1.成本高

　　當(dāng)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(gè)典型中大型城市級(jí)公共安全視頻監(jiān)控聯(lián)網(wǎng)項(xiàng)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(xué)化勘布點(diǎn)需求帶來(lái)的時(shí)間和人力成本，海量圖片高并發(fā)網(wǎng)絡(luò)帶寬需求帶來(lái)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(lái)的溝通和研發(fā)成本，大數(shù)據(jù)研判分析應(yīng)用帶來(lái)的設(shè)備及研發(fā)成本，以及不斷增長(zhǎng)的設(shè)備與集成施工和機(jī)房改造等因素則進(jìn)一步疊高了“安防+AI”落地的成本。

　　2.場(chǎng)景限制高

　　人工智能算法的泛化能力是模式識(shí)別問(wèn)題長(zhǎng)期面臨的一個(gè)問(wèn)題，也是現(xiàn)階段的主要瓶頸。由于訓(xùn)練好的模型用在變化的場(chǎng)景中性能往往會(huì)明顯下降，因此在實(shí)際使用中，必須對(duì)場(chǎng)景進(jìn)行嚴(yán)格定義，或者從設(shè)計(jì)上將智能算法定位為對(duì)指標(biāo)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(guò)車(chē)及違章抓拍、機(jī)場(chǎng)車(chē)站的人證對(duì)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(shí)現(xiàn)了商業(yè)價(jià)值，但缺點(diǎn)同樣明顯：一方面，對(duì)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(duì)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(biāo)的進(jìn)一步提升。

　　3.布點(diǎn)困難

　　人工智能往往有特定的場(chǎng)景要求，只有在特定場(chǎng)景下才能保持較好的識(shí)別率。按照《安全防范視頻監(jiān)控人臉識(shí)別系統(tǒng)技術(shù)要求》(GA/T 31488-2015)，《安防人臉識(shí)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(shí)別攝像機(jī)主要指安裝在公安檢查站人行通道，如車(chē)站、機(jī)場(chǎng)、碼頭等出入口或閘機(jī)，以及人行道、非機(jī)動(dòng)車(chē)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(jìn)方向正面安裝，具有良好的光照條件。

　　人像抓拍攝像機(jī)的架設(shè)位置應(yīng)滿足GA/T 922.2-2011的要求。對(duì)漏報(bào)無(wú)專門(mén)要求的場(chǎng)景可采用上限位置安裝，視場(chǎng)內(nèi)應(yīng)避免有遮擋目標(biāo)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(chǎng)空間進(jìn)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(fēng)險(xiǎn)角度而言，在AI與安防融合發(fā)展的進(jìn)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(duì)網(wǎng)絡(luò)帶寬提出了更高要求。此類需求和風(fēng)險(xiǎn)可歸類為以下三個(gè)方面：

　　(1)現(xiàn)階段大量部署的終端計(jì)算設(shè)備安全風(fēng)險(xiǎn)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(shí)、通信協(xié)議安全性不高、數(shù)量過(guò)多無(wú)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(biāo)(僵尸網(wǎng)絡(luò)與 DDOS、遠(yuǎn)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(jì)算中心，網(wǎng)絡(luò)實(shí)時(shí)性和帶寬都帶來(lái)量級(jí)的要求，對(duì)云中心部署方案帶來(lái)了挑戰(zhàn)，同時(shí)還需要新的模式來(lái)適應(yīng) AIoT。

　　5.當(dāng)前AI大數(shù)據(jù)分析技術(shù)主要存在的問(wèn)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(dāng)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(gè)問(wèn)題：

　　(1)非卡口場(chǎng)景的視頻分析算法在準(zhǔn)確率、 穩(wěn)定性及計(jì)算成本等核心指標(biāo)方面還有待提高，導(dǎo)致非卡口場(chǎng)景的存量視頻利用率極低，目前沒(méi)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(dāng)前的人臉識(shí)別技術(shù)、行人識(shí)別技術(shù)、行為分析等視頻分析技術(shù)往往是接近于實(shí)驗(yàn)室場(chǎng)景下的初級(jí)應(yīng)用、數(shù)據(jù)孤立下的單點(diǎn)識(shí)別應(yīng)用，距離全天候場(chǎng)景下的精準(zhǔn)鎖定以及最快時(shí)間、最小成本、跨攝像機(jī)下的識(shí)別搜索，還有很大的差距，真正解決客戶實(shí)戰(zhàn)問(wèn)題的能力還有待于提高。

　　(3)智能 AI 攝像機(jī)及視頻結(jié)構(gòu)化分析產(chǎn)品開(kāi)始進(jìn)入安防市場(chǎng)，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(shí)空分析、模式挖掘、預(yù)測(cè)預(yù)警、技戰(zhàn)法訓(xùn)練等尚在探索階段，有可能形成新的數(shù)據(jù)浪費(fèi)和低效投資。