常见问题
人工智能在安防行业应用中存在这些问题

在安防行业,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。虽然安防一直以来都是以人工智能zui佳落地点自居,但从目前来看,人工智能在安防行业市场细分场景下的应用,还无法达到预期的效果,AI新产品的替换率依然在谋求新的突破。无论是参与各方企业实力,还是在技术研发和产品融合应用等方面还存在诸多的难点与困境。

1.行业参与者层面

受限于各自的技术领域与行业发展,在安防领域参与AI技术研发应用的各方均存在明显的优劣势,这也是各方在持续推进AI技术落地应用中面临的一些难题。

首先传统安防企业虽然表现出积极拥抱AI技术的态度,一些大型安防上市企业也提出对应策略,但时间点都集中在近两三年,成熟的AI产品及行业解决方案还相对较少,算法积累以及与行业的融合时间还较短。根据目前市场上反应来看,传统安防企业AI产品依然局限于人脸识别、车辆识别以及相应的大数据平台的应用。

其次部分AI算法企业虽然从四五年前就开始将视角转向安防领域,并基于自身在算法上的积累优势,推出了相应的AI安防产品及解决方案。但是算法企业在硬件制造、行业积累和渠道拓展方面,与传统的安防制造企业存在着很大差距,尤其是在细分领域应用积累,亟需进一步提高。

最后处于底层的安防中小企业既没有资金实力,又缺乏算法领域研发,又没有能力通过与各地gong安业务部门建立合作关系获取大数据支撑,唯独有细分领域行业应用的经验。这也是AI时代,安防中小企业面临的一系列亟需解决的难题。

2.技术层面

目前,人工智能技术在安防行业的应用表现出一种欣欣向荣的态势,但当前的应用还只是浅层次的,技术还不成熟,在一些场景应用中,人工智能还无法实现较为理想的落地效果。例如AI在细分领域中环境适应性较差,目前鉴于车辆及道路环境的相对标准化,识别率相对较高,但对于人脸的准确识别则很容易受到光照不足、图像模糊、目标尺寸过小或相互遮挡等环境影响,以致影响到识别准确率。

另外,数据资源分散,安防领域监控数据的开放性和共享程度相对较低,很难开展多维数据的交叉融合分析,这使得人工智能分析缺乏有效的数据支撑,同样也会影响准确率。同时,不同的场景理解受限,由于缺乏有效的专业领域经验知识的积累,视频内容的理解能力偏弱,目前的智能分析多为单场景的目标检测和行为分析,很少涉及大范围场景的关联行为分析,以致很难用于异常行为分析和风险预测。

3.落地应用层面

早在2012年,深度学习被广泛应用之后,部分AI算法企业将视角转向安防领域,并研发出基于人工智能或深度学习的AI安防产品。从产品线来看,主要分为人像识别布控系统、视频结构化分析系统、车辆大数据平台、警务大数据平台、AR实景指挥系统。但是在硬件制造、行业积累和渠道拓展方面,算法企业与传统的安防制造企业存在着很大差距,尤其是在细分领域应用积累,亟需进一步提高。

返回
列表
上一条解码器常见问题解决办法
下一条 当海康威视谈论两池一库四平台时,其实在谈论什么?