智能算法应用各有侧重 与场景适配为关键

本篇文章1186字，读完约3分钟

随着人工智能的不断深入发展，传统的安全已经转变为智能安全，智能安全与传统安全的区别在于，过去由许多人工完成的工作是由机器智能完成的。在这个转换过程中，智能算法起着重要的支持作用。

目前，人工智能算法厂商如尚唐、易图、迪思，传统安全企业如Hikvision、大华、时宇科技、科达、天地叶巍都在人工智能算法领域大力部署，甚至一些新兴安全企业也在大力推广自主开发的人工智能算法。随着整个安全领域对智能算法的投入不断增加，安全监控视频识别算法的准确率也有了很大提高。例如，在人脸识别、图像分类、目标检测、人体监控等领域，该算法已经远远超过了人类的平均水平。

此外，随着大数据技术和gpu并行计算能力的快速发展，行业用户对应用有了更深的理解，尤其是海量数据的爆炸式增长和计算平台的成熟。基于此，专门研究计算机如何模拟或实现人类学习行为以获取新知识或技能的机器学习算法日益成熟，并逐渐扩展到计算机视觉、语音识别、模式识别、数据挖掘和统计学习等领域。

人工智能的登陆要求智能算法适应工业场景，而尖端算法的价值只有在应用于实际场景时才能凸显出来。作为人工智能的生产工具，算法的底层逻辑推理也推动着智能安全的登陆。以公安行业为例，行业用户迫切需要在海量视频信息中找到犯罪嫌疑人的线索；交通行业的用户迫切需要能够快速检测运动物体、识别人、汽车属性信息等。

以人脸识别算法为例。目前，一般的人脸识别算法已经达到了很高的水平，但是在一些特定的场景中，人脸识别有一定的局限性，不能满足所有场景的需要。以防疫控制为例，原有的人脸识别算法是基于人脸特征关键点的，算法包含的关键点越多，识别结果就越准确。然而，戴上面具后，可以识别的“关键点”大大减少，鼻子下面的面部特征被隐藏，面部特征的关键点减少，并且通过智能设备学习的特征的辨别能力降低。原始人脸识别算法模型无效，使得机器无法识别当前人。

针对这种情况，行业内大多数企业都采用了选择眼睛、眉毛等局部特征点，并与整体人脸特征融合，以提高模型在遮挡情况下的人脸识别率。在算法层面，基于人脸全局特征和局部特征的结合，对现有人脸识别算法模型进行优化，实现准确识别。

另外，在人脸识别算法领域，根据人脸识别技术的应用维度分析，可以分为政府、企业和个人消费者，其中政府部门普遍希望人脸识别技术得到应用。在智能安全领域，应用场景复杂，对准确性要求高；个人消费者的应用场景复杂度较低，但对消费体验有较高的要求。其中，在消费领域，易图技术、上唐技术、从云技术和不屑技术是主要的。

目前，安防行业的传统厂商Hikvision、大华、科达、天地叶巍、时宇科技，通过近几年在R&D的持续投资，已经实现了视频结构算法、车牌识别算法、人脸识别算法、视频检索、多传感器融合等技术的积累。通过与芯片制造商的密切合作以及他们在工业应用中的自身优势，他们已经在人工智能产品中得以实现