让开发者可以专注前端开发的实时
后端开发

对话中科奥森销售总监:从前端到后端全面拥抱安防智能化

  随着人工智能在安防领域应用的深化,这个产业也吸引着越来越多AI企业的入局。人工智能在安防领域的真正落地和应用状况如何?老牌安防企业与新型算法公司在落地智能安防应用的策略上有哪些区别?本次邀请北京中科奥森数据科技有限公司销售总监刘冬,对数据在人工智能的价值与影响进行了探讨。

  A:我们原先是一家算法公司,目前已经开发出从智能前端到智能平台整体的系统化产品。同时在核心算法技术的支持下,在原有的业务平台软件上添加更加细化的应用场景解决方案。从整个行业发展来看,识别率的提升已经基本完成,从业务应用角度来看,识别率的差异影响不是很大,我们现在需要关注的是一些相关行业的过滤和细化工作。

  Q:目前安防市场有较大存量的监控平台,贵司的平台产品支持市场已有平台的兼容和提升吗?

  A:平台系统应该分两种,一种是应用系统中现有的一套系统,这种需要关注系统本身的体量和业务能力。从安防行业发展来讲,智能前端可以说经历了多次的变化,目前视频已经实现数字化,市场形态在不停的发展变化,平台也是分阶段的不断发展;从业务角度来讲,人工智能算法接入了原有的平台,但是原有的平台已经不能满足现在的数据挖掘需求。所以目前落地的项目一般是独立的新增加的系统,原有的系统一般比较难接入和兼容。我们是根据客户现有的需求,结合客户旧有的网络系统平台的痛点和实际项目的情报分析,增加我们产品的智能分析亮点,形成一个新的系统方案。

  A:目前已经正式落地的项目不是特别多,相对来讲现在是行业的转型期,不管是动态人脸检测还是静态人脸比对,核心技术的产业很大。我们做安防时间很早,公司早期针对安防集成商做算法技术的输出,对业务层面的接触相对较少,从2017年开始在重点保证核心算法竞争力的同时,深化业务层面发展,目前主要立足安防和金融,利用手中现有的几个项目,借着合作的机会把我们的平台做大做强。

  A:目前人体识别基本分为三种应用场景,第一是线上的人脸识别,如我们做过的一些APP中的人脸验证。第二是线下的通道人脸识别,如机场、高铁站通关时的识别。第三是动态人脸检测,主要应用于视频监控。我们的人脸防伪主要针对的是线下识别部分。基于很多活体检测没有防伪功能这一行业痛点,我们研发了这个防伪技术。

  其实现在人脸识别在有些行业的落地不太好,例如金融行业,银行ATM机通过刷脸提供一些试点的金融服务,首先因为金融业务的级别比较高,被网络攻击或者识别错误时损失很大。这就需要权衡便利性和安全性两点之间平衡点的变化,这些权衡变化决定了整个人工智能落地的时间点,这也是安防行业人脸识别落地比较早并且落地程度较好的原因。

  人脸识别在视频监控领域的应用,或多或少的解决了一些实际的问题,比如为公安的破案提供了一些线索,但是整体来讲与早起的预期有较大差异,所以人脸识别还需要持续不断的改进。除了算法本身,前端视频中光线、人的姿态以及计算机的性能等,甚至还涉及外部如平台的预算、前端摄像机采集的清晰度、角度等,都是影响人脸识别效果的因素。国家每年在视频监控和平台建设中投入巨大,需要有事前预警、威慑等方面的安定价值,人脸识别发挥了技术方面的效果,智能技术的应用推动了行业发展,

  A:我们的核心竞争力和优势分几个方面,首先我们成立专门团队负责这个智能平台,包括技术、销售、服务等团队,人员投入力度大,自身的专业度加上对其的重视形成了我们的优势。第二就是核心技术的创新,主要表现在两块业务的创新,第一块是数据标注的自主性,因为识别准确率的提升需要针对不同场景需要大量数据,而新的大量数据需要时间成本、资金成本、人员精力等,数据标注的自主性完全改变了数据训练的方式,不需要购买数据,只要有一定识别技术的基础数据,就可以通过实际应用场景的视频监控自动标注数据和积累数据,在使用中提升训练的效果。第二个创新点就是采用光和算法结合的创新传感器技术,利用可见光、红外光和3D解决室外环境逆光问题和夜间人脸图像采集模糊的问题。

  A:业务推广的优势主要还是从核心算法、采集设备、性价比、服务等方面来比较。我们针对核心技术的掌握具有天然的优势,解决了一些行业的痛点和问题,是从前端到后端的整体技术提升,在相对短的时间内很难被复制,提供针对不同应用场景能解决痛点的解决方案落地给用户。

  我们是技术型的公司,注重技术的研发,团队创始人的动手能力和思维能力感染了整个团队,从技术创新、营销模式创新以及其他方面的一些创新,带动了创新的氛围。智能化的发展使大家基本站在了同一个技术起跑线,新的算法公司比传统的安防企业可能更有优势,视频除了有监控的功能外,更具有了可视化管理、数据管理等功能,安防+AI的快速发展是行业痛点的需求在推动。如平安城市中的视频结构化,深入一线业务的人脸识别,或者人车物的识别以及一些人的行为分析,目前视频监控智能化技术更多的是解决通用的行业痛点和问题。智能安防时代只有技术力量雄厚,攻克实际应用中的痛点的企业,才能在人工智能赛道的马拉松中才能赢得最后的胜利。

  Q: 大数据是人工智能应用的支撑,贵司作为一个数据科技公司,对这方面有哪些看法?

  A:数据的安全性是最重要的,要从几方面去保证数据的安全性。首先从管控环节来讲,在研发阶段还没有深入到场景应用中,那么对用户来说可能就没有解决实际的问题,针对应用场景的数据训练就比较迫切,需要从数据的源头方面进行有效的安全管控。第二点是数据的传输环节,数据采集-加工-传输-接收的整个过程都要具有保密性,第三点就是通过技术上的创新降低数据依赖性,在技术的进一步发展下,优化能让数据具有自主学习能力的训练模型。

  获得数据的深度影响对场景的挖掘,细分行业中的场景应用数据才是有价值的数据。但是数据的自主学习首先需要一个基础的模型,然后通过如新零售、教育等细分的场景应用,结合客户的需求,利用核心技术深入细分市场和产品场景中,实现数据的场景化。为用户提供配套的解决方案,同时和用户业务链条的需求相结合,不断在实际应用场景中自主学习提升价值。智能化时代,技术实力影响竞争力,不同技术层次的市场应用推广是不同的,价格战的激烈程度取决于这个技术赋能的程度。生态圈大发展可以形成良性的竞争环境。

  A:从公司来讲,呼吁业内的友商和合作伙伴共同构建和谐共存的发展生态环境,一起努力把AI行业建设的更好,不仅赋能安防和金融,按照我们李中青老师提出的一个构想,还有很多行业可以让AI照进现实,这个可能还有很长的路要走。只要在这个生态链里把握好市场和技术创新,将来这个行业的发展是大有可为的。除了我们现有的这些厂商,更多的企业可以共同关注泛智能安防泛智能视频的广阔市场和应用,其他厂商的介入为行业带来新的机会和新的理念,把这个行业的生态发展的更好。

  人工智能的高度和数据有很大的关系,但是数据能够进行有效训练才是关键。人工智能的风口之下,大数据的作用被放大了很多,出现了为大数据而大数据,但是很多的实际应用却停留在数据展示层面上。目前来讲,我们处在一个数据的洪流中,这些数据促使我们用更有价值的场景数据去训练人工智能的算法,从而产生更有效的人工智能算法,再而产生更大的增值价值,这需要有个艰苦的努力过程让会让最终用户感受到实际效果的价值感。如何把握好人工智能的应用,与驾驭数据的洪流非常有关系,这需要所有AI参与者的共同努力。

  如果您对安防市场有独特见解或新的技术分享,请随时联系我们,共同探讨行业发展的新动向。