不了解“安防+AI”的这些痛点,怎么能切实落地?

“安防+AI”要实现规模性落地,首先要搞清楚落地场景中的痛点需求,然后再切实地去解决这些痛点,找准痛点下手往往能更加有用。

有人说,2019是AI场景落地应用元年,从当前AI在安防监控场景下,已经由安软慧视实现了首个城市级大规模智能化落地应用方面,我想这么说是合适的。毫无疑问,在安防这个当前最大也最具想象力的落地应用场景中,卷入这场竞争的,已经从安防企业与AI新贵两大势力之争,进入到了安防公司、AI公司、互联网科技与通信公司、云服务公司四家争鸣的局面。

在目前的四家争鸣中,有的关注把单个摄像头功能做大做强,实现以一顶百;有的关注视频中枢平台,希望利旧为新;有的关注做云端化平台,以期成就数据和应用承载;有的关注生态化平台,希望能统领全局。从当前市场需求的复杂性来看,确实很难辨出优劣之分,每套打法都集合了各家的长处,也都有合理之处。我们相信在终极目标一致的情况下,这些方案一定会不断融合,共同走出一条最为经济适用的安防+AI信息化、智能化之路。

我们都知道安防是个极其碎片化的市场,只有实现了低成本的规模性智能化,低成本的强大算力,高精准的场景识别算法,快速的检索应用能力,以及政府持续推动城市数据统一时,碎片就能混而为一。所幸的是,这些条件正在慢慢成熟,而且与金融、零售、医疗行业相比,安防由于属性特殊,应用场景明确,使用路径单纯,更像是一个应用点单,而不是一个庞大的复杂生态。正是因为简单,对技术的革新应用,就可能实现对面(也就是规模),进行升级改造,使行业重新洗牌。

“安防+AI”落地场景中的痛点

要实现规模性落地,就必须先理解落地场景中的痛点需求,注意是理解而不能只是了解,了解只会让我们一直站在场外看热闹。

痛点一:现有系统智能化

安防中最大规模的工程是天网工程和雪亮工程,目前已建成的就有超过四千万路,基本上已经形成了“点上覆盖,面上成网、外围成圈,覆盖城乡”的格局,这么庞大的系统现在正在发挥作用,我们首先要做的应该是让它全面的、深入地发挥作用,这是当前安防市场的底色,不解决底色问题,再怎么折腾也只是点缀,点缀就一定无法解决密度问题,密度问题解决不了,就一定无法解决整体效能问题,一定要首先实现规模化的原因和前提就在于此。

痛点二:现有系统和新型智能摄像机的融合

这可以知道,上一点中,并不是说新型智能摄像机不重要,恰恰相反,很重要,对应用能力的承载和检验还都是离不开新型智能摄像机的,只是我们得既要看到点缀也要看得到底色。并且能让底色和点缀和谐共处,互相协作。如果没有传统视频监控智能化,新型智能摄像机就是孤军奋战,如果没有智能化能力,传统监控系统依然是个存储系统。

痛点三:安防监控系统实战应用知识

我相信现在应该很少再有人会觉得“算力、算法、数据”是解决不了的问题了,只是它够不够经济,而“场景、应用、知识”却成了决定AI能不能落地的关键点,直白地说,能不能让现有的安防实战场景真正爆发出颠覆性的效能革新,这才是检验AI能不能落地的定海神针,实践标准。不了解应用场景,不知道实战应用逻辑,不清楚嫌疑人作案心理,不明白侦查与反侦查手段……要想真的做好这件事,恐怕真挺难的,就象是在玩一场不清楚游戏规划的游戏,胜算可想而知。

痛点四:实战场景算法标准化

我们知道深度学习就象是教小朋友认识猫,不断地给他看站着的猫,卧着的猫,躺着的猫,跳跃的猫,睡觉的猫,黑色的猫,白色的猫,花纹的猫,只露出半个身子的猫,还有卡通的猫等。而实战场景训练学习算法要比这难的多,比如说打架,什么姿势算是打?被打的人呈现什么姿势能判断这是打架还是搀扶?即使都呈现了这样的姿势,那怎么判断是玩闹还是伤害?更进一步说,一家进行了判断,其它家的判断会不会有差异,这些有差异的数据怎么整合……

痛点五:成本,成本,成本

让政府不计成本地进行改造,这显然不现实,算力要经济,算法要经济,硬件要经济,维护要经济,应用要经济,只有整体实现了低成本,才能够被大规模的实施落地。

痛点六:人才,人才,人才

上面提到的痛点,即使都解决了,能不能落地依然是个未知数,因为把零星的痛点整合成实际可用的解决方案要通过人才,实现技术与实战的结合需要有经验的人才,把场景训练成实战思维模型需要人才,项目工程的落地也需要人才。目前人工智能仍然是人工+智能的状态,在脱离的人工的情况下,只谈智能也不太行得通。

赋能安防,就是为实战应用赋能

说到底,检验赋能效果的唯一标准,就是安防的应用效率和效能的明显提升。安软慧视首个城市级大规模智能化场景的落地,最后体现出来的就是让现有的安防系统变的好用了,原来查案需要不断看视频,现在只需要看图搜索就可以了,原来费时费力,高强度的人工,现在让机器做了,破案人员的工作积极性就被调动起来了,破案速度和破案数量也就自然得到了提升。可以看出,关于赋能安防,我们可以从以下几个方面展开。

1. 资源库建设模式赋能

安防监控资源库在未赋能之前,只是一个简单的视像记录和存储系统,查询它的唯一方式就是用人工去看,提高查找效率的方法就是用倍速去看,这种资源模式带来的痛苦是可以想象的,对,就是很快就会头晕眼花,眼睛肿痛。而赋能之后,就会把视频流变成图片库,并且每张图片都会标记上人物、车辆及物品的详细信息,比如,人的外貌衣着特征,如黑色长发,戴眼镜,上身穿红色长袖外套,内衬是白色衣服,下身穿蓝色牛仔裤,脚蹬红色高根鞋,左肩挎着黑色挎包……这些图片不仅会关联到摄像位置,也会对同一张图像中的人车物进行智能关联。这种以目标为前提的资源库建设模式,为视频的智能应用提供了基础支撑。

2. 查询效率模式赋能

因为资源库中的每个元素,都是有多维度进行描述的,当查找信息时,可以从多个角度进行组合检索,就像是百度搜索中用不同的关键词搜索一样,也就是说,对人的查询,只需要按照现实的条件去查询,不但可以精确地快速检出不变的图片,即使中途有部分特征出现转变,依旧不影响查询。

3. 工作流程模式赋能

在安防没有与AI融合之前,整个工作流程是围绕着不可检索的视频,只能人眼看,然后再人工分析路线,这样的查找效率可想而知,好不容易查到了,嫌疑人早就无影无踪了。而智能化之后,工作流程是围绕着可检索的图像库进行的,可随意的变换查询条件,更关键的是,这种查询可以做到实时,对嫌疑人的追踪几乎是没有时间差的,相当于在嫌疑人头顶上飞着的无人机。

有了以上对资源库建设、查询效率和工作流程模式的赋能,安防实战效率就会出现革命性、颠覆性的提升。

安防+AI,强强联合共享共赢

安防+AI是个庞大的市场,不可能一家通吃,既需要参天大树,也需要茂密的丛林,在这个产业链条上,算法+芯片、设备制造+解决方案、行业应用+渠道能力三级生态互相关联,成功就是三级生态一起的成功,一荣俱荣,一损俱损。

最后,我们深深相信,最好的安防+AI应用,一定会是在中国,而且一定是在安防公司、AI公司、互联网科技与通信公司、云服务公司共同合作的前提下实现。

 

本文由 @李震 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
评论
欢迎留言讨论~!
  1. 写的很不错呢,赞一个。 :mrgreen: 整体与标题切合,落地!利旧、切合具体业务场景、经济适用、具备推广性等条件都是极具重要的因素。不过,作者后面好像只提到的3点都是关于用户主动去进行系统请求后赋能反馈,个人觉得在AI领域领用,更多应该要系统主动给用户进行反馈,例如:嫌疑人入侵,可作多渠道的主动告警/通知,同时,推送现时位置/最后出现的位置信息等。这才是大家所期盼的智能,只留最关键的抉择给用户,前端信息采集、推送、联动告警、信息归纳等都应该交给咋们的机器大脑。 ;-)

    回复
  2. 作者的观点很好,我也处于这个领域内做大数据产品,希望有机会可以多多的跟你学习交流。

    回复
    1. 多交流,这是个新行业,每个都是新兵

      回复
    2. 兄弟方便留个联系方式吗,这样有问题可以请教你。

      回复