據《中國人工智能行業市場前瞻與投資戰略規劃分析報告》統計數據顯示，預計到2020年全球人工智能核心產業規模將超過1300億美元，年均增速達到60%，我國核心產業規模將超過220億美元，年均增速接近65%。隨著人工智能在我國移動互聯網、智能家居等領域的發展，我國人工智能產業將持續高速成長，預計到2022年，國內中國人工智能行業市場規模將達到680億元。

正是這一輪AI的到來，讓安防真正跨入到智能化時代。安防對AI技術的運用，已經從簡單的人臉識別、車牌識別，上升到了多維數據碰撞、數據融合上，但是數據質量、信息孤島等問題，讓信息維度和數據維度遠遠不夠，導致相關應用無法很好的展開。

但可喜的是，越來越多的企業意識到——AI產業的發展已經不是單純比拼AI算法或設備智能化。目前我們看到，許多科技媒體較安防垂直行業媒體更為關注AI的發展動向，尤其是在安防領域。

這一輪人工智能熱潮發展至今已有四五年的時間，對于安防產業而言，人工智能并不是新鮮的技術訴求，因為在很久以前行業就被這樣的需求所驅動，視頻監控從“看得清”到“看得懂”，需求一直存在，因為這是用技防去替代人防的一個核心能力。但很久以來產業仍處于一種技術與用戶需求或方案需求之間存在巨大鴻溝的狀態。

在深度學習出現之前，人工智能在安防領域的應用十分受限，沒有辦法大規模推廣，基本只有車牌識別的應用相對成熟，因為它的應用場景相對規范。人臉識別雖然應用需求廣泛，但由于場景的復雜性，限制了人臉識別的大規模普及應用。

然而這一輪人工智能技術的發展，使得現有的人工智能尤其在計算機視覺領域的性能實現了很大突破，所以我們現在會更泛化的去看待安防領域的人工智能。它并不僅僅局限在安全管理上，視頻監控其實更多是一種視覺傳感器的角色，有了AI加持之后，它可以提取更豐富的數據信息，把物理世界進行數字化轉化，然后為包括安防和更多其他實體經濟的行業領域賦能。

在實際的測評中發現，在一些標準化的場景中，人臉識別、人證合一、車輛結構化描述等AI技術應用擁有較高的成熟度，應用效果很好。但在一些非標準化的場景下，比如開放式的1：N人臉識別或是非交通卡口的治安監控點，由于安裝角度、光線環境等因素，人臉和車輛的識別分析效果依舊有待提升。

另外，繼人臉識別之后，行人重識別正逐漸得到越來越多研究單位的重視，但這也是一個非標場景，角度、距離、光線、裝扮等都會對識別分析的效果產生影響，這種情況下如何實現精準識別仍具有很大的挑戰性，但一旦突破了應用瓶頸，便可以很好地助力公安實戰應用。現階段，行人重識別技術還處在相關研究機構技術積累的階段，距離落地應用仍有待時間考驗。

在實際的訪談中不少廠商反映，當前的AI過于依賴應用場景，在某個場景的應用很難適用于其他的場景需求，需要重新調整算法與收集數據，AI算法模型泛化能力不足，成為了制約智能方案落地的阻力。

除此之外，作為新技術和更高門檻的應用創新，AI的落地成本并不低，走訪了解到，不少行業的AI落地，折算到視頻監控，成本仍高達近萬元/路視頻，即便成本控制良好，一般也不會低于3000元/路，安防AI智能化發展仍處于高投入落地階段，距離低成本大面積推廣仍有不少的路要走。

來源：互聯網