安防＋AI這個風口，可以說天然就是AI落地的最佳結合點，各實力公司也競相推出不少方案和試點。但是看到AI公司不斷融資的新聞，遠比看到AI在安防中落地的新聞還要多，而AI落地的新聞中又大多是介紹方案的，更夸張的是在專業(yè)研究報告里，居然九成的AI公司都是虧損的。

要想弄清楚這個最該爆發(fā)的風口上，為什么會有這么奇怪的現(xiàn)象，我們可能需要對安防＋AI進入一下深入的解析。

解析安防AI大規(guī)模落地的一線場景

安防AI深入落地的源動力，在于AI對安防工作效率的指數(shù)級提升。由于安防本身涵蓋的范圍較大，確切地說，AI更切近的場景是視頻監(jiān)控。視頻監(jiān)控擁有AI需要的龐大數(shù)據(jù)（圖像），而深度學習通過大數(shù)據(jù)建立的模型和識別邏輯又完全契合視頻監(jiān)控的應用需求。同時，其它安防數(shù)據(jù)又可以圍繞視頻監(jiān)控進行有效地補充和完善。

而要讓視頻監(jiān)控真正發(fā)揮效率，從它的建設初心來看，就是要對城市做到“全域覆蓋、全網(wǎng)共享、全時可用、全程可控”。也就是說，視頻監(jiān)控充分發(fā)揮效能的前提是大規(guī)模的，城市級的，乃至國家級的。這就說明安防AI如果不能實現(xiàn)大規(guī)模的落地，是無法真正提升視頻監(jiān)控利用效能的，這就是根本原因。

我們也應該看到，要實現(xiàn)規(guī)模性的安防AI落地，也確實存在著諸多障礙，最大的視頻監(jiān)控系統(tǒng)在公安控制中，各級各區(qū)域公安系統(tǒng)建設的視頻監(jiān)控不僅在調(diào)用權限上是有限制的，就是在建設標準上也不是完全統(tǒng)一的。這也是個大難點，但更大的難點還在于對安防AI落地要素的理解。

通常說AI應用的三要素是算法、算力和數(shù)據(jù)，很明顯，這樣的AI是做給自己用的，因為這和公安用的系統(tǒng)脫節(jié)了。后來不斷有人補充，提出算法、算力、數(shù)據(jù)、產(chǎn)品、項目、工程、場景、應用等一系列要素。不能不說，我們對安防AI的落地研究確實是在不斷深入地，也確實是有一定成效地，但是這種成效多半是建立在小規(guī)模試點，或者諸如演唱會、表演會、展覽會等活動型項目和工程上的。

如果深入公安一線，就會發(fā)現(xiàn)真正在使用視頻監(jiān)控的單位是刑偵、治安、交通、情報、指揮中心等部門，也就是說真正的要素應該是算法、算力、數(shù)據(jù)、場景、產(chǎn)品、應用。一半血統(tǒng)是AI，另一半是實際應用場景。這樣才能讓AI真正盤活視頻監(jiān)控資源，利用AI提高破案率，提升警務工作效率和對視頻監(jiān)控的整體利用效能。

實現(xiàn)安防AI大規(guī)模落地的六個創(chuàng)新關鍵

1、算法創(chuàng)新

說算法是國際開放的，應該不算過份，看看國內(nèi)時不時就有團隊冒出來獲得了某個國際AI比賽的冠亞季軍，還有當前頻繁的國際高端AI人才流動就可以知道。

ImageNet大規(guī)模視覺識別挑戰(zhàn)賽的停辦，也有算法已經(jīng)在當前條件下近于極致，很難再有突破性提升的原因。如何對比賽算法進行創(chuàng)新，使其在實際安防場景中落地，就成了安防AI大規(guī)模落地的首要關鍵點，要知道大多的路面視頻監(jiān)控安裝在近3米及以上高度，面向著30米及以上距離的高視角、大范圍進行攝錄。在目標逐步走近的過程中，拍攝到的畫面包含從小點到全貌，但更可能的現(xiàn)狀是只能拍攝到大致的模糊外形，人臉是根本無法識別的。

說到底，當前報道出來的AI抓逃基本都是基于近距離、卡口場景人臉檢測的，正如張學友演唱會，或者車站、火車抓逃。但這種算法對于大規(guī)模路面監(jiān)控起不了多大作用，所以公安系統(tǒng)不買單。不要問我為什么知道這么多，我在上一篇文章《安防＋AI，規(guī)模性落地中的關鍵三要素》中，已經(jīng)明白說過，基于安軟慧視的安防AI已經(jīng)在不少市局落地，我會去市局探密的。

2、算力創(chuàng)新

可能有些人會覺得隨著英偉達等芯片企業(yè)技術的不斷飛升，越來越高端的顯卡也逐漸推出，只需要將高端顯卡進行組裝，就會有超級算力。在理論上好像是可行的，但是成本呢？要知道我們歷來都是講性價比的。視頻監(jiān)控的PPP建設模式，不正是說明了國家對視頻監(jiān)控建設成本的嚴格控制嗎。在這種情況下，如何進行低成本算力創(chuàng)新，就成了第二個創(chuàng)新關鍵點。

3、數(shù)據(jù)創(chuàng)新

嚴格來說，數(shù)據(jù)并不存在創(chuàng)新，指的是對數(shù)據(jù)的大規(guī)模采集能力。安防監(jiān)控是公安的內(nèi)部資源，對外是不開放的，要想獲得，常用的辦法就是自己建。好在公安對新產(chǎn)品的試用包容度還是很高的，允許進行一些試點建設。但是這些試點足不足以支撐深度學習所需的動輒幾億幾十億的數(shù)據(jù)量，這是第三個關鍵點。

4、產(chǎn)品創(chuàng)新

解決了以上三個AI相關問題，接下來就是三個實際應用場景問題。通過什么樣的產(chǎn)品方案解決規(guī)模性安防AI的承載？常見的方案是智能攝像頭和后端結構化，也有說中心結構化、云端結構化，名稱不一而足。但是智能攝像頭要想達到實戰(zhàn)水準，高配是一定的，高配一定是高價。

目前美歐的發(fā)達國家，智能攝像頭比例也不超過5％，更何況一向節(jié)儉持家的中國。后端結構化對于小規(guī)模的還可以承受，大規(guī)模的，剛才說了英偉達高端的顯卡設備價格是昂貴的，低價格的處理能力又有限。這是第四個關鍵點。

5、場景創(chuàng)新

準確地說，是場景細分，在全國范圍內(nèi)公安視頻監(jiān)控畫面中，存在著打架、聚集、摔倒、事故、火災、搶劫等場景，在這種場景下，通過通用算法就可以構建模型�？墒遣徽f別的，光說南北方氣候差異下，人們的穿著、妝扮就可能完全不同，南方的11月還穿著短袖，北方已是大雪紛飛，棉衣棉帽，可能還有墨鏡、圍巾。如果還往下說，東北的夏天凌晨兩三點天就大亮，可是冬天黑夜也特別長。這是第五個創(chuàng)新關鍵點。

6、應用創(chuàng)新

突破了以上創(chuàng)新關鍵點，公安抓捕的實戰(zhàn)場景，如何進行現(xiàn)場勘查、如何進行線索查找，如何進行關聯(lián)碰撞，如何進行案情研判，如何調(diào)用已有的針對各警種的業(yè)務系統(tǒng)，要知道那系統(tǒng)可是五花八門，遠不是局外人能想象的。這種情況下怎么進行人性化應用開發(fā)，既能讓辦案人員用的舒暢，又能對現(xiàn)有的業(yè)務系統(tǒng)進行融合串連，這是第六個關鍵點。

說了這么多關鍵點，雖然看起來困難重重，但只要能潛下心，針對每個環(huán)節(jié)都進行開創(chuàng)性創(chuàng)新，是完全可以突破的。因為已經(jīng)有公司走在路上了。