AI安全报告，解密停车场管理系统的8个趋势和8个截止日期-Tigerwong

,GPU主要用于数据中心。 缺点是功耗高。 在安全应用中，GPU芯片基本上被NVIDIA垄断。 安全行业的GPU芯片被NVIDIA垄断。 与GPU相比，FPGA中心推理和数据中心也得到了广泛的应用。 FPGA在功耗方面具有明显的优势。 在安全应用中，主要的FPGA厂商有xilinxintel、original Altera等。 由于端到端应用的多样性和复杂性以及对高性价比的要求，ASIC主要用于端到端推理。

有许多ASIC制造商，如寒武纪、海思、地平线、比特大陆等，同时提供了许多解决方案。 ASIC证券市场2018年竞争非常激烈，。 其中，海思的布局非常密集，深度学习是人工智能的核心。 软件框架技术仍掌握在亚马逊、微软、谷歌和百度等科技巨头手中。 它为应用程序开发提供了一个集成的软件工具包，算法框架是建立人工智能核心生态系统的关键环节。 实现算法的模块化封装。

它包括为算法实现而开发的各种应用程序和算法工具包，并为上层应用程序开发提供算法调用接口和其他服务。 也开始AI算法技术布局。 随着企业的进一步投入，安防行业的算法企业可以分为两类。 第一类是商汤、匡时、云聪、伊图、中科侦探等CV企业; 第二类是海康、大华、玉石。 视频识别算法的准确性有了很大的提高。

例如，在特定条件下，人脸识别算法已达到较高水平。 图像分类、物体检测等。 计算机的识别率已经远远超过人类的平均水平。 4. 产品和行业应用CV制造商和云平台供应商也逐渐开始提供产品和行业应用。 除了海康、大华、御石、科达、天地伟业及东方王力等保守的安全厂商。 企业已基本完成边缘智能产品的系列化。 停车场管理系统丰富了边缘和中心产品，但上述云中心产品除外。

用户开始对应用服务提出更高的要求。 从目前的行业情况来看，无论是激进的安全企业，还是CV和云平台企业，虽然在业务应用上有一定的提升，但仍以典型的通用应用为主。 用户更注重实际应用。 目前，安防行业出现了 “无AI、无安全” 的新趋势。 随着AI安防行业的渗透和深层次应用技术的研发。

目前，所有安全监控制造商都拥有全线产品AI是不争的事实，它也成为所有制造商的新战略。 随着AI安防产业的深入实施，AI安防领域尤其是视频监控领域的产品形态和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、结构分析、大规模视频检索等方面。 前者是指光和角度等条件可控的应用场景。 安防行业AI应用场景分为卡口场景和非卡口场景。

主要是车辆卡口和面部卡口; 后者是指一般的安防监控视频场景。 其中卡口场景约占监控摄像头总数的1%-3%，其余为非卡口场景。 监控视频1卡口场景: 人脸识别应用的关键点配备了人脸采集摄像头，人脸识别应用以公安行业人员控制为代表。 通过后端人脸识别服务器对捕获的人脸进行分析和识别，并与人脸黑名单数据库进行比较。 随着人员控制应用的加强，效果已经开始显现。

例如，最近的 “张学友演唱会” 抓获的嫌疑人就是刺刀现场确认的身份。 2卡口场景: 人脸身份验证应用，如人脸访问控制、人脸快速访问门、人脸考勤、人员识别等。 人脸认证应用程序越来越受欢迎。 罕见的人脸白名单应用程序已经在许多行业中实现。 广泛应用于企业、各类园区等场景。 除了实现基本的人脸识别应用外，人脸门禁还可以通过照片、视频等行为防止人脸造假，有效保证出入口人员的安全控制和日常人员管理。 3卡口场景: 车辆识别应用车牌识别让 “车找人” 成为现实。 车辆识别技术是公安实践中最成熟、最有效的技术之一。

借助在全国主要交通道路上普及车辆检查站。 胜利协助警方侦破各类案件。 车辆识别技术已经从最初的基于车牌的车辆识别应用阶段发展到车辆类型识别、车牌识别等精确的车辆识别应用阶段。 4非卡口场景: 视频结构化分析与快速检索应用视频结构化业务功能是对视频中的机动车、非机动车、行人和其他移动目标进行分类检测; 同时，将小目标图像和大场景图像提取并写入存储设备，用于视频结构化分析和快速检索应用。 便于后续快速查询和智能检索。 通过视频结构化服务对视频中感兴趣目标的特征属性信息进行快速分析和提取，用户可以高效地获取与案件、事件相关的线索，促进大安全时代下视频数据从看向理解。 5非卡口场景: 行为分析辅助安全的应用，可以应用于重点区域防范、重要物品监控、可疑危险品遗留等行为的机器识别; 也可以报警人的异常行为，行为分析可以辅助安全应用。 通过行为分析系统对人员的异常行为进行分析和处理。

大大提高了视频监控的应用效率。 八大制约因素为智能安防的规模应用，但在生产和实际应用中，虽然人工智能技术发展迅速。 还有很多问题。 过去几年，人工智能普及程度很高，但实际上只是建立了 “概念模型”，并没有达到 “有效利用” 的理想效果。 现阶段，限制应用规模的因素主要有八个: 高兴趣、算法场景限制、高分发难度、较高的网络和安全要求、缺乏深入应用的系统性顶层设计、缺乏行业规范和评估体系以及用户学习和组织，以确保更高的利益影响 “安全AI产品解决方案的大规模应用有很多因素，并且兴趣很高。 目前，高兴趣是众多原因之一。

从一个典型的中大型农村公共安全视频监控联网项目的各部分成本占比可以清楚地看出，成本是安防AI发展的重要瓶颈。 也是现阶段的主要瓶颈。 该算法受到高度限制。 人工智能计算方法的泛化能力是模式识别问题面临的暂时问题。 因此，在实际使用中，训练模型的中性能量在用于改变场景时往往会显著降低。 必须严格定义场景，或将智能算法定位为对指标不敏感的辅助功能。 在幼稚的应用中，例如智能交通中的通过和违规章节捕获以及机场站的人证比较都需要特定的工程设备方案。

这种做法在技术不足的情况下有效实现了商业价值，但弊端也很明显: 一方面，现有设备的改造需要增加建设成本，影响了人工智能算法对传统应用的渗透; 另一方面，同时也限制了有效材料率的获取效率，影响了算法指标的进一步提高。 只有在特定的场景中，我们才能坚持良好的识别率。 很难安排摄像头进行人脸识别。 人工智能往往有特定的场景需求。 要严格按照公安部出台的政策规范，大大压缩了人脸识别的应用空间，大大提高了施工难度。

事故发生的数量据越来越多的报道，下一代人机交互技术正在随着智能技术在安防系统中的应用而发展。 随之而来的问题是如何让用户快速理解数据，也就是数据可视化的问题。 安防行业的下一代人机交互将朝着更强的可操作性和立体性发展，交互朝着更强的相互运动方向发展，应用进一步驱动或辅助用户决策。 因此，停车场管理系统的系统设计和项目实践能力不时得到提高。 智能业务应用的落地需要基于合理的利益管控、合格的施工质量、完善的数据集成和配套的管理机制。

然后，支持场景的算法和模型基于高效的计算框架将数据转换为可视化的用户服务。 智能业务应用是一个系统工程，包括体系结构、算法、计算、数据、应用、工程和管理过程。 要不时加强系统顶层设计的能力，提高项目实践能力。 中国一年有5000万台左右的相机需求，而存量的非卡口视频正在逐步应用，据统计，只有500000台左右的智能相机被有效使用，仅占1% 左右，而高达99% 的相机无法被赋予 “智能” 属性。 这意味着安全AI刚刚进入初级阶段。

人工智能算法在非卡口场景下的泛化能力是实现安全性的主要瓶颈之一。 与激进模式识别方法相比，在大数据的支持下，深度学习算法的泛化能力和对复杂场景的适应性得到了显著提高。 智东认为，智能安防的技术基础和产品集成已经趋于成熟。 因此，下一阶段的命题是如何系统地安排规模。 挑战与机遇并存。 从技术手段的不断创新到产品形态的幼稚落地，智能安防仍面临诸多问题，如关注度高、工程布局难度大、算法场景局限性大、缺乏深度应用、缺乏系统的顶层设计，缺乏实际的满足感，如何解决这些问题，关系到智能安防产品和解决方案能否真正落地生根。