11月7日，在乌镇世界互联网大会，中国科学院自动化研究所联合宇视科技发布《安防+AI 人工智能工程化白皮书》。这是全球安防业界首个AI落地报告，中国开启人工智能规模建设。人工智能从此摆脱概念，以产品、方案、工程化，加速在中国落地和应用，而第一个落地的场景就是安防。
报告从当前人工智能技术与产业发展的背景、智慧安防生态圈、智慧安防典型应用、智慧安防规模化应用存在的问题，以及智慧安防未来趋势等五个维度，系统梳理总结了当前安防+AI的发展现状，尤其重点分析指出了智慧安防领域存在的八大限制性因素，以及智慧安防的八大最新发展趋势。
由于编写时间仓促，本报告存在一定的不足，欢迎业内各界批评指正；作为一个开放系统，也欢迎其他国内外的机构和企业加入汇聚自己的经验智慧。邮箱地址：casia@ia.ac.cn 、zhubing@uniview.com。
以上内容选自：宇视科技微信公众号。
白皮书全文（pdf版）可在安天下微信号窗口回复关键字“白皮书”下载。以下图片及黑色字体内容节选自报告，蓝色文字为安天下评论。
从人工智能的技术架构来看，得益于基础硬件的强化与软件框架的优化，使这一轮人工智能的爆发式增长得以实现。而基础应用技术的进一步研发则使人工智能从抽象技术实现了向可及性产品与服务的转变。
基础硬件层为算法提供了基础计算能力。涵盖 GPU、CPU、FPGA、ASIC。
软件框架层实现算法的模块化封装，为应用开发提供集成软件工具包。该层涵盖范围包括针对算法实现开发的各类应用及算法工具包，为上层应用开发提供了算法调用接口，提升应用实现的效率。
算法框架是人工智能核心生态圈建立的关键环节，是决定人工智能技术、产业、应用的核心环节，是人工智能核心生态圈建立的基础和关键。
在人工智能应用领域，我国智慧安防领域走在了世界的最前沿。在国内众多关于人工智能的政策、发文、规划中多次提到将人工智能技术应用于公共安全领域，进行技术创新、产品和应用创新，同时相关部门也提出并发布了在视频监控应用中基于人工智能的视频图像处理技术标准。
在机器视觉领域市场构成中，安防行业以 67.9%占据大部分份额，这得益于中国公共安全视频监控建设的庞大市场。随着高清视频、智能分析、云计算和大数据等相关技术的发展，安防系统正在从传统的被动防御升级成为主动判断和预警的智能防御。
安天下：在下面饼图中，安防达68%比例，小编是有些疑惑的：安防行业计算机视觉指的是带有AI功能的摄像机？目前安防行业摄像机市场规模按500亿，带有AI功能的摄像机假如按（高估）比例5%，即25亿？十亿规模的“金融及互联网”应用没有一席之地？工业机器视觉呢？医疗呢？解决方案又指的是？
安防行业从单一的安全领域向多元化行业应用方向发展，旨在提升生产效率、提高生活智能化程度，为更多的行业和人群提供可视化、智能化解决方案。随着智慧城市、智能建筑、智慧交通等智能化产业的带动，智慧安防也将保持高速增长。预计在 2020 年全球产业规模实现 106 亿美元，中国会达到20 亿美元。
安天下：上文说2020年产业规模20亿美元，指的是智慧安防？目测2018年中国安防产品（供给侧）市场规模在2500亿，其中监控产品在1200亿，而前端摄像机规模在500亿，2020年带有AI功能监控（乐观）估计在20%，应该是240亿，20亿美元对应的是哪？
近年来，具备云计算平台等技术资源的公司，如阿里云、华为云等云平台厂商，推出了针对智慧安防行业的智能视频云平台。除了传统的海康、大华、宇视、科大、天地伟业、东方网力等企业外，CV 厂商和云平台供应商也逐步开始提供云平台产品和行业应用。
安防行业的算法企业总体来说可以分为两大类。第一大类是商汤、旷视、云从、依图、中科神探等 CV 企业；第二大类是海康、大华、宇视，也开始 AI 算法技术布局。随着各企业的投入进一步加大，视频识别算法准确率大幅度提升。例如人脸识别算法，在特定条件下，已经达到很高的水平。
此外，在图像分类、物体检测等方面，计算机的识别率都已经远远超越了人类平均水平。
除了传统的海康、大华、宇视、科达、天地伟业、东方网力等安防厂商外，CV 厂商和云平台供应商也逐步开始提供产品和行业应用。除了前文提到的云中心产品，各企业基本已经完成边缘智能产品序列化。随着边缘和中心产品的丰富，用户开始对应用业务提出了更高的要求。从目前行业情况来看，无论是传统安防企业，还是 CV 和云平台企业，在业务应用上虽有部分提升，但仍以典型通用应用为主。
随着 AI 在安防行业的渗透和深层次应用技术的研究开发，当前安防行业已经呈现“无 AI，不安防”的新趋势，各安防监控厂商全线产品 AI 化已经是当前不争的事实，同时也成为各厂商的新战略。随着 AI 在安防行业的深入落地，AI在安防领域尤其是视频监控领域的产品形态及应用模式也开始趋于稳定，安防行业的 AI 技术主要集中在人脸识别、车辆识别、行人识别、行为识别、结构化分析、大规模视频检索等方向。
安天下：上图中，小编认为智能NVR不能算做边缘智能产品范畴，只有IPC及AI-BOX算，另外，对于人脸核验、速通门、人脸门禁等，对于所有AI公司，其实都非常容易，但是落地和“玩票”有本质区别，如果说边缘智能，目前海大宇科、华为及云天云从等靠谱。
当前，影响“安防+AI”产品解决方案规模化应用的因素有很多，成本高昂是众多原因之一。从一个典型中大型城市级公共安全视频监控联网项目各部分成本占比情况可以清晰看出成本是“安防+AI”发展的重要瓶颈。
设备本身由于产品性能、算力性能等多方面要求造成布置成本较高；而科学化工勘布点需求带来的时间和人力成本、海量图片高并发网络带宽需求带来的设备和链路成本、多业务系统联网应用带来的沟通和研发成本、大数据研判分析应用带来的设备及研发成本以及不断增长的设备与集成施工和机房改造等因素则进一步叠高了“安防+AI”落地的成本。
通过统计典型案例的数据，以建设 1000 路规模的高清安防监控系统和 1000路高清 AI 人脸识别系统为例，来对比分析“安防+AI”及“传统安防”的建设成本（注：各部分设备费用包含安装施工等人力成本）。
前端部分：“安防+AI”比“传统安防”要高出 225%，主要原因除了前端设备多出的算力之外，还来源于设备的工勘选点、设备安装调试的人力成本，这是传统安防监控点位所不需要的。基础管理平台及网络传输部分：这两部分成本两种方案基本持平，对于整个基础平台部分来说，两种解决方案所需设备基本一致，而传输网络因为到每个点位均采用千兆网络带宽，故也是相同的成本。
存储部分：这一部分成本可以看出“安防+AI”方案要比“传统安防”方案高出 86%，主要原因是“传统安防”方案对存储设备的读写性能和可靠性没有“安防+AI”方案要求高。随之而来便是产品方案的选择不同，“传统安防”方案可采用传统 NVR 或者 IPSAN 磁盘阵列方案，而“安防+AI”方案则需要采用云存储方案，另外一方面原因是“安防+AI”方案多出了海量图片全周期的存储空间要求。
安天下：小编不理解融入AI元素之后，会导致存储环节成本增加86%原因何在。“传统安防”方案可采用传统 NVR 或者 IPSAN 磁盘阵列方案，而“安防+AI”方案则需要采用云存储方案... 这个解释小编不认可，按海大宇宣传，你们的传统安防早就上“云”了；按菊花厂说法，你们的AI安防也未必上“云”。如果说AI+导致成本增加，则是“吃完原告吃被告”做法。
其他部分：“安防+AI”方案要比“传统安防”方案高出 22%，由于前面几大系统的整体高出，使得“安防+AI”方案系统集成、施工辅材、机房改造等设备及人力成本随之升高。通过以上分析不难看出，在同等条件下，当前“安防+AI”解决方案的总体成本要比“传统安防”整体成本要高出 73 个百分点。高昂的成本在很大程度上限制了“安防+AI”解决方案的规模化落地。
人工智能往往有特定的场景要求，只有在特定场景下才能保持较好的识别率。以人脸识别为例，公安部发布的《GB/T 35678-2017 公共安全 人脸识别应用图像技术要求》标准按照当前主流人脸识别水平规定了公共安全人脸识别应用中人脸图像的技术要求，详细如下：
1. 图像格式：人脸图片格式应为 BMP、JPEG、JPEG 2000 和 PNG 中的任一种。若图像为灰度图时，图像灰度级应为 256 级；
2. 遮挡：遮挡物应不遮挡眉毛、眼睛、嘴巴、鼻子及脸部轮廓等；
3. 两眼间距：两眼间距应大于等于 30 像素，宜大于等于 60 像素；
4. 姿态：人脸水平转动角应在±30°以内，俯仰角应在±20°以内，倾斜角应在±30°以内；
5. 脸部区域：人脸完整，轮廓和五官清晰，无浓妆，图像脸部区域应无编辑修改性处理，几何失真应小于等于 10%，运动模糊应小于等于 0.20，高斯模糊应小于等于 0.25。
进行人脸识别的摄像机，需要严格遵从公安部发出的政策标准，导致大幅度降低人脸识别的可应用空间，也大幅度提升了施工难度。
目前安防系统中，常见的中心计算架构问题已经日趋严重，主要体现为网络传输带宽问题、及时性问题得不到有效解决。边缘计算的出现有效缓解了上述问题。云计算聚焦非实时、长周期数据以及业务决策场景，而边缘计算在实时性、短周期数据以及本地决策等场景方面有不可替代的作用。这使得云端云端结合成为新趋势：一些需要集中式处理的计算继续交由大型云计算中心，如大数据挖掘、大规模学习；大量实时的需要交互的计算、分析在边缘节点完成。
同时边缘计算也是云端所需高价值数据的采集终端，可以更好的支撑云端应用的大数据分析；而云端通过大数据分析得出的一些业务规则也可以下发到边缘端，优化边缘端的业务决策。云计算与边缘计算分工协作，来满足智能时代爆发式的计算需求。
云边结合的架构，解决了集中式云计算架构的几大问题：
1. 给到云端的数据都是边缘智能产品过滤之后的图片、结构化信息，相较于原始视频，带宽压力大大降低；
2. 汇聚到云端的数据量少，云端的计算和存储性能需求可大幅降低。IDC 数据统计显示，云计算和边缘计算结合，成本只有单独使用云计算的 39%；
3. 由于边缘计算距离用户更近，在边缘智能产品处实现了对数据的过滤和和分析，海量的设备数据不需要上传云端，再反馈于终端执行，边缘智能产品可以实时分析并给出结果，本地业务快速响应。
小结：本白皮书信息量丰富，涉及面广，部分信息是从第三方研究报告摘选，小编其实质疑的是部分数据（可能引用的第三方）本身。目前安防行业的研究报告，不管是第三方专业机构、媒体或者金融研报，其实很多都是疑点重重、互相矛盾，经不起推敲。求其原因，跟安防行业有关，产品及工程、集成服务等交织难剥离开来，另外，研究机构照猫画虎异想天开。
题外话：毫无疑问，有人会质疑安天下不知天高地厚，连中科院白皮书都质疑，博眼球。前几天安天下小编发表评论文章，由于忠言逆耳引起某企业不悦，遭到号称该公司研究院人员的强烈DISS，该研究人员一句“媒体没有资格批评企业”把小编吓一激灵，后虽该人员删除了全部留言，但小编内心久久不能平静，泛起涟漪一阵阵。本次中科牵头的白皮书，立意高远、信息丰富，直面现实、态度谦逊。小编受益匪浅，并斗胆喊话评论，只为引起大家思考和探讨。
