如果說2000年左右全球科技焦點的思科，代表了互聯(lián)網10年的輝煌，那么今年大火的NVIDIA，則可能代表了剛剛開啟的AI時代。思科為互聯(lián)網提供基礎架構，而NVIDIA為AI提供驅動力。AI從70年代就跌宕起伏地發(fā)展，早期一直是學術界自High，基本未曾走入老百姓的身邊；如今，借助算法、芯片及數(shù)據，人工智能火熱起來，尤其是工業(yè)界反超學術界。群眾觀感也是冰火兩重天：有人擔心人工智能未來威脅人類，有人認為人工智能的目前很多表現(xiàn)是“人工弱智”，仍然不值一提。
客觀地講，目前人工智能尚屬起步階段，確實產品良莠不齊，各種偽智能宣傳的天花亂墜，但實際效果讓人大失所望。人工智能形式不是一定要科幻Style的、類人的、有胳膊有腿的機器人，而是很可能是一個輸入法、一個外賣應用、打車軟件、甚至新聞推送APP等，都是人工智能。人工智能不是一個具體行業(yè)，而是一個技術驅動，可以滲透到各個行業(yè)，即所謂的+AI。但目前，人工智能比較火熱的表象還是停留在自動駕駛、人臉識別等領域。
據說大概在五年前，我國公安系統(tǒng)內部出現(xiàn)了圖偵大隊——公安局內一個專門做圖像偵查的子部門，一線城市圖偵大隊可能有300-500人規(guī)模，是整個公安局較大的部門，伴隨城市攝像頭數(shù)量激增，人數(shù)可能還會擴展；但伴隨AI技術在安防監(jiān)控領域應用，圖偵的投入未來可能重在技術及設施，人員有望減少。
目前，圖偵領域比較成熟的應用是“車牌類”，車牌識別成熟，數(shù)據碰撞、軌跡分析、智能布控等手段屢屢立功。很多人抱怨抓車牌一抓一個，人販子沒抓幾個。其實車牌識別技術成熟、160邁以下識別率達90%以上；其次車都是沿道路行駛，布控容易；最后，車輛違章的規(guī)則很容易設定。如果嫌疑人舉著440*140的牌子在馬路上穿梭，其實也很容易逮到?？上麄儾蛔邔こＢ贰睅д謳а坨R，所以即使偶爾出現(xiàn)在治安的攝像機下，也不容易識別。
回到公安同學的問題，這是個很好的問題，也代表了人臉識別在實戰(zhàn)領域的進展。目前，越來越多的機場、口岸、車站、地鐵開始部署人臉識別，這些人流密集的地方，部署人臉識別環(huán)境還是比較合適的，室內光線好、通道范圍小、攝像機角度合適，目標距離近，并且都是高大上的行業(yè)，基礎設施比較好（大多是高清、網絡攝像機）。對于突發(fā)要案或者緊急協(xié)查，在1：N（靜態(tài)模式）的識別模式下，或M（?。篘（動態(tài)模式），那么基于目前人臉識別誤報率（按97%）及服務器計算量，系統(tǒng)負荷力及誤報率都是可以接受的，但破案效率及提供的有價值情報信息則非常巨大。
人臉識別進行布控的優(yōu)勢是不基于證件等其他容易復制或篡改身份特征。
目前北京地鐵有1000多個車站，早期地鐵站攝像頭數(shù)不多，后來逐漸增加，早期是模擬攝像機，后來MPEG-2/4編碼、后來H.264高清，目前每個車站平均100個攝像頭是有的。其實在進站口、閘機口等“要塞”進行升級或者部署人臉識別攝像機即可，而不可能按100個攝像頭這么計算，這樣，總體人臉識別攝像機數(shù)量沒那么多，M:N模式的運算力和錯誤數(shù)量也沒那么恐怖，不至于導致人臉識別系統(tǒng)崩潰。
再說街頭的攝像機，街頭的攝像機是“廣域、大范圍監(jiān)控及巡邏”的用處比較多，以目前人臉識別技術，對戶外光線、角度、距離、人臉像素（80*80像素比較理想）等要求還是比較嚴格的?；趹敉獯蠓秶矙z的重要意義與價值，已經有AI廠商基于此痛點進行定向研發(fā)，據稱50米范圍識別人臉如探囊取物。此產品的出發(fā)點及市場空間非常好，但是尚未落地，沒有反饋，并且單體價值應該不菲。
回到安防產業(yè)，基于AI的安防監(jiān)控，絕不是幾年“智能分析”時代群魔亂舞的格局，未來真正能敢于宣傳自家是“AI+安防”的可能無非三五家。AI的研發(fā)，需要的GPU集群，最新的Tesla V100高性能計算卡造價百萬，AI研發(fā)人員年薪動輒百萬，AI算法需要千億視頻海量大數(shù)據“喂養(yǎng)”，試問有幾個安防公司能承受如此？安防人工智能四個核心競爭壁壘：算法能力，數(shù)據能力，產品化能力，渠道能力。
AI技術方面，一些新興的算法公司有一定優(yōu)勢，如曠視、商湯、云從等，但是在安防行業(yè)積累及數(shù)據方面，遠不如老牌安防公司如?？?、網力、大華、宇視、科達等公司。AI從實驗室的科學家身邊，走向工業(yè)界，算法是其一，數(shù)據能力、產品化能力及渠道能力，更是考驗。AI大幕剛剛開啟，安防行業(yè)作為先頭部隊，攜AI重火，實戰(zhàn)力提升幾何，拭目以待！
‘
下載文檔
