落地安防的AI技术应用情况的归类剖析

在两年的时间里安防圈内圈外人都被AI刷了屏，AI在安防行业的落地吸引了诸多目光，那么具体AI在安防中有哪些应用落地，效果如何？厂商推出的产品是否能够满足用户的需求，解决用户的痛点呢？小编综合多年的安防产品测评经验，来做一个剖析。

总的来说，AI在安防中的落地应用可以看成是机器视觉技术的应用，落地在安防产品和方案中更明确的方式即为视频智能分析。不论是摄像机、NVR、智能平台还是门禁对讲等安防产品，最终的人工智能应用都表现在针对视频的智能分析以及针对分析结果联动的预警动作。我们以针对视频智能分析的基础算法模块来归类分析AI的落地情况，基础算法模块可分为人脸／人体、车牌、周界入侵等深度学习算法，算法与芯片结合形成智能功能在产品上体现，我们以此归类来剖析一下落地安防的AI技术应用情况，AI＋安防的产品与传统的安防产品相比有哪些优势？在应用中又有哪些不足？

一、人脸／人体落地应用成潮流

人脸／人体在门禁、考勤、智能跟踪、布控、智能通行等方面落地应用最为广泛，安防主要落地的产品有人脸门禁考勤一体机、人脸通行方案、人脸抓拍摄像机（NVR）等，可以说，人脸识别的应用遍地开花，已成泛滥。

在无异常（戴口罩、帽子、眼镜、胡子以及特殊表情等）人脸识别比对方面，无论安防巨头、算法公司、智能芯片公司、还是第二／三梯队的安防厂商，应用已经基本成熟。无异常人脸识别准确率方面，基本都达到95％以上，尤其在门禁通行应用方面，学校、楼宇、工厂等人流量较大的门口等场景下的人脸通行方案经验证测试已经上线，并建成了部分标杆性项目。

目前的人脸摄像机和人脸硬盘录像机基本都支持人脸抓拍、人脸选优人脸去重、人脸区域曝光、人脸区域增强等细分功能，抓拍到的人脸与黑名单库比对一般按照相似度高低排列，或者根据设定的相似度阀值显示比对是否成功。

而这也是“水很深”的一个环节，高能预警，请注意！

在a＆s实测中，出现有部分公司的产品在人脸比对过程中，后台相似度阀值设定较低，如人脸通行门禁正常设置相似度一般在80％以上，比对成功才能通过，而个别厂家为了测试过程中的比对成功率，将相似度设定为70％，甚至更低。如果该人脸产品是作为考勤使用，同一个公司长相相似的员工出现几率较小，那出问题的几率就较小，风险相对会降低。但是，如果人脸设备是作为认证通行的工具，特别是安全级别高的楼宇、厂区等场所，设定的相似度阀值较低的话就具有很高的风险，可能出现不具有通行权限的人被放行的情况。

在小编的测试过程中，如果测试人员留有胡子或是戴上口罩、眼镜、等，某些公司的智能摄像机和NVR，识别率明显下降较多，只有个别少数前端设备可以识别（异常人脸的识别准确率基本保持在80％左右）。这在需要无感通行或者跟踪、布控的场合下，实际应用效果就有待商榷了。为了提高采集数据的全面性和准确度，很多公司已经从针对人脸的分析识别延伸到对人体全态的识别。而人体识别的附加属性更多，目前主要有性别、年龄、眼睛、脸部特征、体型、头肩、上下衣样式、鞋样式、衣鞋颜色／纹理、行走方向、附属物、骑车等等。人体识别比对的属性更多、更复杂，对芯片的要求更高，目前摄像机在人体识别方面的实现较少，具体应用的安防产品主要还在NVR、服务器端，在人脸搜索应用较为成熟的情况下，人体检索的效果不尽如人意，想要发挥实际应用效果，还需要更多的技术做支撑。

比较特别的是，有部分公司推出了人脸微表情识别算法，如生气、平静、高兴、悲伤、吃惊、得意、心虚等等，至于识别准确度，小编在这方面测试较少，不予置评。不过在全面采集、识别、标注人脸数据信息方面有一定的参考价值，具体的应用就见仁见智了。

智能安防产品在一定程度上解决了用户的痛点，门禁解放了双手、监控有了更多的预警、嫌疑人通过布控或者人脸搜索被定位等，但是如果人脸相似度设定阀值太低，将会降低人脸出入口通行方案的安全级别，人脸特征或者人体特征搜索不能够更加智能有效，嫌疑人化个妆、戴上口罩帽子伪装一下就会逃脱追捕。

AI的赋能使得安防设备厂商之间由单纯的产品竞争，演变成了技术实力与整体解决方案的PK，但是人脸识别技术应用的本质竞争还在于设备基础性能（人脸宽动态优化和人脸选优等决定所抓拍人脸的清晰度，从而决定了人脸比对的成功率）、人脸比对算法的优化以及大数据（图片中多张人脸和视频流中人流量大）等能力方面，只有通过安防基础能力的加持和在AI技术研发方面的持续投入，从产品－平台－方案－云端全面的应用人脸AI技术，才能实现更卓越的AI技术应用效能。

二、车辆识别技术趋于成熟

目前主流车牌识别智能摄像机已经可以单独覆盖三个车道，但事实上车牌的大小依然是较大的制约因素，如果相机的分辨率可以提升千万量级，车牌识别的识别指标将会更加逼近百分百的准确度，而且车牌识别能够稳定工作的区域也会明显增大。基本上我们日常生活中遇到的车牌都能够识别，像复杂的双层车牌、农用车牌、污损车牌等，安防厂商的车牌识别摄像机或者车辆NVR也基本可以解决，可以说技术的应用已经相当成熟。另外，近年来高清摄像机的分辨率虽然提升的速度很快，但在动态范围的表现上却差强人意，导致在一些场景下出现亮处细节和暗处细节无法兼顾的问题。个别关于车身颜色蓝色易误识别为黑色，其他关于车身颜色、车牌颜色、车标、驾驶员行为等特征进行识别基本成熟。

目前车牌识别算法本身的难题主要集中在车牌受到各种干扰时如何保证尽可能准确地识别，各家厂商在保持产品更新的情况，需要研发的精力放在低照补光爆闪、强逆光等光线变化较大的场景，为智慧交通的发展增添力量。

三、新一代周界安防算法焕发生机

早在在2015年以前，已经有了简单的视频智能分析功能，主要是绊线入侵、周界入侵、移动侦测、物品移动／移走／遗留、视频质量诊断等，如周界、入侵已经基本可视为摄像机的标配，实测绊线、周界入侵的准确率在90％以上，但是直至2016年，物品遗留／移走的检测仍需要长达几分钟的学习才能够检测到，并且准确率也只在50％左右。包括安防第一梯队的巨头们在内，在物品遗留与移走方面的表现也令人失望。

目前，经过新一代AI算法的加持，周界安防重新焕发生机，针对虚拟周界、绊线入侵以及烟雾、火焰或火花、漏油、悬挂条幅、逆行、人数统计等细分应用算法已经有了长足的进步。如虚拟周界在布防方面的准确率提升至98％以上，烟雾／火焰侦测的应用项目已落地，其他的如人数统计也已经在商场等场景下有了普及性的应用。

四、发展趋势分析

前端设备人脸和周界、人脸和车辆、车辆和周界的集成已经实现，头部企业还可以实现一机多用，一机搞定机动车、非机动车、人员的检测抓拍，实现混行检测，为用户提供更高性价比的产品／方案。但是算法的融合效果还有待用户的验证，理想是丰满的，从采购价格和安装成本上来说，性价比确实比单独的卡口和人体检测摄像机要高，但是具体的使用效果还有待商榷。人脸和周界融合应用的NVR产品已经有了身影，令笔者失望的是，目前只能实现人脸／周界切换应用，不能同时配置，不过，据了解，厂商当下正在研发人脸和周界的一机应用。随着算法融合应用的日渐成熟，相信在前端设备中实现多种智能应用指日可待。

从2016年智能安防的概念被大面积提及开始，各公司在全国范围内智能安防应用落地的举措愈加频繁，应用场景也从最初的公安和交通向其它行业拓展。安防行业向人工智能技术靠拢的趋势，已经成为当下行业发展的核心力量。企业不仅需要注重技术创新，更注重创新技术的应用，特别是在新的AI技术、视频技术、物联网技术、云计算等，深度融合与推陈出新，积极探索在行业和最终用户的需求，努力降低产品成本，以市场上最高的性价比产品和服务让行业用户、普罗大众都能买得起，用得爽。