安防AI的發(fā)展主要面臨以三個方面的挑戰(zhàn)：算法的場景適應(yīng)能力、大規(guī)模應(yīng)用的技術(shù)與經(jīng)濟可行性和面向業(yè)務(wù)應(yīng)用的解決方案。

算法的場景適應(yīng)能力

以人臉識別為例，目前絕大多數(shù)廠商的算法來源于對人臉靜態(tài)圖片的學(xué)習(xí)訓(xùn)練—比如標(biāo)準(zhǔn)證件照，對所采集的人臉照片的清晰度、光照、角度、妝容都有著嚴(yán)格的要求，但在實際監(jiān)控場景中，除了室內(nèi)個別環(huán)境外，絕大多數(shù)現(xiàn)場環(huán)境采集的人臉圖片無法滿足這樣的要求，造成人臉識別精度的大幅度衰減。如國內(nèi)某知名廠商的人臉識別算法在靜態(tài)人臉比對測試中總是名列前茅，但其復(fù)雜環(huán)境下動態(tài)人臉識別的效果就比較差，特別是在偏轉(zhuǎn)角度較大（超過30°）、化妝、戴墨鏡、戴口罩等情況下識別率會大打折扣。

大規(guī)模應(yīng)用的技術(shù)與經(jīng)濟可行性

目前計算機視覺的大規(guī)模運算還主要依賴GPU和CPU的算力，以人臉識別和視頻結(jié)構(gòu)化分析為例，一般利用GPU做視頻圖像處理與特征解析運算，用CPU做人臉特征比對運算。在復(fù)雜動態(tài)人臉采集環(huán)境下，1臺8卡GPU（TESLA P4）＋2個16核CPU服務(wù)器每秒可支持80路1080P高清視頻實時動態(tài)解析和100萬庫的實時動態(tài)比對運算，硬件成本折合4000元／路，電力消耗（服務(wù)器自身耗電＋散熱制冷耗電）折合每年800元／路。如果采用800萬像素的監(jiān)控圖像，硬成本會再增加3倍，這還沒有計算算法與應(yīng)用軟件系統(tǒng)的費用，如此高昂的建設(shè)與運行費用很難得到大規(guī)模的應(yīng)用推廣。

面向業(yè)務(wù)應(yīng)用的解決方案

AI是一項技術(shù)，從AI技術(shù)到客戶價值，需要一整套的產(chǎn)品與解決方案，向客戶最終交付的是應(yīng)用，尤其是面向業(yè)務(wù)的應(yīng)用軟件，不同行業(yè)、不同場景、不同用途的業(yè)務(wù)應(yīng)用都不盡相同，需要針對性的集成與應(yīng)用軟件開發(fā)，否則無法規(guī)?；茝V。而目前情況來看，無論是AI算法廠商、安防產(chǎn)品商還是系統(tǒng)集成商，都不具備全行業(yè)應(yīng)用軟件的開發(fā)能力。