近兩年來，AI作為一項降本增效的工具，賦能于傳統行業，使得部分傳統行業發生了較大變革。縱觀AI對傳統行業的影響，目前看來，應屬安防領域最為深遠。如果將2016年稱為“AI元年”，那么，2017年則可稱之為“安防AI元年”。

從2016年到2017年，AI技術在安防領域發展得異常迅猛，從2017年深圳安博會上，我們可以看到，不論是傳統安防巨頭，還是新興AI廠商，都毫無保留的展示了他們的AI產品與技術，尤其以人臉識別、視頻結構化最為火熱。相比前幾年，在2017年發生的最大變化，就是AI技術在安防領域從此前的“講概念”階段，已經發展到“產品化”、“市場化”階段。我們可以看到，人臉識別相關的產品已經成功落地應用，如深圳龍崗公安建設的人像大數據布控系統，實現了近3000路攝像頭的動態人像布控，這算是一個比較成功的落地項目。

一、公共安全對AI需求迫切

“人工智能”，筆者把它解釋為“將人的工作智能化”，即通過賦予機器某種智能化的能力，讓它可以處理人的工作，當然它要比人處理得更高效。近年，AI在安防市場應用逐漸落地，主要有以下幾方面的因素。

首先，安防行業對于AI技術迫切的市場需求。技術的發展源于需求的驅動。舉個例子，2012年引發輿論廣泛討論的12306購票網站癱瘓事件，源于高峰期平均每秒數十萬次的請求。顯然，12306購票網站的設計團隊當初并未想象到會有如此高并發請求需求，因此在設計系統時他們也沒有進行相關的技術研究與準備。而從目前12306的購票體驗上，顯然系統已能承受了這樣高并發的訪問需求。我認為這是一個需求驅動技術改進的典型案例。

而對于安防行業，主要的應用場景是視頻監控，視頻監控的主要目的就是事后的線索查詢及錄像取證。當前，隨著我國平安城市及雪亮工程建設的大力推進，監控探頭覆蓋面越來越廣，監控點位越來越多，如此大規模的監控攝像頭，每天都要產生大量的視頻錄像，當發生案事件后在這些海量的視頻錄像中，依靠人工去獲取案件線索工作量非常巨大。況且我國的警力資源嚴重匱乏，據統計，我國的警察與人口比例僅為0.13%，處于世界低端水平。因此，如果完全靠人工去逐個調閱錄像文件來進行線索排查，可以想象案件的偵破效率將極其低下。因此，將AI技術引入安防行業的需求變得極為迫切，通過機器來高效處理人的工作，協助民警快速準確尋找案事件線索，成為公安干警們翹首以盼的事情。在市場需求的驅動之下，AI技術在安防行業的發展尤為迅速，在過去兩年中，許多安防AI廠家脫穎而出，并成功的推出了相關的AI產品。

其次，安防行業擁有海量的數據來滋養AI技術的發展。如果把AI比作一頭猛獸，那么這頭猛獸是需要用數據來喂養的，數據越多越豐富，它就生長得越強壯，沒有數據這頭猛獸便無法生存。

我們知道，大型的互聯網公司，如BATJ，他們擁有的數據量是非常驚人的，他們都擁有數億的用戶，這些用戶每天為這些互聯網公司帶來龐大交易額的同時，也帶來了海量的數據資源，互聯網公司基于這些海量的數據資源，結合AI技術，能為他們提供更高效的智能化運營服務。

而在安防行業，最不缺乏的也就是數據，尤其是視頻圖像數據。一個中等規模的城市，按布點10萬路1080P攝像機計算，這個城市每天就可以產生約30PB的視頻圖像數據，一年可產生約10EB的數據量。如此龐大的數據，為安防AI技術的發展提供了絕好的原料。如果把AI算法比作一把刀，那么數據就是磨刀石，數據越多越豐富，那么這把刀就會被磨得越鋒利。

再次，我國政府對于人工智能產業強有力的政策支持，也推動著AI技術的發展與應用。2017年7月，國務院關于印發《新一代人工智能發展規劃的通知》以及《“互聯網+”人工智能三年行動實施方案》，從政策層面積極引導并規劃發展人工智能產業;工信部也印發《促進新一代人工智能產業發展三年行動計劃(2018-2020年)》，意在加快人工智能從戰略到落地，推動人工智能和實體經濟深度融合;另外，公安部制定的“十三五規劃”，也將AI技術在安防行業的應用放在了比較突出的位置。

在需求、數據與政策的多輪驅動之下，2017年AI技術在安防領域的發展勢頭非常良好，基于視頻的安防AI技術，如人臉識別技術與視頻結構化技術已率先產品化，并已成功落地應用。但是，我們還是要清醒的認識到，目前的成功只是一小步，在后面AI技術在安防領域進行大規模市場化應用的道路上，依然面臨著諸多的困難與挑戰。

二、AI在公共安全領域的落地應用

作為計算機視覺技術中最成熟的分支應用，人臉識別目前在安防領域應該算是比較成功的落地應用。盡管該項技術已相當成熟，但是其應用場景依然受限。在“1:1”應用場景下，比如人證核驗，人臉識別技術已完全達到了商用化的水準，但這種場景對人與攝像機位置(包括距離、角度)的約束性較強。而在安防領域，人臉識別最核心的應用場景就是構建“人像天網工程”，“人像天網工程”要求在各種復雜的場景下，比如交通路口、地鐵站出入口、公交車站、火車站出入口、廣場、商場、醫院等人流量較大的室外場景，都能盡量完整、準確的識別人臉信息，并與重點人員庫實時比對，產生告警，這樣就可以實現對犯罪嫌疑人進行全城布控的效果，這就是人臉識別“n:N”應用場景。在這種場景下，人與攝像機的位置是無法控制的，此外還受不確定的天氣、光照等條件影響，這對人臉識別技術的場景適應性提出了較高的要求，目前看來，現有的人臉識別技術對這種復雜場景的適應性還不夠完美，不過相信隨著AI技術的不斷革新，最終我們的人臉識別技術所能適應的場景會越來越廣泛。

視頻結構化技術，作為計算機視覺技術中的另一項重要的AI技術，2017年也獲得了快速的發展，許多安防廠商的視頻結構化產品已初具雛形，該項技術相對于人臉識別技術，發展略顯緩慢。目前市場上視頻結構化的落地項目其實還是非常少。主要原因在于現有的視頻結構化算法在復雜場景下，識別準確率并不高，難以商用;另一方面，視頻結構化主要是對視頻中車輛特征結構化以及人體特征結構化，對于車輛特征的結構化，市場早已有成熟的前端產品，如卡口電警，雖然識別的特征屬性有限，但是基本還是可以滿足一些應用需求，所以客戶對于視頻車輛結構化的需求并不是特別強烈。而對于人體特征的結構化，目前看來，實際應用意義相對偏弱，目前可以想到的就是人體特征搜索、以人搜人等基礎應用，更豐富的應用還有待進一步挖掘。

此外，阻礙AI產品大規模市場化應用的另一項挑戰來自于成本。目前，AI產品普遍成本高昂，在有限的財政投入下，對于政府客戶來講，AI產品也是一件奢侈品，政府沒有財力大規模投入應用。但是隨著技術的不斷發展進步，AI產品的成本會逐步降低，會促進AI產品大規模市場化應用的進程，因為只有大規模市場化應用，才能真正的凸顯AI產品的價值。

三、未來趨勢展望

隨著安防AI技術的發展，筆者認為未來的兩三年，各大安防巨頭及AI廠商將會著力解決AI產品大規模市場化所面臨的挑戰，包括解決AI算法對復雜場景的適應性問題以及高成本問題;另外，隨著芯片技術以及AI技術的快速發展，AI產品前端化將逐步成為趨勢，這樣可以減輕后端分析的壓力，讓后端專注于數據的處理，專注于行業業務。此外，隨著人臉識別技術及視頻結構化技術的逐步完善，后續基于視頻的AI技術可能會偏向各種復雜事件的分析，實現對視頻內容的充分解析。