智能安防从AI+场景开始

□ 文/朱健立

2018年过半，传统安防和人工智能增长无限，“云边融合”、“边界计算”“机器视觉”、“深度学习”……都在这一年集中爆发，科技巨头、初创公司以及传统企业都蜂拥而上，纷纷从不同维度布局相关产业链。艾媒咨询发布的数据显示，中国人工智能产业2018年产业规模将达到1024.1亿元，而截至2017年6月30日，中国人工智能企业共计592家，融资金额达635亿元，仅次于美国。

但是，在AI火爆的同时，关于“人工智能泡沫”的讨论也一直在持续。AI要进行下一步发展，应用场景落地是关键。以安防来看，人工智能的应用场景落地，是安防从被动防御转向主动防御的关键，也是安防行业不断拓展边界的有效手段。智能算法、计算机视觉、语音识别、大数据分析……，这些技术都使得安防整体解决方案的效率有了显著的提升。人工智能在安防领域的应用，主要在公安、交通、金融、楼宇、工业等方面，其中公共安全是最为核心的应用。人工智能可以利用人脸识别、行为分析、步态分析等技术，对特定的人通过数据分析给予犯罪风险评估，再通过海量数据进行筛选，极大程度的提高了罪犯排查的成功率。

不解决用户实际需求的新技术都是伪技术

国内人工智能，是从2015年开始蓬勃发展的。但鲜有人知的是，早在62年前，人工智能这一概念就已经诞生了。1956年，在达特茅斯会议上，计算机专家约翰·麦卡锡首次提出了“人工智能”一词。在随后的十年间，人工智能在数学和自然语言领域被广泛应用，用以解决代数、几何和英语问题。基于这样的大好形势，当时的很多研究者认为，在接下来的二十年内，机器将能完成人能做到的一切工作。然而事与愿违，进入70 年代后，由于许多技术局限在理论范围中，人工智能并未如研究者们想象的那样帮助人们解决实际问题。于是，人工智能从此进入了极长一段时间的沉寂。直到上世纪末，伴随着移动互联网的发展，人工智能才获得了新生。

事实上，人工智能在当时得不到大众的关注，除了计算机性能不足和数据缺失导致研究停滞外，最重要的原因，是当时的人们看不到人工智能对他们生活的影响。反观今天，不管是语音识别、人脸识别、还是智能驾驶和智能机器人，都落实到了普通人日常生活的方方面面。因此，越来越多人关注AI领域，这也成了人工智能技术的发展动力。在安防应用这个大环境中，从始至终都有一个定律：谁满足用户需求，谁就能获得市场。由此可见，不管是AI，还是安防，亦或是其他新技术，只有与具体应用相结合，满足用户的实际需求，才能获得发展。

AI布局的关键，在于应用与实践

根据清科研究中心的年终报告，2018年，仍有七成的投资机构表示会把AI作为重点投资领域。而腾讯研究院与IT桔子联合发布的《2017年中美人工智能创投现状与趋势研究报告》也显示，国内智能机器人与无人机相关技术，语义分析、语音识别、聊天机器人等自然语言系列的技术，人脸识别、视频/监控、自动驾驶、图像识别等计算机视觉系列的技术都是接下来的创投热点。

AI市场的繁荣，让所有看到方向的人都想分一杯羹，这也导致许多创业项目言必“人工智能”。然而，任何不与实践应用结合的技术，都将成为泡沫。在这个层面上，巨头们由于自身的技术基础和有大量的资源，在AI方面的布局则更有实际意义。虽然各自的产品与解决方案有所差异，但是大家都共同传达了一个观点。那就是当前安防行业人工智能技术应用依旧挑战重重。

在安防市场2008年就推出智能分析的理念，为什么直到最近才火起来，最根本的原因是误报率太高。以某一个辖区1000路视频抓拍人像，并且有一个黑名单库，1000路是一个很小的安防监控系统。1千个这样的系统，假设每个摄像头每10秒或者5秒抓拍一张人脸，该辖区每秒钟抓拍100张图像，该辖区每天要产生864万张抓拍人脸，与20万人的数据库比对次数高大1.728万亿次。

对动态人脸识别的性能要求，目前各大厂家是希望通过率比较高，比如说90%的通过率，在动态人脸监控上面算是比较高的，它每天的误报个数要少于200个。现在的问题是误报率太高，每次都是“狼来了”，所以公安对这个东西一方面非常想用，另一方面又老是误报，所以他就把这个东西禁用了，甚至最后放弃，在过去几年有很多实施的动态人脸监控最后都放弃了。

众所周知，安防视频监控应用场景非常复杂多变。监控摄像头除了监控行人之外，还要监控汽车、物体、事件等等。每一种监控对象都有责不同特征，如监控行人需要了解到性别、年龄、身高、穿着、是否戴眼镜等等信息，对于汽车除了要识别车牌，还需要更多细节特征，如颜色、品牌等等，并结构化处理并存储信息，后续才能高效利用或作出相应的预判。

但是在实际应用中，我们往往会遇到很多来自不同场景的挑战。例如人口密集的车站。比如这样

还有这样

这样

咋整？静态人脸识别以及很成熟了，但动态人脸识别目前仍然还面临着巨大的挑战。除了前端高清摄像机必须要能够采集到高质量的人脸信息之外，还需要强大的算法和算力支持。通过神经网络、深度学习、大数据自主训练以及高性能并行计算能力等等综合提升才能解决当前应用难题。

AI落地，垂直领域更有想象空间

随着AI技术的优化升级和人们生活水平的提高，利用AI技术促进系统升级，是未来的大势所趋。但是，目前影响AI大规模落地的主要原因，在于数据的质量和数量必须达到一定要求，而许多初创公司不具备这个条件；此外，应用领域是否存在针对问题的清晰定义，也是能否利用AI来解决问题的重要因素。因此，安防企业针对各自的特色进一步分化AI应用布局，将成为各大企业的下一步棋。

以天地伟业为例，在16年就提出“回归安防本质、无警戒不安防”的智能细分应用。从场景来看，智能安防的实际应用可根据事件发生的时间、事件发生的类型、如何阻止事件发生、如何回放事件过程等4种环节做应用分析。具体来说：

星光级效果：确保24小时都看得清

大部分事件都是在夜晚发生，而普通的产品在夜晚都是红外灯补光黑白效果。这些录像对事件的查看会丢失很多的色彩信息和关键细节。所以在效果上一定要达到24小时全彩。以天地伟业的警戒系列为例，其全部采用星光和超星光级传感器，在夜晚无光或微光监控环境，无需外接补光设备，同样可以还原完美色彩图像。

警戒功能：智能预警，自动跟踪实现提前预防

安防的本质在于预防，如何有效的阻止事件发生，或者把事件消灭在萌芽状态是智能安防的刚需。当有人/车闯入警戒区域的话，如果可以通过内置的入侵检测算子，可以过滤掉多种自然现场干扰，精确识别入侵目标后触发声光预警系统，内置的白光灯开始闪烁，并同步进行语音提示，对闯入的人/车进行震慑，以此同时，联动后端进行报警推送。以天地伟业的警戒球为例，当有人闯入警戒区域后，该产品可立即对闯入的人/车进行同步计时，当目标在限定区域内的滞留时间超过预设时间（时间可设，默认10秒）后，警戒球开始提升警戒级别，启动跟踪联动和激光扫描系统，警戒球将开启激光束对准入侵人/车，发出报警声，联动球机进行跟踪。

智能震慑：声光结合智能震慑

一个完整的智能安防产品必须有声光震慑系统，以确保系统在预判事件发生时可积极的采取震慑策略，阻止事件发生。以天地伟业的警戒球为例，其实现了全光谱补光，通过应用全光谱补光系统，通过内置的白光灯对近距离场景进行补光，通过内置红外灯对远距离场景进行补光，从而让夜间的成像效果继续得到了提升。

警戒融合了声音提示、白光闪烁、激光追光等联动预警模式，与传统安防的最大区别在于智能化，因为智能安防能够通过机器实现智能判断，从而尽可能实现人想做的事；而传统安防对人的依赖性比较强，非常耗费人力。AI的落地必须结合应用场景，从事后追溯变成事前预警这个根本的变化将使得智能的普及成为必然，解放人力、更高效的安防科技是建设智慧城市的需要。警戒系列，智能分析区域周界、人员行为，灵活处理各种闯入、区域徘徊、区域停留等情况，针对不同级别的警情处以四级预警和自定义报警模式，在最大程度上减少了后台值守的人员精力，降低人力与时间成本，在智能时代趋近的当代，颠覆力量尽显。

结束语

安防视频监控是一个系统工程，AI技术在视频监控的应用挑战，同样贯穿于前端、传输、存储、应用等等每个环节。随着神经网络、深度学习、边缘技术等技术的进步、算法的不断优化、计算机性能提升，当前面临的种种问题都会逐步得到有效解决。同时，由此我们也可以看到，随着安防与AI的深度融合，对安防企业的技术研发实力要求也越来越高。垂直细分，在某种程度上代表着差异化，差异化则意味着拥有竞争力。在提升AI技术的提同时，融入细分领域的附加内容，是AI落地的必经之路。