在AI變革之下，傳統安防企業積極擁抱AI技術，一些大型安防上市企業也提出對應策略，但時間點都集中在2016年北京安博會上，成熟的AI產品的推出則在一年后的深圳安博會上。因此從時間上看，算法積累以及與行業的結合時間還較短。
在日前發布的《2018中國人工智能商業落地研究報告》中，顯示2017年中國AI創業公司獲得的累計融資超過500億元，但2017年AI商業落地100強創業公司累計產生的收入卻不足100億元，90%以上的AI企業虧損。
一方面，人工智能教育、投融資高潮迭起，另一方面，AI初創公司商業落地卻舉步維艱，一上一下兩者呈現冰火兩重天的格局。目前人工智能產業雷聲大、雨點小，AI正遭遇商業落地之痛，似乎已經成為業界人士的共識。
01在企業層面，AI落地安防主要存在的問題
目前來看，實現AI技術在安防領域的落地，誰最先駕馭人工智能的“三駕馬車”即精準算法，超強計算能力以及海量數據，誰就最具有先發優勢。更為重要的一點是誰能構建起以大數據為基礎，以算法為推動力，以智能硬件為依托的結合場景化應用的整體解決方案，誰將最終把握行業應用市場。
現實情況卻是在安防領域參與AI建設的各方均存在明顯的優劣勢，無法做到一統江湖。
處于最底層的安防中小企業既沒有資金實力，又缺乏算法領域研發，又沒有能力通過與各地公安業務部分建立合作關系獲取大數據支撐，唯獨有細分領域應用的行業積累，這也是AI時代，安防中小企業亟需解決的難題。
02在技術層面，AI落地安防主要存在的問題
目前來看，人工智能技術在安防行業的應用還只是淺層次的，技術還不成熟。
七牛云AI實驗室聯合創始人林亦寧在「2018中國人工智能安防峰會」曾表示：技術落地過程中，比如說經常會碰到一些問題，當需要把一些傳統的老民警的經驗轉化成算法模型的時候，客戶往往會告訴你說這個數據不能出場，只能在場內進行迭代。還有比如它的數據的類型和我們實際上能夠接觸到的數據類型，或者我們平時積累比較多的數據類型完全不是一類分布的情況下，該如何做好這些事情，這都是很細節的問題，但是實際在操作的過程中都是很重要的問題。
例如AI在細分領域中環境適應性較差，目前鑒于車輛及道路環境的相對標準化，識別率相對較高，但對于人臉的準確識別則很容易受到光照不足、圖像模糊、目標尺寸過小或相互遮擋等環境影響，以致影響到識別準確率。
另外，數據資源分散，安防領域監控數據的開放性和共享程度相對較低，很難開展多維數據的交叉融合分析，這使得人工智能分析缺乏有效的數據支撐，同樣也會影響準確率；同時，不同的場景理解受限，由于缺乏有效的專業領域經驗知識的積累，視頻內容的理解能力偏弱，目前的智能分析多為單場景的目標檢測和行為分析，很少涉及大范圍場景的關聯行為分析，以致很難用于異常行為分析和風險預測。
|
