在兩年的時間里安防圈內圈外人都被AI刷了屏，AI在安防行業的落地吸引了諸多目光，那么具體AI在安防中有哪些應用落地，效果如何？廠商推出的產品是否能夠滿足用戶的需求，解決用戶的痛點呢？小編綜合多年的安防產品測評經驗，來做一個剖析。

總的來說，AI在安防中的落地應用可以看成是機器視覺技術的應用，落地在安防產品和方案中更明確的方式即為視頻智能分析。不論是攝像機、NVR、智能平臺還是門禁對講等安防產品，最終的人工智能應用都表現在針對視頻的智能分析以及針對分析結果聯動的預警動作。我們以針對視頻智能分析的基礎算法模塊來歸類分析AI的落地情況，基礎算法模塊可分為人臉／人體、車牌、周界入侵等深度學習算法，算法與芯片結合形成智能功能在產品上體現，我們以此歸類來剖析一下落地安防的AI技術應用情況，AI＋安防的產品與傳統的安防產品相比有哪些優勢？在應用中又有哪些不足？

一、人臉／人體落地應用成潮流

人臉／人體在門禁、考勤、智能跟蹤、布控、智能通行等方面落地應用最為廣泛，安防主要落地的產品有人臉門禁考勤一體機、人臉通行方案、人臉抓拍攝像機（NVR）等，可以說，人臉識別的應用遍地開花，已成泛濫。

在無異常（戴口罩、帽子、眼鏡、胡子以及特殊表情等）人臉識別比對方面，無論安防巨頭、算法公司、智能芯片公司、還是第二／三梯隊的安防廠商，應用已經基本成熟。無異常人臉識別準確率方面，基本都達到95％以上，尤其在門禁通行應用方面，學校、樓宇、工廠等人流量較大的門口等場景下的人臉通行方案經驗證測試已經上線，并建成了部分標桿性項目。

目前的人臉攝像機和人臉硬盤錄像機基本都支持人臉抓拍、人臉選優人臉去重、人臉區域曝光、人臉區域增強等細分功能，抓拍到的人臉與黑名單庫比對一般按照相似度高低排列，或者根據設定的相似度閥值顯示比對是否成功。

而這也是“水很深”的一個環節，高能預警，請注意！

在a＆s實測中，出現有部分公司的產品在人臉比對過程中，后臺相似度閥值設定較低，如人臉通行門禁正常設置相似度一般在80％以上，比對成功才能通過，而個別廠家為了測試過程中的比對成功率，將相似度設定為70％，甚至更低。如果該人臉產品是作為考勤使用，同一個公司長相相似的員工出現幾率較小，那出問題的幾率就較小，風險相對會降低。但是，如果人臉設備是作為認證通行的工具，特別是安全級別高的樓宇、廠區等場所，設定的相似度閥值較低的話就具有很高的風險，可能出現不具有通行權限的人被放行的情況。

在小編的測試過程中，如果測試人員留有胡子或是戴上口罩、眼鏡、等，某些公司的智能攝像機和NVR，識別率明顯下降較多，只有個別少數前端設備可以識別（異常人臉的識別準確率基本保持在80％左右）。這在需要無感通行或者跟蹤、布控的場合下，實際應用效果就有待商榷了。為了提高采集數據的全面性和準確度，很多公司已經從針對人臉的分析識別延伸到對人體全態的識別。而人體識別的附加屬性更多，目前主要有性別、年齡、眼睛、臉部特征、體型、頭肩、上下衣樣式、鞋樣式、衣鞋顏色／紋理、行走方向、附屬物、騎車等等。人體識別比對的屬性更多、更復雜，對芯片的要求更高，目前攝像機在人體識別方面的實現較少，具體應用的安防產品主要還在NVR、服務器端，在人臉搜索應用較為成熟的情況下，人體檢索的效果不盡如人意，想要發揮實際應用效果，還需要更多的技術做支撐。

比較特別的是，有部分公司推出了人臉微表情識別算法，如生氣、平靜、高興、悲傷、吃驚、得意、心虛等等，至于識別準確度，小編在這方面測試較少，不予置評。不過在全面采集、識別、標注人臉數據信息方面有一定的參考價值，具體的應用就見仁見智了。

智能安防產品在一定程度上解決了用戶的痛點，門禁解放了雙手、監控有了更多的預警、嫌疑人通過布控或者人臉搜索被定位等，但是如果人臉相似度設定閥值太低，將會降低人臉出入口通行方案的安全級別，人臉特征或者人體特征搜索不能夠更加智能有效，嫌疑人化個妝、戴上口罩帽子偽裝一下就會逃脫追捕。

AI的賦能使得安防設備廠商之間由單純的產品競爭，演變成了技術實力與整體解決方案的PK，但是人臉識別技術應用的本質競爭還在于設備基礎性能（人臉寬動態優化和人臉選優等決定所抓拍人臉的清晰度，從而決定了人臉比對的成功率）、人臉比對算法的優化以及大數據（圖片中多張人臉和視頻流中人流量大）等能力方面，只有通過安防基礎能力的加持和在AI技術研發方面的持續投入，從產品－平臺－方案－云端全面的應用人臉AI技術，才能實現更卓越的AI技術應用效能。

二、車輛識別技術趨于成熟

目前主流車牌識別智能攝像機已經可以單獨覆蓋三個車道，但事實上車牌的大小依然是較大的制約因素，如果相機的分辨率可以提升千萬量級，車牌識別的識別指標將會更加逼近百分百的準確度，而且車牌識別能夠穩定工作的區域也會明顯增大。基本上我們日常生活中遇到的車牌都能夠識別，像復雜的雙層車牌、農用車牌、污損車牌等，安防廠商的車牌識別攝像機或者車輛NVR也基本可以解決，可以說技術的應用已經相當成熟。另外，近年來高清攝像機的分辨率雖然提升的速度很快，但在動態范圍的表現上卻差強人意，導致在一些場景下出現亮處細節和暗處細節無法兼顧的問題。個別關于車身顏色藍色易誤識別為黑色，其他關于車身顏色、車牌顏色、車標、駕駛員行為等特征進行識別基本成熟。

目前車牌識別算法本身的難題主要集中在車牌受到各種干擾時如何保證盡可能準確地識別，各家廠商在保持產品更新的情況，需要研發的精力放在低照補光爆閃、強逆光等光線變化較大的場景，為智慧交通的發展增添力量。

三、新一代周界安防算法煥發生機

早在在2015年以前，已經有了簡單的視頻智能分析功能，主要是絆線入侵、周界入侵、移動偵測、物品移動／移走／遺留、視頻質量診斷等，如周界、入侵已經基本可視為攝像機的標配，實測絆線、周界入侵的準確率在90％以上，但是直至2016年，物品遺留／移走的檢測仍需要長達幾分鐘的學習才能夠檢測到，并且準確率也只在50％左右。包括安防第一梯隊的巨頭們在內，在物品遺留與移走方面的表現也令人失望。

目前，經過新一代AI算法的加持，周界安防重新煥發生機，針對虛擬周界、絆線入侵以及煙霧、火焰或火花、漏油、懸掛條幅、逆行、人數統計等細分應用算法已經有了長足的進步。如虛擬周界在布防方面的準確率提升至98％以上，煙霧／火焰偵測的應用項目已落地，其他的如人數統計也已經在商場等場景下有了普及性的應用。

四、發展趨勢分析

前端設備人臉和周界、人臉和車輛、車輛和周界的集成已經實現，頭部企業還可以實現一機多用，一機搞定機動車、非機動車、人員的檢測抓拍，實現混行檢測，為用戶提供更高性價比的產品／方案。但是算法的融合效果還有待用戶的驗證，理想是豐滿的，從采購價格和安裝成本上來說，性價比確實比單獨的卡口和人體檢測攝像機要高，但是具體的使用效果還有待商榷。人臉和周界融合應用的NVR產品已經有了身影，令筆者失望的是，目前只能實現人臉／周界切換應用，不能同時配置，不過，據了解，廠商當下正在研發人臉和周界的一機應用。隨著算法融合應用的日漸成熟，相信在前端設備中實現多種智能應用指日可待。

從2016年智能安防的概念被大面積提及開始，各公司在全國范圍內智能安防應用落地的舉措愈加頻繁，應用場景也從最初的公安和交通向其它行業拓展。安防行業向人工智能技術靠攏的趨勢，已經成為當下行業發展的核心力量。企業不僅需要注重技術創新，更注重創新技術的應用，特別是在新的AI技術、視頻技術、物聯網技術、云計算等，深度融合與推陳出新，積極探索在行業和最終用戶的需求，努力降低產品成本，以市場上最高的性價比產品和服務讓行業用戶、普羅大眾都能買得起，用得爽。