《宇视研究院：2023安防+AI 人工智能工程化白皮书（51页）.pdf》由会员分享，可在线阅读，更多相关《宇视研究院：2023安防+AI 人工智能工程化白皮书（51页）.pdf（51页珍藏版）》请在三个皮匠报告上搜索。

1、 1 前言 近年来，人工智能迎来了第三个发展高峰期。在计算、大数据、深度学习等技术的综合作用下，人工智能技术得以大幅度提升。在很多应用领域，人工智能被给予很大期望，最乐观的预期认为可以带来人类文明的第四次工业革命。过去几年里，中国公共安全视频建设经历了飞速发展的黄金时期，适逢人工智能技术取得突破性进展，以人脸识别为代表的人工智能（主要是机器视觉）在安防行业迅速落地，诞生了一系列初具成效的应用，也存在虚张声势的营销。批评者指出，人工智能当前的主要矛盾，是业界的营销能力和 PPT 水准，远远领先于用户的真实需求和实战准备；人工智能序幕揭开，算法仍有很多发展空间，对于算法落地难、实战差，工程化是今后

2、要解决的问题。实践者认为，任何一项技术，其生命力由商业化应用的程度决定，只有将技术转化为产品，形成解决方案，最终转化为用户的有效利用，才能形成技术和价值的良性循环。在顶层设计方面，中国政府对人工智能发展战略的高度重视。自 2015 年 6月以来，中国密集发布了 7 项关于人工智能的政策与规划，并倡导将人工智能技术应用于公共安全领域，进行技术创新、产品创新和应用创新。在技术创新层面，传统的安防企业、新兴的 AI 初创企业，都开始积极从技术各个维度拥抱人工智能，在模式识别基础理论、图像处理、计算机视觉以及语音信息处理展开了集中研究与持续创新，探索模式识别机理以及有效计算方法，为解决应用实践问题提供

3、了关键技术，具备了原创性技术的突破能力。在产品应用层面，很多企业推出了系列化的前后端 AI 安防产品，理论上满足了许多典型场景下的实战应用需求。人工智能技术的不断进步，传统的被动防御安防系统将升级成为主动判断和预警的智慧安防系统；安防从单一的安全领域有望向多行业应用、提升生产效率、提高生活智能化程度方向发展，为更多的行业和人群提供可视化、智能化解决方案。智慧安防的技术基础和产品化已趋成熟，因此在下一阶段的命题就是如何系统化规模部署。挑战与机遇并存，从技术手段的不断革新到产品形态的成熟落地，智慧安防仍然面临众多难题，诸如成本高昂、工程化布点困难、算法场景局限大、缺乏深度应用、缺乏系统性顶层设计、

4、缺乏满足实战应用的行业标准与评估体系 2 等。能够在多大程度上解决这些问题，关系着智慧安防产品和方案能否真正的落地生根。安防+AI 前景可期，久久为功。国内的学术界及实业界积极尝试将人工智能应用于安防领域，正视问题，研究方法，实践中总结改进，稳健推动安防行业的第三次升级。安防+AI 人工智能工程化白皮书集合了中科院自动化所、浙江宇视科技有限公司的技术专家及行业专家的研究成果、实践经验。本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

5、在的八大限制性因素，以及智慧安防的八大新的发展趋势，供学术界及实业界的学者、专家参考。由于编写时间仓促，本报告存在一定的不足，欢迎业内各界人士批评指正；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。中科院自动化所、宇视研究院报告团队 2018 年 11 月于乌镇 3 第一章 背景 1.1 从自动化迈向智能化时代 人工智能始于 20 世纪 50 年代，至今大致分为三个发展阶段：第一阶段（20 世纪 50 年代80 年代）：形成了基本的人工智能，但还远远不及智能化水平。符号主义理论快速发展，一些基础的算法理论得到证明。计算机的出现，人工智能的实际应用具备了硬件条件；但是硬件

6、设备的计算能力极为有限，难以处理复杂性更大的计算任务。第二阶段（20 世纪 80 年代90 年代末）：专家系统得到快速发展，数学模型有重大突破。计算机从完成单纯的数学和逻辑运算，演变为执行知识库的自动化工具。这一阶段的专家系统需要人们把知识总结后灌输给计算机，计算机只能按规则应用这些知识，无法从数据中自行获取知识。第三阶段（21 世纪初至今）：随着大数据的积聚、算法理论的革新、计算能力的提升，尤其是深度学习技术的发展，机器实现了分析数据，从而自动学习出知识能力。从人工智能的发展历程来看，深度学习（深度神经网络）推动了本轮人工智能的发展，本质上是多层次的人工神经网络算法，即从结构上模拟人脑的运行