安防+AI落地场景中的痛点

有人说，2019是AI场景落地应用元年，从当前AI在安防监控场景下，已经由安软慧视实现了首个城市级大规模智能化落地应用方面，我想这么说是合适的。毫无疑问，在安防这个当前最大也最具想象力的落地应用场景中，卷入这场竞争的，已经从安防企业与AI新贵两大势力之争，进入到了安防公司、AI公司、互联网科技与通信公司、云服务公司四家争鸣的局面。

在目前的四家争鸣中，有的关注把单个摄像头功能做大做强，实现以一顶百；有的关注视频中枢平台，希望利旧为新；有的关注做云端化平台，以期成就数据和应用承载；有的关注生态化平台，希望能统领全局。从当前市场需求的复杂性来看，确实很难辨出优劣之分，每套打法都集合了各家的长处，也都有合理之处。我们相信在终极目标一致的情况下，这些方案一定会不断融合，共同走出一条最为经济适用的安防+AI信息化、智能化之路。

我们都知道安防是个极其碎片化的市场，只有实现了低成本的规模性智能化，低成本的强大算力，高精准的场景识别算法，快速的检索应用能力，以及政府持续推动城市数据统一时，碎片就能混而为一。所幸的是，这些条件正在慢慢成熟，而且与金融、零售、医疗行业相比，安防由于属性特殊，应用场景明确，使用路径单纯，更像是一个应用点单，而不是一个庞大的复杂生态。正是因为简单，对技术的革新应用，就可能实现对面（也就是规模），进行升级改造，使行业重新洗牌。

要实现规模性落地，就必须先理解落地场景中的痛点需求，注意是理解而不能只是了解，了解只会让我们一直站在场外看热闹。

痛点一：现有系统智能化

安防中最大规模的工程是天网工程和雪亮工程，目前已建成的就有超过四千万路，基本上已经形成了“点上覆盖，面上成网、外围成圈，覆盖城乡”的格局，这么庞大的系统现在正在发挥作用，我们首先要做的应该是让它全面的、深入地发挥作用，这是当前安防市场的底色，不解决底色问题，再怎么折腾也只是点缀，点缀就一定无法解决密度问题，密度问题解决不了，就一定无法解决整体效能问题，一定要首先实现规模化的原因和前提就在于此。

痛点二：现有系统和新型智能摄像机的融合

这可以知道，上一点中，并不是说新型智能摄像机不重要，恰恰相反，很重要，对应用能力的承载和检验还都是离不开新型智能摄像机的，只是我们得既要看到点缀也要看得到底色。并且能让底色和点缀和谐共处，互相协作。如果没有传统视频监控智能化，新型智能摄像机就是孤军奋战，如果没有智能化能力，传统监控系统依然是个存储系统。

痛点三：安防监控系统实战应用知识

我相信现在应该很少再有人会觉得“算力、算法、数据”是解决不了的问题了，只是它够不够经济，而“场景、应用、知识”却成了决定AI能不能落地的关键点，直白地说，能不能让现有的安防实战场景真正爆发出颠覆性的效能革新，这才是检验AI能不能落地的定海神针，实践标准。不了解应用场景，不知道实战应用逻辑，不清楚嫌疑人作案心理，不明白侦查与反侦查手段……要想真的做好这件事，恐怕真挺难的，就象是在玩一场不清楚游戏规划的游戏，胜算可想而知。

痛点四：实战场景算法标准化

我们知道深度学习就象是教小朋友认识猫，不断地给他看站着的猫，卧着的猫，躺着的猫，跳跃的猫，睡觉的猫，黑色的猫，白色的猫，花纹的猫，只露出半个身子的猫，还有卡通的猫等。而实战场景训练学习算法要比这难的多，比如说打架，什么姿势算是打？被打的人呈现什么姿势能判断这是打架还是搀扶？即使都呈现了这样的姿势，那怎么判断是玩闹还是伤害？更进一步说，一家进行了判断，其它家的判断会不会有差异，这些有差异的数据怎么整合……

痛点五：成本，成本，成本

让政府不计成本地进行改造，这显然不现实，算力要经济，算法要经济，硬件要经济，维护要经济，应用要经济，只有整体实现了低成本，才能够被大规模的实施落地。

痛点六：人才，人才，人才

上面提到的痛点，即使都解决了，能不能落地依然是个未知数，因为把零星的痛点整合成实际可用的解决方案要通过人才，实现技术与实战的结合需要有经验的人才，把场景训练成实战思维模型需要人才，项目工程的落地也需要人才。目前人工智能仍然是人工+智能的状态，在脱离的人工的情况下，只谈智能也不太行得通。

赋能安防，就是为实战应用赋能

说到底，检验赋能效果的唯一标准，就是安防的应用效率和效能的明显提升。安软慧视首个城市级大规模智能化场景的落地，最后体现出来的就是让现有的安防系统变的好用了，原来查案需要不断看视频，现在只需要看图搜索就可以了，原来费时费力，高强度的人工，现在让机器做了，破案人员的工作积极性就被调动起来了，破案速度和破案数量也就自然得到了提升。可以看出，关于赋能安防，我们可以从以下几个方面展开。

1. 资源库建设模式赋能

安防监控资源库在未赋能之前，只是一个简单的视像记录和存储系统，查询它的唯一方式就是用人工去看，提高查找效率的方法就是用倍速去看，这种资源模式带来的痛苦是可以想象的，对，就是很快就会头晕眼花，眼睛肿痛。而赋能之后，就会把视频流变成图片库，并且每张图片都会标记上人物、车辆及物品的详细信息，比如，人的外貌衣着特征，如黑色长发，戴眼镜，上身穿红色长袖外套，内衬是白色衣服，下身穿蓝色牛仔裤，脚蹬红色高根鞋，左肩挎着黑色挎包……这些图片不仅会关联到摄像位置，也会对同一张图像中的人车物进行智能关联。这种以目标为前提的资源库建设模式，为视频的智能应用提供了基础支撑。

2. 查询效率模式赋能

因为资源库中的每个元素，都是有多维度进行描述的，当查找信息时，可以从多个角度进行组合检索，就像是百度搜索中用不同的关键词搜索一样，也就是说，对人的查询，只需要按照现实的条件去查询，不但可以精确地快速检出不变的图片，即使中途有部分特征出现转变，依旧不影响查询。

3. 工作流程模式赋能

在安防没有与AI融合之前，整个工作流程是围绕着不可检索的视频，只能人眼看，然后再人工分析路线，这样的查找效率可想而知，好不容易查到了，嫌疑人早就无影无踪了。而智能化之后，工作流程是围绕着可检索的图像库进行的，可随意的变换查询条件，更关键的是，这种查询可以做到实时，对嫌疑人的追踪几乎是没有时间差的，相当于在嫌疑人头顶上飞着的无人机。

有了以上对资源库建设、查询效率和工作流程模式的赋能，安防实战效率就会出现革命性、颠覆性的提升。

安防+AI，强强联合共享共赢

安防+AI是个庞大的市场，不可能一家通吃，既需要参天大树，也需要茂密的丛林，在这个产业链条上，算法+芯片、设备制造+解决方案、行业应用+渠道能力三级生态互相关联，成功就是三级生态一起的成功，一荣俱荣，一损俱损。