误报率太高! 人工智能在安防行业应用依旧挑战重重

2018年04月03日来源：千家网

[导读]如今安防企业不做AI，都不好意思说自己是安防企业了……

人工智能技术在安防领域的应用已经发展了很多年，但由于硬件本身问题以及算法、算力等制约，很长一段时间内都没有取得较大突破。随着近年来人工智能技术的发展，尤其深度学习技术的突飞猛进，使得AI在安防行业应用赢来了重大转机与突破。从2017年深圳安博会的火爆现象，就可以看出“人工智能+安防”广阔的市场发展空间。

安防行业，尤其是视频监控行业因其自身特点，理所当然的成为了人工智能的天然试验场。遍布全国各地，数以亿计的视频监控摄像机7*24小时不间断采集视频图像，产生了海量的大数据。尤其是高清网络摄像机的普及应用，数据量更是呈指数级飞速增长。如果依靠传统的人工进行管理、查询，显然已经无法满足当前社会治安管理的需求。因此，安防行业拥抱人工智能技术已是必经之路。

全球人工智能火热，带动了一大批人工智能初创企业的出现，各种先进的人工智能技术方案不断涌现。而拥有海量大数据与垂直刚需应用的安防行业自然也成了这些AI初创企业技术方案的最佳落脚点。因此，海康、大华、宇视、科达等传统安防企业纷纷拥抱人工智能；商汤、旷视、依图、云从等AI新贵全面进军安防应用，充分体现了当前安防行业发展的趋势。

据报道，凭借着网络高清摄像机的应用以及人工智能技术加持，社会治安破案率得到了明显提升。甚至有的部分地区数据显示，由于高清网络摄像头和人脸识别技术的应用，不仅破案率极大提升，甚至案发率也大幅下降。尽管当前人工智能技术已经极大改善了视频监控的应用，但从实际应用情况来看依然面临着许多挑战。

笔者近期参加了雷锋网主办的2018中国安防AI峰会，海康、大华、宇视等中国安防前三强都先后登台，展示了自家AI+安防解决方案。虽然各自的产品与解决方案有所差异，但是大家都共同传达了一个观点。那就是当前安防行业人工智能技术应用依旧挑战重重。

例如，误报率太高。在峰会上中科奥森董事长李子青教授举例说明，以某一个辖区1000路视频抓拍人像，并且有一个黑名单库，1000路在深圳算是一个小的系统。1千个这样的系统，假设每个摄像头每10秒或者5秒抓拍一张人脸，该辖区每秒钟抓拍100张图象，该辖区每天要产生864万张抓拍人脸，与20万人的数据库比对次数高大1.728万亿次。

李子青教授在2018中国AI安防峰会演讲

李子青教授表，对动态人脸识别的性能要求，我们希望通过率比较高，比如说90%的通过率，在动态人脸监控上面算是比较高的，它每天的误报个数要少于200个。现在的问题是误报率太高，每次都是“狼来了”，所以公安对这个东西一方面非常想用，另一方面又老是误报，所以他就把这个东西禁用了，甚至最后放弃，在过去几年有很多实施的动态人脸监控最后都放弃了。

众所周知，安防视频监控应用场景非常复杂多变。监控摄像头除了监控行人之外，还要监控汽车、物体、事件等等。每一种监控对象都有责不同特征，如监控行人需要了解到性别、年龄、身高、穿着、是否戴眼镜等等信息，对于汽车除了要识别车牌，还需要更多细节特征，如颜色、品牌等等，并结构化处理并存储信息，后续才能高效利用或作出相应的预判。

但是在实际应用中，我们往往会遇到很多来自不同场景的挑战。例如人口密集的车站。

比如这样

这样

还有这样

咋整？

李子青教授表示，静态人脸识别以及很成熟了，但动态人脸识别目前仍然还面临着巨大的挑战。除了前端高清摄像机必须要能够采集到高质量的人脸信息之外，还需要强大的算法和算力支持。通过神经网络、深度学习、大数据自主训练以及高性能并行计算能力等等综合提升才能解决当前应用难题。

深度学习是需要进行大量的大数据训练，目前有的AI企业采用人工对数据进行标注，费时费力。李子青教授表：“我认为深度学习还有一定的发展空间，不管是提升算法、改进网络架构，还是通过增大数据标注的方式，提升的空间并不大，它已经接近天花板，具体是多少，我不能给一个定量，我们必须在这方面突破，必须像开复老师说的那样，要形成应用场景的数据闭环，能够利用生产环节的大数据进行自主标注、自主学习，不管你会不会标注，至少是自主学习”。

宇视总裁张鹏国近期也表示，人脸识别目前在商业落地上有很大的挑战。“想象一个千万人口的城市，在99%的识别率下，还有10万人没有被识别。”