在安防行業(yè)，AI技術(shù)的先進性及未來發(fā)展趨勢是毋庸置疑的，并且行業(yè)中已經(jīng)有眾多企業(yè)推出了相關(guān)產(chǎn)品和解決方案。雖然安防一直以來都是以人工智能最佳落地點自居，但從目前來看，人工智能在安防行業(yè)市場細分場景下的應用，還無法達到預期的效果，AI新產(chǎn)品的替換率依然在謀求新的突破。無論是參與各方企業(yè)實力，還是在技術(shù)研發(fā)和產(chǎn)品融合應用等方面還存在諸多的難點與困境。

1.行業(yè)參與者層面

受限于各自的技術(shù)領(lǐng)域與行業(yè)發(fā)展，在安防領(lǐng)域參與AI技術(shù)研發(fā)應用的各方均存在明顯的優(yōu)劣勢，這也是各方在持續(xù)推進AI技術(shù)落地應用中面臨的一些難題。

首先傳統(tǒng)安防企業(yè)雖然表現(xiàn)出積極擁抱AI技術(shù)的態(tài)度，一些大型安防上市企業(yè)也提出對應策略，但時間點都集中在近兩三年，成熟的AI產(chǎn)品及行業(yè)解決方案還相對較少，算法積累以及與行業(yè)的融合時間還較短。根據(jù)目前市場上反應來看，傳統(tǒng)安防企業(yè)AI產(chǎn)品依然局限于人臉識別、車輛識別以及相應的大數(shù)據(jù)平臺的應用。

其次部分AI算法企業(yè)雖然從四五年前就開始將視角轉(zhuǎn)向安防領(lǐng)域，并基于自身在算法上的積累優(yōu)勢，推出了相應的AI安防產(chǎn)品及解決方案。但是算法企業(yè)在硬件制造、行業(yè)積累和渠道拓展方面，與傳統(tǒng)的安防制造企業(yè)存在著很大差距，尤其是在細分領(lǐng)域應用積累，亟需進一步提高。

最后處于底層的安防中小企業(yè)既沒有資金實力，又缺乏算法領(lǐng)域研發(fā)，又沒有能力通過與各地公安業(yè)務部門建立合作關(guān)系獲取大數(shù)據(jù)支撐，唯獨有細分領(lǐng)域行業(yè)應用的經(jīng)驗。這也是AI時代，安防中小企業(yè)面臨的一系列亟需解決的難題。

2.技術(shù)層面

目前，人工智能技術(shù)在安防行業(yè)的應用表現(xiàn)出一種欣欣向榮的態(tài)勢，但當前的應用還只是淺層次的，技術(shù)還不成熟，在一些場景應用中，人工智能還無法實現(xiàn)較為理想的落地效果。例如AI在細分領(lǐng)域中環(huán)境適應性較差，目前鑒于車輛及道路環(huán)境的相對標準化，識別率相對較高，但對于人臉的準確識別則很容易受到光照不足、圖像模糊、目標尺寸過小或相互遮擋等環(huán)境影響，以致影響到識別準確率。

另外，數(shù)據(jù)資源分散，安防領(lǐng)域監(jiān)控數(shù)據(jù)的開放性和共享程度相對較低，很難開展多維數(shù)據(jù)的交叉融合分析，這使得人工智能分析缺乏有效的數(shù)據(jù)支撐，同樣也會影響準確率。同時，不同的場景理解受限，由于缺乏有效的專業(yè)領(lǐng)域經(jīng)驗知識的積累，視頻內(nèi)容的理解能力偏弱，目前的智能分析多為單場景的目標檢測和行為分析，很少涉及大范圍場景的關(guān)聯(lián)行為分析，以致很難用于異常行為分析和風險預測。

3.落地應用層面

早在2012年，深度學習被廣泛應用之后，部分AI算法企業(yè)將視角轉(zhuǎn)向安防領(lǐng)域，并研發(fā)出基于人工智能或深度學習的AI安防產(chǎn)品。從產(chǎn)品線來看，主要分為人像識別布控系統(tǒng)、視頻結(jié)構(gòu)化分析系統(tǒng)、車輛大數(shù)據(jù)平臺、警務大數(shù)據(jù)平臺、AR實景指揮系統(tǒng)。但是在硬件制造、行業(yè)積累和渠道拓展方面，算法企業(yè)與傳統(tǒng)的安防制造企業(yè)存在著很大差距，尤其是在細分領(lǐng)域應用積累，亟需進一步提高。