結(jié)構(gòu)化數(shù)據(jù)汰规。當(dāng)前的人工智能視頻大數(shù)據(jù)分析技術(shù)主要存在如下三個(gè)問題：
(1)非卡口場景的視頻分析算法在準(zhǔn)確率汤功、 穩(wěn)定性及計(jì)算成本等核心指標(biāo)方面還有待提高，導(dǎo)致非卡口場景的存量視頻利用率極低鲁其，目前沒有有效利用的非卡口監(jiān)控視頻約占監(jiān)控視頻總量的 97%左右吟芜。
(2)當(dāng)前的人臉識別技術(shù)、行人識別技術(shù)耐浙、行為分析等視頻分析技術(shù)往往是接近于實(shí)驗(yàn)室場景下的初級應(yīng)用夯榛、數(shù)據(jù)孤立下的單點(diǎn)識別應(yīng)用营慷，距離全天候場景下的精準(zhǔn)鎖定以及最快時(shí)間、最小成本杯岩、跨攝像機(jī)下的識別搜索朽慕，還有很大的差距，真正解決客戶實(shí)戰(zhàn)問題的能力還有待于提高测脯。
(3)智能 AI 攝像機(jī)及視頻結(jié)構(gòu)化分析產(chǎn)品開始進(jìn)入安防市場盹挑，產(chǎn)生了海量的結(jié)構(gòu)化視頻數(shù)據(jù)，但基于結(jié)構(gòu)化視頻數(shù)據(jù)的深度智能應(yīng)用荐多，如時(shí)空分析沈论、模式挖掘、預(yù)測預(yù)警救辖、技戰(zhàn)法訓(xùn)練等尚在探索階段簿煌，有可能形成新的數(shù)據(jù)浪費(fèi)和低效投資。
18221259202