2019年1月19日，北京安全防范行業協會第三屆第二次會員代表大會隆重召開。北京藍色星際科技股份有限公司作為優秀企業代表，特受邀作主題演講。藍色星際研發技術總監孔慶新以“AI回歸落地應用是關鍵”為主題進行了演講。演講中表示，未來人工智能時代下，AI如何落地化使用是安防企業最為發人深省的問題。

藍色星際作為技術領先的安防整體解決方案提供商，面向關鍵行業提供智能視頻網絡監控技術解決方案及視頻安全產品，并為關鍵行業用戶提供監控安全運營服務。目前在智慧城市需求甚囂塵上的今天，藍色星際一方面強化自身綜合實力，避免同質化，在自身更為熟悉的垂直領域進行專業化發展，為用戶提供個性化的整體解決方案；另一方面，在視頻分析、人工智能、云應用的技術趨勢下，更加強調智能化視頻監控軟件技術的應用，以滿足智慧城市的發展需求和傳統行業的安防升級需求。但從整個行業來看，無論是人工智能應用企業方，抑或是人工智能產品技術的提供方，如何快速、高效地落地AI應用都面臨巨大的挑戰。

三個層面，AI落地主要存在的問題

眾所周知，AI技術迭代的速度非常快，智能分析從傳統的模式識別轉變到深度學習。但當前的應用還只是淺層次的，技術還不成熟，在一些場景應用中，人工智能還無法實現較為理想的落地效果。比如人員高密度場景下人臉抓拍的效率及精確性，視頻畫面中人員疊加后跟蹤不到的問題，以及非人體對人形物體視頻檢測準確性的影響等，這些都是技術環節需要克服的問題。

第二，基于神經網絡的人工智能往往需要后臺高密度GPU的并行運算做支撐，這就造成，用戶需要在后臺配備成本相當高的服務器。這套方案核算下來的單路成本非常高，高昂的使用成本及使用代價，限制了人工智能的普及化應用，尋常老百姓的家庭場景就只能望塵莫及。

第三，AI技術“落地”的應用場景已不再是專業獨門領域，但用戶目標不盡相同，需要根據不同行業、不同場景、不同方式向客戶提供有針對的、適合的產品及解決方案，同時需要應對人工智能工程化實施中的各種復雜問題，這對人工智能落地化應用也是挑戰。

三項重舉，力挫AI落地難的痛點

技術發展的驅動力最終都是以客戶為導向。根據藍色星際的觀點，隨著人工智能深度學習的步步進化，目前在人臉識別、人形識別等關鍵點上已經不再是曲高和寡的技術難題。現場演講中，藍色星際研發技術總監孔慶新也分享了三個工程實景測試演示。分別針對高密度場景下人臉抓拍，人員疊加后的視頻跟蹤，以及在非人體對人形物體視頻檢測干擾下，通過藍色星際人工智能攝像機，均可以準確無誤的檢測識別出來。

未來，隨著攝像機的深度學習及深層訓練，識別目標會從現在的車輛、人臉、人形不斷深化，慢慢也會認知動物、行為等，學會像人一樣看懂情景。同時，人工智能算力注入到“邊緣”是安防行業的大勢所趨，一方面芯片算力革命性提高，另一方面有接近傳統芯片價格來實現終端智能化，那么深度學習算法利用攝像機上的算力，為用戶提供既高效又成本可控的人工智能功能也將不是障礙。根據藍色星際的預估，將算法移植到前端攝像機設備，核算的單路成本相比后端至少可降低三分之一。

由此，在產品技術、綜合成本有所突破的前提下，如果讓人工智能在安防領域大規模落地應用，準確把握客戶對 AI 的需求，讓 AI 價值最大化，變得愈發具有挑戰。演講中，藍色星際研發技術總監孔慶新介紹，藍色星際從2013年開始持續專注視頻智能分析技術，目前智能化產品及方案已深入應用于金融、教育等關鍵行業領域。通過現場展示的典型案例可以看到，就在2018年底，一伙兒外籍不法分子通過在北京某銀行ATM自助取款機安裝讀卡器，非法獲取市民財產，其手法并不高明，但海量視頻數據及不法分子的反偵察意識給破案工作帶來巨大難度。如果運用人眼方式對100TB視頻數據進行查詢檢索，無異于大海撈針。藍色星際智能化安防監控管理平臺首先通過結構化檢索匹配出疑似信息，并鎖定作案人員體貌特征，雖然作案人員異常狡猾，全程戴口罩戴帽子，但根據人臉識別后端服務，藍色星際還是從海量數據中成功提取兩張清晰的犯罪分子面部圖像，幫助公安機關48小時破案。在另外一個典型案例中，藍色星際向參會嘉賓展示了平安校園智能化管理平臺，基于3D地圖的應急處理、消防報警、遠程單兵、移動端巡更，以及對系統的業務性管理、數據分析及統計，同時布設增加對校園內人臉識別、車輛識別等智能化功能，深入滿足了教育行業對平安校園安防的整體運維管理。

最后，藍色星際提到，作為人工智能最為典型的應用領域，安防市場正在面臨技術快速更迭，產品持續創新，系統方案越來越趨于定制化。在智能化市場需求不斷衍生的發展中，藍色星際作為安防整體解決方案提供商，我們不僅需要提供成本可控、用戶買得起的產品與服務，更需要緊緊圍繞場景落地做針對性的優化和開發，使AI不再是技術概念，而是各種場景、各行用戶能夠適應的深度應用。AI賦能產業升級，應用場景落地將是必然趨勢。