AI已成為安防的標配，以海大宇科為代表的傳統安防企業以及商湯、曠視、依圖、云從等AI新貴均全面進軍智慧安防，從產品線來看，主要分為視頻結構化分析系統、人像識別布控系統、車輛大數據平臺、警務大數據平臺等。目前隨著技術逐漸成熟，產品也向智慧能源、智慧醫療、智慧金融等領域延伸。毫無疑問，人工智能技術將是未來安防企業研究的重點。
不過，人工智能在實際應用中還需要面對更多、更復雜的場景，以智慧安防中應用最多的人臉識別技術為例，目前人臉識別準確率已達到99%以上，超過人眼識別準確度，但在實際應用中算法偏見、遮擋、光線、特殊表情等因素會提升誤判可能性，應用價值大打折扣，此前亞馬遜人臉識別就曾將28名美國國會議員誤判為違法分子。而數據顯示，以視頻監控為代表的智慧安防滲透率不足2%。
正如華為董事、戰略Marketing總裁徐文偉所說：人工智能在實際應用中沒有測試場景下效果理想，至少沒有想象中那么好。
智慧安防往往有特定的場景要求，從數據的識別、傳輸到處理均面臨著不小的挑戰：前段設備只有在特定場景下才能保持較好的識別率，識別出后需要將大量視頻數據傳輸到云中心，這對網絡帶寬提出了很高的要求;而云中心數據利用率較低，基于結構化視頻數據的深度智能尚處于發展早期;而無論哪個環節都需要提供足夠安全的網絡，否則數據泄露將會造成嚴重的后果。而智慧安防應用方案落地后，也不得不考慮用戶學習與組織保障成本。鑒于智慧安防流程長、涉及系統眾多，一套具有前瞻性、系統性的頂層設計必不可少，這也是智慧安防能否真正落地并取得實際效果的前提。
此外，值得一提的是，當前智慧安防算法、 產品及解決方案以企業標準為主， 亟待建立面向實戰的行業級標準。
結語：一言以蔽之，智慧安防之所以在落地上存在不足，主要是由于新技術以及行業尚未發展成熟，在產業鏈逐漸成熟的過程中，各廠商應該將用戶放在核心位置，不僅要深入了解具體落地的細分場景，還要對整個工程審批與實施的流程有深入理解，唯有如此，才能真正明確用戶的需求與痛點，讓AI“落”下來。
京公網安備 11010502049343號