来源：企鹅电竞比赛 发布时间：2023-12-15 02:11:35
的变革时代。数字和高清的变革目标明确，产业界没有过多的犹豫和反复，几乎是发令枪一响，赛道上的所有选手奔着同一个方向和目标努力，各种配套、各种标准有序跟进，商业落地的效果也很显著，安防行业重新洗牌，改变小而散的状态，形成具备很强落地和创造新兴事物的能力的安防产业头部企业群格局。有了前述良好的行业基础，再凭借安防以
据艾瑞咨询统计，2018年中国人工智能赋能实体经济各产业的份额中，“AI+安防”占比超过50%。AI在安防行业的落地增速也在持续加速，安防企业中的AI化所占比例在持续增加，据艾瑞咨询披露，2018年，我国AI+安防软硬件市场规模达到135亿元，部分头部安防厂商AI业务在总营收中占比从大约4%提升至超过8%，部分典型AI公司安防业务则占接近一半的营业收入。2018年城市公共安防中AI渗透率达到2.6%。预计2019年市场仍将保持高增速，到十三五收官之年2020年增速开始稳定，届时市场规模可达到453亿元（城市公共安防AI渗透率达到11%），2022年市场规模有望突破700亿元（城市公共安防AI渗透率达到25%）。
尽管AI在安防行业开了一个好头，落地好，增速快，但并不代表AI在安防行业的发展过程一帆风顺，发展前路一马平川，有很多的挑战和问题是需要解决。以下从工程化的挑战、标准化的缺失和AI需求的碎片化三个角度阐述当前面临的问题和挑战。
纵观目前安防+AI落地好的场景，工程属性的问题解决得好是必要条件，前端的工程属性包括布点、工堪、立杆、安装、补光、调试等等，后端的工程属性主要是指数据的技战法。比如ITS的应用是一个典型的AI落地场景，人工智能最早在安防行业落地就是从ITS开始，前端的卡口和电警等设备，被明确地定义了工程属性参数，在停止线后多少距离布点、抓拍点至立杆距离多少，配什么样的镜头，抓拍几车道，补光灯强度要求多少，安装照射角度是什么，调试规范怎样等等，都有严格的工堪表格和实施规范。按这样的工程属性安装和调试的系统，再加上后端数据的技战法，可以尽可能地实现用户的需求。从ITS衍生的出入口停车场车辆管理系统，明确的工程化属性定义，加上后端的数据运维平台，是典型的to G端到to B端衍生的案例。
再比如人脸识别相机，要求安装高度、人脸像素大小、补光等等。反过来思考，如果离开或者弱化这些工程化属性实施的可能性，AI在安防行业的落地还能继续发挥优势吗？宇视认为：首先，强调工程化本质上没有错，工程上意味着场景的准确定义和人工智能的可实施可复制;其次，算法的慢慢的提升，以及用于算法训练的场景素材不断丰富，正在泛化人工智能的适应性能力，逐步减弱对工程化属性的依赖;再次，客户调整需求和对AI的期望值，比如使用两个泛智能的摄像机，代替一个工程属性极强的专业智能摄像机，抓拍率也许能够达到同样的效果，但降低了工程实施的难度和整体TCO。
一个行业的大发展离不开标准化的制定，标准化是现代大生产的必要条件，能提高效率、科学管理、增进信息流通，以及孵化创新等。标准化工作对AI及其产业高质量发展具有基础性、支撑性、引领性的作用，既是推动产业创新发展的关键抓手，也是产业竞争的制高点。世界发达国家纷纷在新一轮国际竞争中争取掌握主导权，围绕人工智能出台规划和政策，对AI核心技术、顶尖人才、标准规范等进行部署，加快促进人工智能技术和产业高质量发展。主要科技公司不断加大资金和人力投入，抢占AI发展制高点。
安防行业目前缺少人工智能的行业技术标准，去统一和规范AI在安防行业的落地和持续创新。比如人工智能芯片的算力标称，目前没有一个统一的标准去规范。各个厂家都有自己的标称测试评估体系，各芯片之间横向的对比标准缺失。如果想评估一款芯片的真正算力，目前的方法只能是通过花人力进行算法的实测对比。再比如人脸识别系统和以图搜图系统，各个厂家都有自己的算法和模型，假如一个客户使用了不同家的算法，后台数据侧的研判就会出现一些明显的异常问题，不同厂家不同模型产生的数据之间不能互通，只能割裂地做多元化的分析，这会给数据分析、设备扩容等等带来非常大的麻烦。2018年1月，国家人工智能标准化总体组、专家咨询组成立大会召开。在会上，国家标准化管理委员会宣布成立国家人工智能标准化总体组、专家咨询组，负责全面统筹规划和协调管理我国人工智能标准化工作。
人工智能的大热，让人们对AI解决各行各业痛点的期望逐步加大。视频监控在迎来AI时代之前，主要是人工地查和看。因为有了人工智能的普及，人们会提出各种各样智能的需求：化工厂提出检测原料的跑冒滴漏，宠物店提出检测宠物，厨房提出检测不规范操作行为等等。旺盛的AI需求与碎片化AI的落地难形成了鲜明对比。要解决碎片化AI需求的落地难问题，算力、算法和数据是三个重要要素。同时，已经有人在尝试使用开放的训练平台去解决碎片化需求满足的问题，将与需求紧密相关的训练数据和应用场景问题交给需求提出方，平台发挥算力和算法的优势。
总体来看，安防给人工智能的落地提供了很好的土壤，人工智能则给安防产业的发展提供了更广阔的舞台。有了人工智能的赋能，和视频为核心的技术联接，安防行业的边界变得模糊化，从智能安防链接到智能金融、智能零售、智慧教育、智能制造等等的跨界会慢慢的多和越来越频繁。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉
近年来，互联网的高速发展加快了行业格局的进一步壮大和融合，人们的生活方式也随之发生了重大改变，尤其是在
技术近年来可以说是一个非常热门的技术类别，虽然它的概念早已被提出，但近年来，我们逐渐看到了他可能实现的那种可能性。
领域的应用趋势是什么？ 在未来，安全行业需要使用视频图像信息作为开放各种异构信息的基础。 基于大量的异构信息，可以充分利用机器学习，数据分析和挖掘等各种
的热度并未因为时间的流逝而有所降温。相反，在国家、企业以及人们的推动下，
行业成为了“颠覆性力量”，大幅推进新的应用及效率，加强保障个人及社会的安全。
无疑是这个时代最强的风口，行业搭上AI发展的“便车”可以取得飞速发展。在
(AI)技术的应用还处在接受并尝试使用阶段，超过90%的市场份额仍被传统
市场规模达到6480亿元，同比增长20.0%，增速达到近年最高，AI在
行业，AI技术的先进性及未来发展趋势是毋庸置疑的，并且行业中已经有众多企业推出了相关产品和解决方案。虽然
”已经从概念普及、技术比拼，进入到产品、场景、实战应用和生态构建阶段，这一点从 2018北京
2018年AI走向了产业落地的关键节点，“AI＋行业”已是一件再寻常不过的事情。同时，随着智慧城市建设的兴起、国家天网工程和雪亮工程的实施，
防已经不能完全满足人们对准确度、广泛程度与效率的需求。尽管目前超过90％的市场份额仍被传统
行业的应用一直发展缓慢。但自从2010年以来，随着互联网海量数据的出现，使得深度学习发挥潜力。同时以GPU为代表的硬件平台计算能力的飞速提升
”为主题的垂直大会上迎来了“全面爆发”。一位参会者说，当时全馆的AI热潮让人至今记忆犹新。为什么
产业的理解，作者通过长时间实地走访书面研究等方式，了解真实市场格局变化，寻找并还原真实的市场竞争环境。
领域正处在物联网与AI技术革命的中心，这些年技术从模拟化走向数字化，从IP化走向AI化，产品线一直在不断升级迭代。成熟的传统
、能耗，对于进出大厦的人、车、物进行监控和定位，区分楼内人员与外来人员，侦测大楼的能源消耗，使得大厦的运行效率最优
领域应用的深化，这个产业也吸引着慢慢的变多AI企业的入局，尤其是计算机视觉企业，作为天生的算法厂商，他们的进入，也开启了
产业的优劣势有哪些？本文将从现状、趋势等方面为大家全面解析，以飨读者。
