5月13日，上海市科學技術委員會發布2019年度人工智能領域項目指南，包括人工智能在內關鍵共性技術賦能交通領域、衛生健康領域及社區等五大領域。自深度學習算法出現后，AI正以雷霆萬鈞之勢從學術界進入產業界，成為了傳統行業變革求新、提益的利器。其中，安防儼然成為人工智能落腳點之一。

AI攝像頭尚未進化完備

AI讓安防的海量數據發揮出了價值，攝像頭不僅可以識別車牌車輛，預測車流，還能夠執行人臉識別、判斷人流。那么，AI攝像頭已經基本發展完備了嗎？

事實并非如此。AI在攝像頭乃至智慧城市系統還面臨許多困難與障礙。比如傳統攝像頭清晰度欠佳，導致AI難以識別。即便攝像頭足夠高清，但終端設備若缺乏特征提取功能，那么云端必須完成從特征提取到識別再到反饋的全部過程，這將會犧牲一定的識別精度、速度與準確度。

有人提出使攝像頭搭載識別能力。這雖然可以解決云端運算量過大的問題，但由于已部署的攝像頭不便拆卸，重復建設問題就不可避免。另外，若數據無法互相打通，后端AI仍舊無法給出真正智能的結果與建議，因此，想要讓AI全局化理解城市，各攝像頭也必須進行全局匯總。

解決之道有哪些？

1、建立視頻AI綜合平臺

隨著資本快速涌入、公安和交通領域的應用遍地開花，其他領域的需求不斷增長，視頻AI綜合平臺已具雛形。視頻AI平臺能夠使算法AI單體能力規模化，將AI智能推送至云、邊、端，并感知動態調配算法AI資源。

目前針對人臉識別、車輛識別等成熟算法，可以通過平臺以簡單的SDK方式快速集成，這種模式下，平臺能提供針對算法服務的調度，同時算法服務能開放API服務出去；而顧及AI領域創新速度快的狀況，一些新算法尚在探索期時，平臺也能夠提供工程化支撐，通過服務集成的方式提供支持。這或許對解決困擾安防行業多年的多源數據互聯互通問題有所助益。

2、數字視網膜

除視頻AI綜合平臺之外，中國工程院院士高文提出的“數字視網膜”理念，也廣為產學各界重視。所謂“數字視網膜”，就是將識別和推理等智能計算保留在云端的同時 讓端側完成初步智能化解析，從而平衡兩側成本與效率關系。而云大腦與攝像頭的智慧結合，就好像是給城市裝了一層“數字視網膜”。

這種視頻監控系統需要攝像頭具有圖像識別、處理、傳輸的能力，只傳輸有效信息，這不僅有助于解決AI視頻監控的問題，也有助于智慧城市的進一步發展。

結語：從文章開頭可以看出，人工智能從安防、廣告與金融領域開始向衛生健康、社區等多個領域蔓延，這反映了AI技術仍處于起步期向快速發展期的過渡階段，也顯示了產業的巨大發展潛力。

值得一提的是，隨著市場容量擴大，AI監控設備將朝著標準化的方向發展，系統復雜度也將進一步上升，此時負責集成的廠商須承擔起架構設計與運營的工作，牽涉總體協調，進入門檻高，話語權將會擴大。而視頻監控大設備商由于產品系列全，質量高、實施經驗足等因素，在集成方向上的整合水到渠成。