當前，安防行業(yè)中人工智能技術(shù)應(yīng)用具有一定限制性，存在成本高、場景限制高、布點困難、安全要求更高等問題：

1.成本高

當前，影響“安防+AI”產(chǎn)品解決方案規(guī)?；瘧?yīng)用的因素有很多，成本高昂是眾多原因之一。從一個典型中大型城市級公共安全視頻監(jiān)控聯(lián)網(wǎng)項目各部分成本占比情況可以清晰看出，成本是“安防+AI”發(fā)展的重要瓶頸。設(shè)備本身由于產(chǎn)品性能、算力性能等多方面要求造成布置成本較高，而科學化勘布點需求帶來的時間和人力成本，海量圖片高并發(fā)網(wǎng)絡(luò)帶寬需求帶來的設(shè)備和鏈路成本，多業(yè)務(wù)系統(tǒng)聯(lián)網(wǎng)應(yīng)用帶來的溝通和研發(fā)成本，大數(shù)據(jù)研判分析應(yīng)用帶來的設(shè)備及研發(fā)成本，以及不斷增長的設(shè)備與集成施工和機房改造等因素則進一步疊高了“安防+AI”落地的成本。

2.場景限制高

人工智能算法的泛化能力是模式識別問題長期面臨的一個問題，也是現(xiàn)階段的主要瓶頸。由于訓練好的模型用在變化的場景中性能往往會明顯下降，因此在實際使用中，必須對場景進行嚴格定義，或者從設(shè)計上將智能算法定位為對指標不敏感的輔助功能。在比較成熟的應(yīng)用中，如智能交通中的過車及違章抓拍、機場車站的人證對比等，都需要具體的工程安裝方案。這種做法在技術(shù)不夠成熟的條件下有效實現(xiàn)了商業(yè)價值，但缺點同樣明顯：一方面，對已有設(shè)備的改造需要增加施工成本，影響人工智能算法對傳統(tǒng)應(yīng)用的滲透；另一方面，也限制了獲取有效素材的效率，影響算法指標的進一步提升。

3.布點困難

人工智能往往有特定的場景要求，只有在特定場景下才能保持較好的識別率。按照《安全防范視頻監(jiān)控人臉識別系統(tǒng)技術(shù)要求》（GA/T 31488-2015），《安防人臉識別應(yīng)用視頻人臉圖像提取技術(shù)要求》（GA/T 1334-2016）等技術(shù)要求，人像識別攝像機主要指安裝在公安檢查站人行通道，如車站、機場、碼頭等出入口或閘機，以及人行道、非機動車道、步行街、商業(yè)中心等重要部位出入口，能夠有效限制人員通行、具有良好人像抓取條件的部位，應(yīng)面向人員行進方向正面安裝，具有良好的光照條件。

人像抓拍攝像機的架設(shè)位置應(yīng)滿足GA/T 922.2-2011的要求。對漏報無專門要求的場景可采用上限位置安裝，視場內(nèi)應(yīng)避免有遮擋目標人的物體。

4.安全要求更高

人工智能技術(shù)的蓬勃發(fā)展賦予了安防監(jiān)控系統(tǒng)更加多樣化的業(yè)務(wù)功能，將安防監(jiān)控行業(yè)的市場空間進一步拓寬，使安防監(jiān)控系統(tǒng)在各行各業(yè)得到廣泛部署。但從風險角度而言，在AI與安防融合發(fā)展的進程中，將大量非結(jié)構(gòu)化視頻轉(zhuǎn)化為可快速檢索的結(jié)構(gòu)化數(shù)據(jù)，一旦網(wǎng)絡(luò)被攻擊，數(shù)據(jù)泄漏后的損失將更為惡化。另一方面人工智能將大量視頻、圖片集中到云中心，也對網(wǎng)絡(luò)帶寬提出了更高要求。此類需求和風險可歸類為以下三個方面：

（1）現(xiàn)階段大量部署的終端計算設(shè)備安全風險高，暴露設(shè)備數(shù)量太多、暴露端口太多、設(shè)備漏洞太多、固件更新不及時、通信協(xié)議安全性不高、數(shù)量過多無法管控 。

（2）監(jiān)控等物聯(lián)網(wǎng)設(shè)備已經(jīng)成為新的攻擊目標（僵尸網(wǎng)絡(luò)與 DDOS、遠程錄拍、勒索病毒、挖礦木馬、 APT 攻擊）。

（3）人工智能的發(fā)展，數(shù)據(jù)被終端采集后傳輸匯集到集中式云計算中心，網(wǎng)絡(luò)實時性和帶寬都帶來量級的要求，對云中心部署方案帶來了挑戰(zhàn)，同時還需要新的模式來適應(yīng) AIoT。

5.當前AI大數(shù)據(jù)分析技術(shù)主要存在的問題

視頻監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)量龐大，而且日趨多元化，包含非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化特征數(shù)據(jù)以及結(jié)構(gòu)化數(shù)據(jù)。當前的人工智能視頻大數(shù)據(jù)分析技術(shù)主要存在如下三個問題：

（1）非卡口場景的視頻分析算法在準確率、 穩(wěn)定性及計算成本等核心指標方面還有待提高，導致非卡口場景的存量視頻利用率極低，目前沒有有效利用的非卡口監(jiān)控視頻約占監(jiān)控視頻總量的 97%左右。

（2）當前的人臉識別技術(shù)、行人識別技術(shù)、行為分析等視頻分析技術(shù)往往是接近于實驗室場景下的初級應(yīng)用、數(shù)據(jù)孤立下的單點識別應(yīng)用，距離全天候場景下的精準鎖定以及最快時間、最小成本、跨攝像機下的識別搜索，還有很大的差距，真正解決客戶實戰(zhàn)問題的能力還有待于提高。

（3）智能 AI 攝像機及視頻結(jié)構(gòu)化分析產(chǎn)品開始進入安防市場，產(chǎn)生了海量的結(jié)構(gòu)化視頻數(shù)據(jù)，但基于結(jié)構(gòu)化視頻數(shù)據(jù)的深度智能應(yīng)用，如時空分析、模式挖掘、預(yù)測預(yù)警、技戰(zhàn)法訓練等尚在探索階段，有可能形成新的數(shù)據(jù)浪費和低效投資。