人工智能技術在安防領域的應用已經發展了很多年，但由于硬件本身問題以及算法、算力等制約，很長一段時間內都沒有取得較大突破。隨著近年來人工智能技術的發展，尤其深度學習技術的突飛猛進，使得AI在安防行業應用贏來了重大轉機與突破。從2017年深圳安博會的火爆現象，就可以看出“人工智能+安防”廣闊的市場發展空間。安防行業，尤其是視頻監控行業因其自身特點，理所當然的成為了人工智能的天然試驗場。

遍布全國各地，數以億計的視頻監控攝像機7*24小時不間斷采集視頻圖像，產生了海量的大數據。尤其是高清網絡攝像機的普及應用，數據量更是呈指數級飛速增長。如果依靠傳統的人工進行管理、查詢，顯然已經無法滿足當前社會治安管理的需求。因此，安防行業擁抱人工智能技術已是必經之路。全球人工智能火熱，帶動了一大批人工智能初創企業的出現，各種先進的人工智能技術方案不斷涌現。而擁有海量大數據與垂直剛需應用的安防行業自然也成了這些AI初創企業技術方案的最佳落腳點。

因此，海康、大華、宇視、科達等傳統安防企業紛紛擁抱人工智能；商湯、曠視、依圖、云從等AI新貴全面進軍安防應用，充分體現了當前安防行業發展的趨勢。據報道，憑借著網絡高清攝像機的應用以及人工智能技術加持，社會治安破案率得到了明顯提升。甚至有的部分地區數據顯示，由于高清網絡攝像頭和人臉識別技術的應用，不僅破案率極大提升，甚至案發率也大幅下降。盡管當前人工智能技術已經極大改善了視頻監控的應用，但從實際應用情況來看依然面臨著許多挑戰。

海康、大華、宇視等中國安防前三強都先后登臺，展示了自家AI+安防解決方案。雖然各自的產品與解決方案有所差異，但是大家都共同傳達了一個觀點。那就是當前安防行業人工智能技術應用依舊挑戰重重。例如，誤報率太高。在峰會上中科奧森董事長李子青教授舉例說明，以某一個轄區1000路視頻抓拍人像，并且有一個黑名單庫，1000路在深圳算是一個小的系統。1千個這樣的系統，假設每個攝像頭每10秒或者5秒抓拍一張人臉，該轄區每秒鐘抓拍100張圖象，該轄區每天要產生864萬張抓拍人臉，與20萬人的數據庫比對次數高大1.728萬億次。
?

李子青教授在2018中國AI安防峰會演講李子青教授表，對動態人臉識別的性能要求，我們希望通過率比較高，比如說90%的通過率，在動態人臉監控上面算是比較高的，它每天的誤報個數要少于200個。現在的問題是誤報率太高，每次都是“狼來了”，所以公安對這個東西一方面非常想用，另一方面又老是誤報，所以他就把這個東西禁用了，甚至最后放棄，在過去幾年有很多實施的動態人臉監控最后都放棄了。眾所周知，安防視頻監控應用場景非常復雜多變。監控攝像頭除了監控行人之外，還要監控汽車、物體、事件等等。每一種監控對象都有責不同特征，如監控行人需要了解到性別、年齡、身高、穿著、是否戴眼鏡等等信息，對于汽車除了要識別車牌，還需要更多細節特征，如顏色、品牌等等，并結構化處理并存儲信息，后續才能高效利用或作出相應的預判。但是在實際應用中，我們往往會遇到很多來自不同場景的挑戰。例如人口密集的車站。比如這樣
?

咋整？李子青教授表示，靜態人臉識別以及很成熟了，但動態人臉識別目前仍然還面臨著巨大的挑戰。除了前端高清攝像機必須要能夠采集到高質量的人臉信息之外，還需要強大的算法和算力支持。通過神經網絡、深度學習、大數據自主訓練以及高性能并行計算能力等等綜合提升才能解決當前應用難題。深度學習是需要進行大量的大數據訓練，目前有的AI企業采用人工對數據進行標注，費時費力。李子青教授表：“我認為深度學習還有一定的發展空間，不管是提升算法、改進網絡架構，還是通過增大數據標注的方式，提升的空間并不大，它已經接近天花板，具體是多少，我不能給一個定量，我們必須在這方面突破，必須像開復老師說的那樣，要形成應用場景的數據閉環，能夠利用生產環節的大數據進行自主標注、自主學習，不管你會不會標注，至少是自主學習”。宇視總裁張鵬國近期也表示，人臉識別目前在商業落地上有很大的挑戰。“想象一個千萬人口的城市，在99%的識別率下，還有10萬人沒有被識別。”

宇視科技副總裁姚華在2018中國AI安防峰會演講此外，安防視頻監控是一個系統工程，AI技術在視頻監控的應用挑戰，同樣貫穿于前端、傳輸、存儲、應用等等每個環節。隨著神經網絡、深度學習、邊緣技術等技術的進步、算法的不斷優化、計算機性能提升，當前面臨的種種問題都會逐步得到有效解決。同時，由此我們也可以看到，隨著安防與AI的深度融合，對安防企業的技術研發實力要求也越來越高，如果無法在這一波AI浪潮中站住腳跟，勢必會被市場淘汰。難怪大家都在戲稱，如今安防企業不做AI，都不好意思說自己是安防企業了。