前言：2019年1月19日，北京安全防范行业协会第三届第二次会员代表大会隆重召开。北京蓝色星际科技股份有限公司作为优秀企业代表，特受邀作主题演讲。蓝色星际研发技术总监孔庆新以“AI回归落地应用是关键”为主题进行了演讲。演讲中表示，未来人工智能时代下，AI如何落地化使用是安防企业最为发人深省的问题。

蓝色星际作为技术领先的安防整体解决方案提供商，面向关键行业提供智能视频网络监控技术解决方案及视频安全产品，并为关键行业用户提供监控安全运营服务。目前在智慧城市需求甚嚣尘上的今天，蓝色星际一方面强化自身综合实力，避免同质化，在自身更为熟悉的垂直领域进行专业化发展，为用户提供个性化的整体解决方案；另一方面，在视频分析、人工智能、云应用的技术趋势下，更加强调智能化视频监控软件技术的应用，以满足智慧城市的发展需求和传统行业的安防升级需求。但从整个行业来看，无论是人工智能应用企业方，抑或是人工智能产品技术的提供方，如何快速、高效地落地AI应用都面临巨大的挑战。

三个层面，AI落地主要存在的问题

众所周知，AI技术迭代的速度非常快，智能分析从传统的模式识别转变到深度学习。但当前的应用还只是浅层次的，技术还不成熟，在一些场景应用中，人工智能还无法实现较为理想的落地效果。比如人员高密度场景下人脸抓拍的效率及精确性，视频画面中人员叠加后跟踪不到的问题，以及非人体对人形物体视频检测准确性的影响等，这些都是技术环节需要克服的问题。

第二，基于神经网络的人工智能往往需要后台高密度GPU的并行运算做支撑，这就造成，用户需要在后台配备成本相当高的服务器。这套方案核算下来的单路成本非常高，高昂的使用成本及使用代价，限制了人工智能的普及化应用，寻常老百姓的家庭场景就只能望尘莫及。

第三，AI技术“落地”的应用场景已不再是专业独门领域，但用户目标不尽相同，需要根据不同行业、不同场景、不同方式向客户提供有针对的、适合的产品及解决方案，同时需要应对人工智能工程化实施中的各种复杂问题，这对人工智能落地化应用也是挑战。

三项重举，力挫AI落地难的痛点

技术发展的驱动力最终都是以客户为导向。根据蓝色星际的观点，随着人工智能深度学习的步步进化，目前在人脸识别、人形识别等关键点上已经不再是曲高和寡的技术难题。现场演讲中，蓝色星际研发技术总监孔庆新也分享了三个工程实景测试演示。分别针对高密度场景下人脸抓拍，人员叠加后的视频跟踪，以及在非人体对人形物体视频检测干扰下，通过蓝色星际人工智能摄像机，均可以准确无误的检测识别出来。

未来，随着摄像机的深度学习及深层训练，识别目标会从现在的车辆、人脸、人形不断深化，慢慢也会认知动物、行为等，学会像人一样看懂情景。同时，人工智能算力注入到“边缘”是安防行业的大势所趋，一方面芯片算力革命性提高，另一方面有接近传统芯片价格来实现终端智能化，那么深度学习算法利用摄像机上的算力，为用户提供既高效又成本可控的人工智能功能也将不是障碍。根据蓝色星际的预估，将算法移植到前端摄像机设备，核算的单路成本相比后端至少可降低三分之一。

由此，在产品技术、综合成本有所突破的前提下，如果让人工智能在安防领域大规模落地应用，准确把握客户对 AI 的需求，让 AI 价值最大化，变得愈发具有挑战。演讲中，蓝色星际研发技术总监孔庆新介绍，蓝色星际从2013年开始持续专注视频智能分析技术，目前智能化产品及方案已深入应用于金融、教育等关键行业领域。通过现场展示的典型案例可以看到，就在2018年底，一伙儿外籍不法分子通过在北京某银行ATM自助取款机安装读卡器，非法获取市民财产，其手法并不高明，但海量视频数据及不法分子的反侦察意识给破案工作带来巨大难度。如果运用人眼方式对100TB视频数据进行查询检索，无异于大海捞针。蓝色星际智能化安防监控管理平台首先通过结构化检索匹配出疑似信息，并锁定作案人员体貌特征，虽然作案人员异常狡猾，全程戴口罩戴帽子，但根据人脸识别后端服务，蓝色星际还是从海量数据中成功提取两张清晰的犯罪分子面部图像，帮助公安机关48小时破案。在另外一个典型案例中，蓝色星际向参会嘉宾展示了平安校园智能化管理平台，基于3D地图的应急处理、消防报警、远程单兵、移动端巡更，以及对系统的业务性管理、数据分析及统计，同时布设增加对校园内人脸识别、车辆识别等智能化功能，深入满足了教育行业对平安校园安防的整体运维管理。

最后，蓝色星际提到，作为人工智能最为典型的应用领域，安防市场正在面临技术快速更迭，产品持续创新，系统方案越来越趋于定制化。在智能化市场需求不断衍生的发展中，蓝色星际作为安防整体解决方案提供商，我们不仅需要提供成本可控、用户买得起的产品与服务，更需要紧紧围绕场景落地做针对性的优化和开发，使AI不再是技术概念，而是各种场景、各行用户能够适应的深度应用。AI赋能产业升级，应用场景落地将是必然趋势。