业界领袖眼中安防

　“AI的声音要比去年小得多。”

　　这是今年众多安防从业人员在今年最直观的感受。

　　相比去两年前，AI在资本市场经过一番热炒，纷纷选择安防落地，一时间得益于算法、算力的推进，“安防+AI”成为行业争相跟随的理念。2019年，整个行业似乎开始走向理性，在上半年新的产品与解决方案并不多，但与之相反的，在微观层面对于智能安防的认知与理解，正在发生着悄然的变化。

　　海康威视高级副总裁、研究院院长浦世亮：泛化看待安防领域的人工智能

　　这一轮人工智能热潮发展至今已有四五年的时间，对于安防产业而言，人工智能并不是新鲜的技术诉求，因为在很久以前行业就被这样的需求所驱动，视频监控从“看得清”到“看得懂”，需求一直存在，因为这是用技防去替代人防的一个核心能力。但很久以来产业仍处于一种技术与用户需求或方案需求之间存在巨大鸿沟的状态。

　　在深度学习出现之前，人工智能在安防领域的应用十分受限，没有办法大规模推广，基本只有车牌识别的应用相对成熟，因为它的应用场景相对规范。人脸识别虽然应用需求广泛，但由于场景的复杂性，极大地限制了人脸识别的大规模普及应用。

　　然而这一轮人工智能技术的发展，使得现有的人工智能尤其在计算机视觉领域的性能实现了极大的突破，所以我们现在会更泛化的去看待安防领域的人工智能。它并不仅仅局限在安全管理上，视频监控其实更多是一种视觉传感器的角色，有了AI加持之后，它可以提取更丰富的数据信息，把物理世界进行数字化转化，然后为包括安防和更多其他实体经济的行业领域赋能。

　　华为中国企业智能安防解决方案销售部总经理彭晓东：云+AI正在快速改变传统安防的架构

　　新的云+AI的技术正在快速改变传统安防烟囱架构，通过云化方式建网，数据覆盖的广度以及深度会带来数量级的提升，数据价值更是“1+1>N”，实战效果会大幅度提升，云与大数据的结合，可以让AI得到更加广泛的快速应用。同时系统的安全性以及开放创新也会快速成为智能安防时代一个重要标准。

　　我们认为整个AI发展的趋势一定会从集中式向分布式发展，最终形成端边云协同态势。AI前置是行业发展的一种态势，许多简单的场景，如果还是像传统的做法，视频传到后端，完成计算后再传结果，计算效率是非常低的，用户体验也很不好。华为认为，首先云端的AI跟前端的AI是协同的，但未来简单的场景仅需要前端的AI。组大网，云化是必选方式，同时对设备厂家提出了更高的技术积累要求包括云计算，大数据，高性能计算，存储，智能芯片等方面的能力。

　　宇视科技智慧云产品总工王利彬：智能应用进入成熟阶段

　　今年虽然AI看起来没有去年那么火，但从我们自身的角度看AI产品的出货量是成倍的在增长。出现这种现象也有可能是客户的接受度高了，市场不需要再像之前那样宣传，当前在公安、雪亮、智能交通工程项目中，已经不需要我们去过多宣传AI带来的价值，过去几十路与几百路的规模现在已经上升到上千路，智能应用开始逐渐进入到成熟的阶段。

　　江森自控旗下泰科安防解决方案中国区销售总经理钟辉：市场竞争向海量数据处理与智能分析转移

　　随着大数据、物联网、云平台等技术的发展，AI将越来越多的应用在智慧建筑，更好的满足人们对安全、高效、舒适、节能的需求。整体来看，国内安防领域市场规模足够大，机会也足够多。随着AI技术创新和应用需求的推动，国内安防市场将迎来历史性转折点，市场将从过去设备低价竞争，发展到更高层面的海量数据处理和智能分析的竞争。

　　天跃科技副总裁范舟：AI智能化工具要形成智能安防管理平台应用闭环

　　针对大热的AI智能化应用，当前大部分公司主要专注于围绕产品感知端构建智能化场景。不可否认，感知技术是提升用户业务能力的有效手段，但感知仅能更精准更快速发现场景应用中的异常问题。而从管理角度来看，发现问题仅是起始状态，最为关键的是解决问题、解决效果监控以及管理提升建议。

　　我们认为，所有智能化的技术手段仅是工具，并不是最终的管理目标，AI智能化工具必须贯穿落实到管理目标、管理执行、管理监控和管理提升四个环节，形成智能安防管理平台应用闭环。因此，我们这些年的探索，也是希望把最新的技术，例如物联网、移动互联、大数据，以及AI技术、AIoT技术，与客户的最终管理目标相结合，希望在这最后一公里，实现客户管理目标落地。

　　Axxonsoft耐实（上海）软件科技有限公司中国区总经理荆朝刚：安防行业将往平台化方向发展

　　从全球安防市场格局来看，在硬件市场相对稳定，外资品牌要发展需另辟蹊径。从应用场景上来看，安防行业未来将往平台化方向发展，平台将主导智能安防的应用。虽然目前有智能前置的做法，我们也在和合作伙伴在做，但目前的前端芯片性能有限，更多更复杂的AI算法还是需要在后端来完成，而且再高级的AI算法也需要依赖平台来展现价值，所以我们还是认为平台才是核心。

　　公安三所物联网技术研发中心研究员梅林博士：非标准场景AI应用仍有待提升

　　在一些标准化的场景中，人脸识别、人证合一、车辆结构化描述等AI技术应用拥有很高的成熟度，应用效果很好。但在一些非标准化的场景下，比如开放式的1：N人脸识别或是非交通卡口的治安监控点，由于安装角度、光线环境等因素，人脸和车辆的识别分析效果依旧有待提升。

　　另外，继人脸识别之后，行人重识别正逐渐得到越来越多研究单位的重视，但这也是一个非标场景，角度、距离、光线、装扮等都会对识别分析的效果产生影响，这种情况下如何实现精准识别仍具有很大的挑战性，但一旦突破了应用瓶颈，便可以很好地助力公安实战应用。现阶段，行人重识别技术还处在相关研究机构技术积累的阶段，距离落地应用仍有待时间考验。

　　复旦大学计算机学院视频技术与系统工程研究中心薛向阳博士：AI应用依赖于场景

　　AI依赖于应用场景，只要场景确定（即各种边界条件确定），这个时候研发人员比较容易将应用性能等调整得很好。但如果更换了一个场景，原来那套方法就需要进行再调整，这也反映出AI算法模型泛化能力不够，主要以定制化为主，限制了大范围推广。同时，当前许多AI算法都是数据驱动的，需要持续收集大量特定应用场景的数据，然后在应用中进行持续迭代优化，这个过程所需人力与物力对于许多企业而言，显然是会带来非常大的技术成本和运维等综合压力。

　　阅面科技联合创始人宋向明：人脸识别市场短期内不会集中

　　考虑到人脸识别产品使用的地域性差异、不同群体的接受程度和使用需求，硬件实体的竞争基本不会出现互联网一家独大的情况，人脸识别技术涉及内容较多，还有新产品形态的出现，我认为目前及未来的一段时间内都是“百家争鸣”的状态。随着市场教育、开拓，市场在不断扩大，玩家也在增加。