安防行业作为人工智能技术最佳落地的领域，主要是基于以视频技术为核心的安防行业拥有海量数据来源，可以充分满足深度学习对于模型训练的大量数据要求，与此同时，公安行业对数据的处理和深度挖掘需求日益迫切。近两年，随着芯片技术、核心算法的成熟，在安防行业中一些场景如公安、交通、商业、金融等，人工智能逐步实现商业化落地，并且带来的革新远超我们的想象。毋庸置疑，人工智能必将是安防视频监控发展的未来方向，不只是提升安防行业智能应用水平，同时还将推动整体安防产业的升级换代。

　　结合具体应用行业来看，目前，“人工智能+安防应用”在公安、交通、楼宇、金融、商业、民用等多个领域都已经显露出了比较不错的应用前景。比如，在公安领域，主要涉及图侦、大数据预判实现事中、事前的预警；在交通领域，基于交通参与者人、车辆的识别，捕获交通违法车辆，获取车流信息，实时分析城市交通状况等，以合理调配资源提升城市道路的通行效率；在商业楼宇中，利用AI技术可以对进出人、车、物实现实时监控，实现属性分析以及人数统计等。

　　（一）在智慧警务中的应用

　　作为安防重点应用领域，目前公安行业正在依托信息感知、云计算、人工智能等技术的不断发展，大力推进公安信息化以及智慧警务建设，人工智能在其中发挥着越来越重要的作用。

　　公安行业用户的迫切需求是在海量的视频信息中，发现犯罪嫌疑人的线索。人工智能在视频内容的特征提取、内容理解方面有着天然的优势。在对人、车、物进行检测和识别的过程中，基于深度学习的图像识别技术是目前应用较为广泛的，公安工作中运用人脸识别技术在布控排查、犯罪嫌疑人识别、人像鉴定以及重点场所门禁等领域获得了良好的应用效果。

　　现有的治安监控系统融入基于深度学习的人脸识别算法，实现系统的智能化升级。系统平台数据库将案件重点关注人群入库，实现在身份认证方面对常住人口、暂住人口、重点人口、在逃人员等数据的人像比对，为户籍管理、治安管理、刑侦破案等提供大数据分析技术手段。

　　以科达猎鹰人员卡口分析系统为例，该系统拓展了六大核心应用，如可以实现实时抓拍存储、结构化分析检索、人脸以图搜图、人员以图搜图、实时布防告警等。在特色功能上，依托科达自身在视频监控细分行业应用上的经验积累，再结合人员卡口分析系统基于深度学习技术，几大类场景的反复应用，数千万样本迭代训练，可以实现以像识人、关联现场大图录像、重点人员一键标注以及嫌疑人员一键布防等特色应用。

　　以实时布防告警为例，科达猎鹰对接了相关人员信息库，前端摄像机捕捉到嫌疑人图像后，系统就会发出预警，关联人员信息，协助警员抓捕。同时，科达猎鹰还能主动出击，将嫌疑人照片导入系统，设置监控卡口，嫌疑人一旦出现，系统便能在第一时间发出警报。

　　（二）在智能交通中的应用

　　在城市交通领域，单纯的车牌识别技术已经无法满足实际需求，业界迫切希望能够更快、更准确地提取更多元的车辆信息，除车牌号码外，还有车辆的厂牌、车身颜色、车辆品牌、车辆类型、车辆特征物等。支持基于车辆外观特征的快速检索，这些特征在刑事案件侦查、交通事故处理、交通肇事逃逸、违章车辆自动记录等领域具有广泛而迫切的应用需求。

　　大数据分析技术、基于深度学习的图像识别技术很好地解决了城市公共交通安全管理中所面临的各种困境。针对违章车辆的抓拍，不再仅仅依靠车牌识别技术，借助计算机视觉技术、图像处理并通过海量的大数据分析、深度学习训练，可以依靠前端设备采集的车身颜色、车灯以及车标或者其他多种特征，从而得到较高的识别率，实现对目标车辆的检索。

　　科达海燕车辆二次分析系统采用先进的深度学习算法，首先对所有卡口系统、电子警察系统抓拍的图片进行处理，进而进行二次识别，包括车牌号码及颜色、区域、时间、车辆细分车型、车标、车辆颜色等各种信息。

　　另外，海燕系统基于GPU的集群架构，为深度学习算法提供了强有力的支撑。系统采用大数据分析技术，对二次分析后的结构化数据和汇聚的其他车辆数据进行比对和数据挖掘，可实现更多实战应用，包括假牌套牌分析、未系安全带分析、车辆多点碰撞、昼伏夜出分析、交通流量统计等，满足交通管理者对城市道路安全管理的各种需求。同时，还为公安部门提供车辆稽查布控、布控车辆出现时告警等功能，追踪嫌疑目标，为辅助刑侦破案提供技术支撑。

　　在智能交通领域，仅仅对单个车辆的识别还不够。近些年，随着交通设施的大规模联网，汇集了海量车辆通行记录信息，利用人工智能技术，实时分析城市交通流量，提升城市道路的通行效率已经成为一种趋势。

　　目前国内一些试点城市，通过城市级的交通“智慧大脑”平台可以实时掌握城市道路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，能够提前预测交通流量变化和停车位数量变化，合理调配资源、疏导交通，实现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。

　　（三）在智慧社区的应用

　　社区是城市的基本空间，是社会互动的重要场所，伴随着人口流动性的加大，社区中人、车、物多种信息重叠，数据海量复杂，传统管理方式难以取得高效的社区安防管控，同时，社区管理与民生服务息息相关，不仅在管理上要求技术升级，而且还要实现大数据背景下的社区服务。

　　通过在社区监控系统中融入人脸识别、车辆分析、视频结构化算法，实现对有效视频内容的提取，不但可以检测运动目标，同时根据人员属性、车辆属性、人体属性等多种目标信息进行分类，结合公安系统，分析犯罪嫌疑人线索，为公安办案提供有效的帮助。另外，在智慧社区中通过基于人脸识别的智能门禁等产品也能够精准地进行人员甄别。

　　科达智慧社区解决方案基于人工智能、大数据、物联网等技术，依托社区视频监控、人脸自助核验门禁/闸机、出入口车辆卡口、结构化摄像机等前端设备，通过智慧社区防控云平台，实现对社区车辆、人员、事件的全面、精准管理，同时为公安、物业、社区/街道办等部门提供相应的业务支撑。

　　通过社区出入口、公共区域监控、单元门人脸自助核验门禁等智能前端形成立体化治安防控体系，做到人过留像、车过留牌，不仅对社区安全进行了全方位监控保障，还可以实现人、车、房的高效管控，而且能够形成情报资讯，“反哺”公安民警、社区群众与物管人员，打造平安、便民、智慧的社区管理新模式。

　　以上几个行业场景只是“人工智能+安防应用”的缩影。当下，随着深度学习、大数据等技术持续突破，人工智能不仅会释放原来未被满足的大量市场需求，在公共安全、交通、楼宇等领域的安防行业市场中发挥重要作用，也会带来更多、更丰富的新场景、新需求，进而拓宽安防市场空间，推动智慧安防更加普及和深化。可以预见，人工智能对安防行业的驱动和颠覆力是远甚于前的。AI技术的融入，将进一步丰富智能安防的内涵与维度。

　　在安防行业，AI技术的先进性及未来发展趋势是毋庸置疑的，并且行业中已经有众多企业推出了相关产品和解决方案。虽然安防一直以来都是以人工智能最佳落地点自居，但从目前来看，人工智能在安防行业市场细分场景下的应用，还无法达到预期的效果，AI新产品的替换率依然在谋求新的突破。无论是参与各方企业实力，还是在技术研发和产品融合应用等方面还存在诸多的难点与困境。

　　（一）行业参与者层面

　　受限于各自的技术领域与行业发展，在安防领域参与AI技术研发应用的各方均存在明显的优劣势，这也是各方在持续推进AI技术落地应用中面临的一些难题。

　　首先，传统安防企业虽然表现出积极拥抱AI技术的态度，一些大型安防上市企业也提出对应策略，但时间点都集中在近两三年，成熟的AI产品及行业解决方案还相对较少，算法积累以及与行业的融合时间还较短。根据目前市场反应来看，传统安防企业AI产品依然局限于人脸识别、车辆识别以及相应的大数据平台的应用。

　　其次，部分AI算法企业虽然从四五年前就开始将视角转向安防领域，并基于自身在算法上的积累优势，推出了相应的AI安防产品及解决方案，但是算法企业在硬件制造、行业积累和渠道拓展方面，与传统的安防制造企业存在着很大差距，尤其是在细分领域的应用积累，亟须进一步提高。

　　最后，处于底层的安防中小企业既没有资金实力，又缺乏算法领域研发，也没有能力通过与各地公安业务部门建立合作关系获取大数据支撑，唯独有细分领域行业应用的经验。这也是AI时代，安防中小企业面临的一系列亟须解决的难题。

　　（二）技术层面

　　目前，人工智能技术在安防行业的应用表现出一种欣欣向荣的态势，但当前的应用还只是浅层次的，技术还不成熟，在一些场景应用中，人工智能还无法实现较为理想的落地效果。例如，AI在细分领域中环境适应性较差，目前鉴于车辆及道路环境的相对标准化，识别率相对较高，但对于人脸的准确识别则很容易受到光照不足、图像模糊、目标尺寸过小或相互遮挡等环境影响，以致影响到识别准确率。

　　另外，数据资源分散，安防领域监控数据的开放性和共享程度相对较低，很难开展多维数据的交叉融合分析，这使得人工智能分析缺乏有效的数据支撑，同样也会影响准确率。同时，不同的场景理解受限，由于缺乏有效的专业领域经验知识的积累，视频内容的理解能力偏弱，目前的智能分析多为单场景的目标检测和行为分析，很少涉及大范围场景的关联行为分析，以致很难用于异常行为分析和风险预测。

　　（三）落地应用层面

　　早在2012年，深度学习被广泛应用之后，部分AI算法企业将视角转向安防领域，并研发出基于人工智能或深度学习的AI安防产品。从产品线来看，主要分为人像识别布控系统、视频结构化分析系统、车辆大数据平台、警务大数据平台、AR实景指挥系统。但是在硬件制造、行业积累和渠道拓展方面，算法企业与传统的安防制造企业存在着很大差距，尤其是在细分领域的应用积累，亟须进一步提高。

　　从目前来看，实现AI技术在安防领域的落地，谁最先驾驭人工智能的“三驾马车”即精准算法、超强计算能力以及海量数据，谁就最具有先发优势。更为重要的是，谁能构建起以大数据为基础、以算法为推动力、以智能硬件为依托的结合场景化应用的整体解决方案，谁将最终把握行业应用市场。

　　（一）打造一线研发团队

　　视频的应用场景碎片化，各行业客户都有各自丰富的业务场景，业务逻辑不同，客户对于视频应用需求迥异。而所有场景化落地应用以及贴近实地的产品技术创新，都离不开一线研发团队。目前，算法初创企业在算法先进性上以及人才储备上拥有一定的优势，但这些优势并不是绝对的。从2017年起，国内传统安防企业纷纷发力人工智能，持续投入，招兵买马，储备人才，紧跟AI潮流。

　　科达在AI领域的投入是丝毫不吝啬的，公司每年的研发投入远超行业平均水平。截至2018年上半年，科达拥有研发人员2000多名，占公司总人数的50%以上，2017年的研发投入为479亿元，占营业收入的2624%。科达正逐渐建立起全面以市场为导向、以客户需求为创新动力的产品规划与研发体系。

　　同时，传统安防企业在管理上也需要跟上研发人才激增的现实，梳理企业管理、决策机制，适应创新型研发企业发展。

　　（二）拥有海量大数据支撑

　　在人工智能技术演进中，大数据是养分，行业发展的关键在于借助架构与技术，找到合适的方式，获取大数据，进而才能拓展垂直领域的应用。在AI时代，谁获取了场景化的海量数据，谁就掌握了进入该领域的通行证。

　　从行业发展来看，无论是传统安防企业还是新晋的AI算法企业，通过与各地公安业务部门成立联合实验室，向垂直应用领域提供技术，各地公安业务部门提供大数据支撑，双方共同开发垂直行业应用，并复制到其他领域，进而实现双赢。

　　截至目前，科达已经与郑州市公安局、柳州市公安局、苏州市公安局、合肥市公安局等一线公安业务部门建立了战略合作关系，获得了一线公安大数据支撑。

　　（三）提供丰富贴近实战的产品

　　相对于扎根已久的安防企业来说，AI算法企业并没有在安防行业市场长期积累的从业经验，缺乏对安防市场情况的深度了解，包括用户真实需求、产品生命周期、渠道体系、解决方案能力及工程体系等。

　　以公安行业为例，作为安防最核心的服务对象，目前通过AI赋能推进公安信息化建设。AI赋能公安业务，最终都需要以产品化实现行业应用，其中最为明显的是贴近实战的产品制造能力。

　　通过在人工智能、云、大数据等领域进行技术积累，科达把AI赋能警用装备，助力公安信息化建设。目前，科达已经在移动警务、智能单警执法记录仪、无人机、移动车载等诸多产品领域实现AI赋能。

　　（四）场景化应用解决方案的整合

　　现阶段，智慧城市、平安城市、“雪亮工程”以及大型活动中的安保复杂度越来越高，要求进行顶层设计、提供整体解决方案正成为主流的商业模式。越来越多的安防企业不断地强化自身的系统整合和集成服务能力，以赢得更大的市场份额。

　　目前，科达解决方案已覆盖200多个行业。以公安、法院、检察院、监管、教育等重点行业为例，有近20种解决方案覆盖公安各个警种；有10余种解决方案覆盖最高检、全国25个省检院及2000多个基层检察；针对法院行业也有近10种解决方案。

　　除了服务不同行业的客户，科达的解决方案还深度参与到了各类国家级的活动保障工作中，包括全国“两会”、北京奥运会、上海世博会、G20峰会、“一带一路”峰会以及近期刚刚在青岛结束的上合组织峰会。

　　科达结合自身丰富的行业解决方案能力，把强有力的算法支撑以及AI赋能的硬件产品融入到行业解决方案中，实现整体解决方案智能化程度大跨步的提升。

　　随着行业进入大浪淘沙的阶段，不管是算法初创企业还是传统安防企业，都只能脚踏实地，一步一个脚印前行。只有站在行业细分的视角上，以客户业务为核心，拓宽基础产品，深度整合解决方案，才能真正实现AI的落地应用。

　　在人工智能向安防赋能的过程中，各企业都在加大投入，无论是弥补AI算法的不足和AI人才缺口，还是加紧行业积累和渠道建设，最终都期望于能够为用户提供更加智能和完善的综合解决方案。因此，目前行业中推进AI赋能最行之有效的方法便是合作，相互之间的短板与长处相互弥补，找到合适的合作伙伴，实现优势互补，更容易走向双赢。在这个过程中，安防中小企业基于自身细分领域的经验，更易于通过与AI算法企业的合作实现双方共赢。

　　除了加强合作，整个行业也应当清楚地认识到，当前人工智能的整体发展水平仍处在早期或者起步的阶段，系统的智能化程度在短时间内还难以达到普遍性的实战效果，行业应该以更加严谨、更加开放的态度，持续以技术创新、应用拓展推动安防产业的升级换代。

　　（供稿：刘志强 苏州科达科技股份有限公司）