人工智能热潮下,安防行业仍有四大挑战等待突破

亿欧网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  
人工智能热潮下,安防行业仍有四大挑战等待突破

本文转载自“中国安防协会”,作者中国安防协会。原标题《人工智能落地环境良好,但仍面临四大挑战》。亿欧 智慧城市 对文章进行二次编辑,供读者参考。


安防+AI经过三年多的探索发展,去年以来逐渐“脱虚向实”, 智能+安防 从概念宣导、技术较量,迈向产品、场景、实战应用阶段。从目前来看,推动AI安防的落地应用,当前产业的发展环境完全具备支撑能力。

比如在芯片方面,目前Intel、NXP、AMD、GOOGLE、苹果、IBM、ARM、高通等国际知名芯片厂商以及华为、寒武纪、比特大陆、深鉴、地平线、中星微等国内芯片厂商都在AI芯片上持续发力,目前无论是云端算力或边缘算力都有较大幅度提升。

浙江大华技术股份有限公司,研发中心副总裁殷俊提到,目前各节点上的 国产芯片 大部分已经出来,并且在性能、性价比方面都有很大提升,随着成本大幅度下降,人工智能未来在安防的普及化、普适性会很高。

随着算力的大幅提升,不管是端侧还是中心侧计算能力越来越强,殷俊认为当端侧的计算能力增强时,中心侧未来也会有演进,中心侧将会对数据跨空间、跨时域的碰撞并实现数据的融合,这会驱动数据产生新的价值链。端侧、边缘侧、云侧三端的融合计算,是未来计算发展的必然环节。

人工智能落地环境良好,但仍面临四大挑战

在算法方面,殷俊认为当前人工智能算法不断往前演进,它的工具链、行为逻辑、学术研究领域、工程应用领域也在不断发展和突破。同时,算法的发展一定要面向场景,需要基于用户场景去适应。

因为不同的应用场景对算法的要求和设计思路不一样,那么在具体的算法应用上,从检测到分析识别的全流程应用也就产生了差异,所以未来算法会形成场景式的差异化发展。

在产品方面,目前AI产品从云端智能向边缘智能拓展。现在不管是传统的安防监控厂家还是AI厂商,都推出了边缘智能产品。殷俊认为,在感知层面大家强调在边缘侧做采集分析,是因为边缘侧的计算延时小,可以实时计算视频数据,且边缘侧做分析会大幅降低网络和系统的开销。

以 视频应用 为例,通过编解码后,传到在云端解码后的图像会有损耗和延时,质量无法和前端相比,从算法分析角度就无法达到最佳的效果。因此,在边缘侧完成大量实时分析的数据计算,在云端完成大规模时空数据的检索和挖掘,形成计算融合的系统是未来发展的趋势。

除了芯片、算法、产品的进步,目前包括5G通讯、传感等这些技术能力的提升,也为安防的“智能+”赋能,诞生出创新的智能应用。但发展中也面临诸多挑战:

视频数据深度融合应用要提升

如何对现有视频进行深度应用,将被动查证的事后应用模式,转变为主动防御的事前应用模式是安防行业的迫切需求,但目前这块的应用仍有待加强。中山大学教授及广东人工智能专家委员会主任赖剑煌表示,安防应用产生了很多数据,数据怎么转化成知识?

目前在这方面做得不是太好,或者说是这波人工智能深度学习的局限,如何把这些数据转化成知识,这需要能实现小数据大推理的深度学习新方法。

智能化应用的技术特点决定了其本身也是一种综合化应用。安徽省公安厅科技信息化处科长张敬锋提到,目前公安机关从业务实践中感受到了,人工智能初步与视频 监控 结合带来的成效。但如何在大数据战略的引领下,需要进一步紧紧围绕实战和实用。

针对跨技术领域的广泛融合,跨业务部门的综合应用,在实战的有效性上给公安民警赋能,在实用的便捷性上给基层民警减负,依然是当前人工智能在公安业务领域的痛点和难点问题,需要进一步解决。

公安行业作为安防重点服务应用领域,在整个安防行业发展过程中有举足轻重的作用。中安协专家委员会战略组组长及广州安防协会会长顾友良表示,公安用户的需求是在业务开展的要求下不断变化的,这就需要AI技术不断的跟着需求走,通过需求来推动技术的发展。

同时,在技术共性的发展下,落到各个场景里面一定是百花齐放,多姿多彩的,而汇聚起来的数据又是统一的,这样才能把数据的共性与个性呈现出来。

新技术需要推进落地

目前,安防行业核心的AI技术包括人体识别(人脸和人体)、车辆识别等都实现了较好的应用。赖剑煌教授提到,现在人脸识别、车牌识别技术已经达到不错的水平,目前人脸识别在视频监控里面用得比较好,但大范围的行人再识别应用还没有见到,比如看不到人脸的时候,这要靠行人再识别技术,结合人脸再识别来做精准布控。

目前许多重要场所的安检,例如地铁安检,还要花财政很多钱,浪费了大量的人力物力。这说明基于视频监控安防技术的研发与应用还不到位,如何利用视频监控技术,简化 安检流程 和提高安检水平还有很大的推进空间。

行人再识别是利用计算机视觉技术,判断图像或者视频序列中是否存在特定行人的技术。在视频监控应用中当监控系统看不见人脸或者无法看到人脸,这就依赖于行人再识别技术。目前遍布城市的摄像机里面,符合人脸采集标准的摄像机占比较少。而要最大限度挖掘传统平安城市、天网工程的 治安摄像机 的潜力,行人再识别技术非常重要。

此外,音视频系统中的声音一直没有得到充分挖掘,而在应用中用户其实有迫切的需求。安防研究所王静介绍,现在一些发射场地面设备设施安全的全寿命管理项目,非常注重如何将音视频结合应用。

以前发射场的管理主要是靠人进行检测,现在有了视频应用,那么除了视频分析以外,如何把音视频结合起来进行智能化分析,这也是人工智能的应用,并不只是一些数据标注、分析才是人工智能。声纹+CV技术结合的应用将产生巨大的潜力,需要不断研究。

多算法融合要加强

在实际应用中,不同算法分析功能独立部署的情况很常见,如此应用效率会大打折扣。王静表示智能识别在一些项目应用中,就面临这样的问题。她认为,现在应用中对人的行为分析结构化仍比较简单,怎样更细致地进行识别仍待解决。

“目前我们项目应用希望可以把人脸识别和行为分析,用一个摄像头结合起来做智能分析,但目前的算法好像不太支持这种应用。应用中仍需有专门的人脸识别摄像机,外加专门的大场面行为分析摄像机,这种分开应用有些割裂。”王静表示。

这样的问题在公安应用中也出现。张敬锋科长提到,当前公安机关对智能化从单点的应用,已经拓展到了“云、端、边”的综合部署。特别是前端设备的选型上,对智能设备的一体化提出了要求,具有人脸、人体、车辆结构化、行为分析等多算法融合,还有高效编解码、传输,有线与无线结合以及安全防护等功能。

完全符合GB/T25724、GB35114、GB/T28181标准的综合性、一体化智能摄像机已经成为当前“雪亮工程”深入建设应用中的迫切需求。如果有这样的产品推出,肯定会受到公安一线实战部门的欢迎,也会有更大的市场空间。

算法分析层是人工智能技术的核心,算法的优劣决定了人工智能技术的应用效果。面对用户难题与需求,厂商仍需要在多种算法融合部署、全景多镜多任务协同等多个功能的叠加方面持续发展,以改善需要堆砌不同算法分析服务器,来满足用户需求的问题。

对于算法融合的发展,殷俊认为现在对人、车、物分析的算法在不断融合应用,随着智能化的演进,未来的融合还将包括音视频、雷达、热成像等。通过多维感知解决单一感知数据的弊端,赋予人工智能更多维度的数据,来提升或解决具体场景中的智能水平。

行业协会要引导产业做布局

当前安防行业被视为人工智能最具市场空间的行业之一,在这一波发展赛道上挤满了各层面的参与者。安防市场应用前景很诱人,目前有很多企业进入,但整体来看业界只有一些大企业赚钱,更多中小企业严格意义上并不赚钱,一些创新企业是靠资本投资支撑着,因为很多企业差不多是在做重复的事情。

从安防协会的角度看,要引导企业对产业进行合理的布局和创新,对企业进行指导,帮助企业能够获取利润,因为企业有了利润,相关技术才能得到更好的进步,产业才能得到更好的发展。

对于安防人工智能的发展状态,目前AI是从上往下没有穿透,就像下雨,雷声很大,也下了点雨,但没有下透,所以庄稼长不好。如果让AI进入万众企业的智能+世界,把技术共性融到小企业的系统中去(这比一两家大公司打通这个领域要快)。

这样可以形成遍地各种各样“智能+”的应用形态,行业协会这时去建新标准或建立一个新机制,通过标准或机制可以把这些“智能+”的数据进行广泛连通,形成更多的“智能+”应用,将促进产业智能化更好发展。

编辑:唐宇恒

本文已标注来源和出处,版权归原作者所有,如有侵权,请联系我们。

随意打赏

人工智能技术应用领域人工智能的应用领域人工智能的发展趋势智能制造解决方案人工智能安防峰会人工智能的前景人工智能大数据人工智能热潮四大人工智能人工智能
提交建议
微信扫一扫,分享给好友吧。