人工智能图像识别领域已经在各行各业落地，尤其在安防行业，各个头部AI企业基本都在聚焦，安防行业属于市场规模和应收最大的份额，其中2018年整体市场营收80%-90%都是从AI行业来的，这一块是所有AI企业关注的重点。
——
AI安防市场对于人工智能需求巨大
传统管控AI中，传统监控把视频通过摄像头传到云端，监控室可以观看，人工智能用机器分析这些视频，看得到人脸、车牌，但传统摄像头+AI有自己的局限性，没有办法把AI真正落到实战当中。传统AI的弱点一是建设周期、成本高；二是无法做到全方位覆盖；三是固定的，不灵活；四是需要依靠指挥中心的调度和指挥，视频传到后台，机器认知之后才能形成指挥调度信息。
我们做AI安防市场时发现移动端设备对AI的需求越来越高，互联网时代用电脑上网是可以的，为什么移动端设备对于AI的需求出现了呢？我也在问自己这个问题，最重要的一点是人和设备在一起，也就是说我们不需要把监控摄像头传到云端，我们在前端就可以识别，人手中的设备不光是拍摄，也能分析人脸、车牌，结构化所有信息，这是现在AI市场对于人工智能需求巨大的转变，这需要很多方面的提升，一是人机算力，传统AI算法和神经网络需要相对比较大的GPU，功耗大，另外是能不能做到逐帧识别，对于技术研发这一块，算法工程师，所有科研人员能不能在前端设备甚至手机上做一些算法工作呢？
——
人工智能图像识别领域在安防市场的应用
这是云端识别和前端识别的区分度，从网络成本到识别时长、服务器成本都有巨大的区分度，前端小型化和成本低是非常大的优势。过去三年火眼智能在云端识别和前端识别都有自己的解决方案，现在聚焦在前端移动视频识别领域，接下来举一个例子，帮助大家理解人工智能图像识别领域在安防市场是怎么用的，怎么能延展到别的行业。
这是我们的系统，它不光有固定点摄像头AI捕捉，结合车载设备、摩托车、便携式设备的方式组成立体防护网络，让作战单元无限下沉到每一个执法人员、安保人员身上，从被动采集到主动出击的状态。
有种车载设备上面有六路摄像头360度覆盖，后端有一个视频分析服务器，这个服务器的芯片功率只有15W，做六路视频实时解码，和人工智能车牌、人脸分析识别，把识别结果直接传到车副驾驶平板上，离线比对，成为业务流程的一个系统。这套系统目前用在公安、警务市场，3月份罗湖的很多警车会装这套系统，帮助警员维护社会治安。这套解决方案集成了我们自研的硬件、软件以及低功耗人工智能图像识别算法。
产品流程从前端的采集器到分析引擎，再通过大屏展示，这一套在车内就可以实现，同时把人脸和车牌结构化后的数据传到云端，而不是把视频传到云端。
前端的Pad、后端都可以看到相关数据，包括人的结构化，人的衣着、发型、穿戴、同行人、车型、车的颜色，相关数据都可以在分析引擎注入，分析引擎不光跑传统算法，也可以跑人工智能叠加其他结构的算法。
这是前端黑名单，在15W功耗中做到10万级黑名单比对，这是算法上的突破。
结构化场景中，我们能做到远距离灵活机动性，把相关AI布控放到不同业务场景和领域，车载过程中镜头是抖动的、高速的，怎么能拍得清、拍得好，设备必须通过科研的力量加以优化，做相应场景的调试。实时监控视频不是全部回传到指挥中心，指挥中心需要看前端某一辆车、某一个镜头的实时视频，可以点击调取，实时观看。
后台以图搜图、语义搜图、轨迹查询，比如对于嫌疑犯、嫌疑车辆轨迹查询都可以做到。
我们在这方面有几个专注度：一是技术专注，专注移动端人脸和车牌，进入停车场里之后会拍摄、开闸，但那个场景的光线非常好，车牌也比较生活。而在移动端可能会出现车牌45度角、光线非常低，这个时候就需要算法进行大量的优化。根据车里的场景、功耗、作战特点，做UPS支持，能支持24小时工作的离线状态，车关火之后能不能运行24小时、48小时，这方面我们都是支持的。此外通过6、7个省的部署，用户给出的反馈意见，我们做到了用户界面友好的状态。
应用场景：日常巡逻采集，比如几十辆警车在某一个区域巡逻，可以采集大量数据，这可以补充传统监控做不到的弱点。动态布控，如果有嫌疑人或嫌疑车辆出现，我们可以做动态监控。此外还有重大活动安排。
东莞有个案例，一个盗金贼，通过人工智能警车成功捕捉到盗金贼，通过其他技侦手段定位到案犯就在方圆一公里范围之内，通过警车巡逻抓到案犯。
——
AI技术驱动警务装备向小型化、移动化、视频前端结构化变革
我们现在正在朝着更小型化的方向走，这是铁骑版解决方案，这里有两个摄像头，在摩托车后支架做采集，同时在箱里做视频分析和比对。
最近推出便携版智能设备和解决方案，我们用眼镜作为前端采集器，回到执法终端设备，执法终端设备的功耗、计算力相对于车载更低，绝大多数人手机的计算力都比它高，我们要在极低计算力状态下做优化，必须是每秒钟10帧以上的识别，实现视线跟干警、宝安保持一致，也实现非常低成本的解决方案，能让安防级别提升到另外一个层次，比如危险品区域、重大安防区域，我们做智能眼镜识别，我们看到的所有车牌都可以结构化，通过执法记录仪的震动或其他方式提醒我有情况发生，可以立即处理。
——
手机端算法会带动更多行业AI落地
最后说一下我们的技术特点，未来2-3年时间人工智能可以发展到什么状态，现在我们做的研发，市面上95%的执法终端，高通625、小米5X手机就可以做到每秒钟识别20张人脸，这是非常大的突破，就是说我们在研发中发现计算力的调取和未来的可能性，在AI安防领域出现人脸车牌，在手机里就可以做人脸、车牌实时识别和比对，未来在别的行业是不是有这种可能性呢？我觉得很快会到来。最新的麒麟980、高通845等高端芯片，从我们内部来看，它的计算力已经到达我们车载计算力的水平，只不过没有开放接口而已，未来一定会开放，这对于各行各业的想象空间就有了，手机端的算法出现会带动更多行业AI的落地。未来3-5年90%以上的算法都会开源，我们做的一些算法也会开源出来。
我们团队聚焦三点：一是通用平台性算法，希望算法开发出来之后可以跑在高通、Nvidia、麒麟970、华为平台上。二是神经网络级，我们通过人工智能判别汽车尾气黑烟浓度。三是聚焦在识别效率，小功耗芯片、小功耗手机识别人脸车牌和神经网络算法。
希望通过一些具体案例帮助大家看人工智能发展到现在的状态以及未来的可能性，在小功耗做算法的加强，做人工智能神经网络的落地成为可能性。
