明确用户的需求与痛点 让AI“落”下来

导读：相比2017年才开始的“AI生活大爆炸”，安防是较早应用人工智能技术的行业之一，尤其是视频监控领域。当下，“智慧安防”被公认为行业的发展趋势。

　　2017年以来，人工智能技术已成为名副其实的显学，购物网站上的AI客服、微博上的广告推送、手机里的Siri……民众对新技术的高需求与包容性使得等与生活密切相关的领域开花，智能技术可以说已经无处不在。相比2017年才开始的“AI生活大爆炸”，安防是较早应用人工智能技术的行业之一，尤其是视频监控领域。当下，“智慧安防”被公认为行业的发展趋势。

 （网络配图）

　　AI已成为安防的标配，以海大宇科为代表的传统安防企业以及商汤、旷视、依图、云从等AI新贵均全面进军智慧安防，从产品线来看，主要分为视频结构化分析系统、人像识别布控系统、车辆大数据平台、警务大数据平台等。目前随着技术逐渐成熟，产品也向智慧能源、智慧医疗、智慧金融等领域延伸。毫无疑问，人工智能技术将是未来安防企业研究的重点。
 
　　不过，人工智能在实际应用中还需要面对更多、更复杂的场景，以智慧安防中应用最多的人脸识别技术为例，目前人脸识别准确率已达到99%以上，超过人眼识别准确度，但在实际应用中算法偏见、遮挡、光线、特殊表情等因素会提升误判可能性，应用价值大打折扣，此前亚马逊人脸识别就曾将28名美国国会议员误判为违法分子。而数据显示，以视频监控为代表的智慧安防渗透率不足2%。
 
　　正如华为董事、战略Marketing总裁徐文伟所说：人工智能在实际应用中没有测试场景下效果理想，至少没有想象中那么好。
 
　　智慧安防往往有特定的场景要求，从数据的识别、传输到处理均面临着不小的挑战：前段设备只有在特定场景下才能保持较好的识别率，识别出后需要将大量视频数据传输到云中心，这对网络带宽提出了很高的要求；而云中心数据利用率较低，基于结构化视频数据的深度智能尚处于发展早期；而无论哪个环节都需要提供足够安全的网络，否则数据泄露将会造成严重的后果。而智慧安防应用方案落地后，也不得不考虑用户学习与组织保障成本。鉴于智慧安防流程长、涉及系统众多，一套具有前瞻性、系统性的顶层设计必不可少，这也是智慧安防能否真正落地并取得实际效果的前提。
 
　　此外，值得一提的是，当前智慧安防算法、 产品及解决方案以企业标准为主， 亟待建立面向实战的行业级标准。
 
　　结语：一言以蔽之，智慧安防之所以在落地上存在不足，主要是由于新技术以及行业尚未发展成熟，在产业链逐渐成熟的过程中，各厂商应该将用户放在核心位置，不仅要深入了解具体落地的细分场景，还要对整个工程审批与实施的流程有深入理解，唯有如此，才能真正明确用户的需求与痛点，让AI“落”下来。