3月23日，由雷锋网 & AI掘金志主办的「第二届中国人工智能安防峰会」在杭州召开。
峰会现场，深瞐科技董事长陈瑞军发表了主题演讲《安防行业的AI革命》。
作为传统安防上市企业的董事长，和新型AI安防初创企业的创始人，陈瑞军在经历多次行业洗牌后，每次都能站在行业最前列。今天他从一位老安防人的视角，重新审视了安防的未来与AI安防的应用。
陈瑞军在演讲中表示，安防行业在数字时代几经迭代，但其本质没有变化，还是围绕数据采集、传输和存储这一基础架构展开。这一点在AI时代同样没有改变，改变的是AI安防关注的点，从系统基础建设过渡到了视频图像中的对象和内容。而AI时代更重要的是应用，这个变化将造成整个行业产品链的更新，并创造出大量新的机会。
今天，安防行业已经从针对犯罪的狭义安防概念，延展到了解决用户在工作、生产中的痛点的泛安防概念。涉及的数据也从结构化数据扩展到了非结构化数据，这将创造出真正的大数据，比如当前热门的城市大脑概念。
陈瑞军认为，创造真正的大数据产业有两个前提：一是AI安防的标准化，打破不同数据管道间的壁垒，其中华为倡导的分层解耦概念或将发挥重要作用；二是AI应用服务化，包括算法的场景化和AI流程再造。他强调，当前AI之所以落地难，最主要的原因就是没能做到算法场景化和行业流程再造。为此，深瞐科技做了许多努力和尝试。比如高点态势分析、车辆拥堵检测、人流密度分析、占道检测等。
陈瑞军介绍，深瞐科技倡导全面生态合作赋能战略，致力于从算法、硬件、平台、应用服务多个层面，针对不同客户和行业需求，提供相应的解决方案。
以下是陈瑞军的现场演讲内容，雷锋网做了不改变原意的整理与编辑：
我是一个老安防人，2001年我刚进入这个行业时，很多人说这个行业已经没法做了。整个行业正处于恶性竞争阶段，价格非常低。后来行业发生了一轮变革，诞生了海康、大华这样一批世界级安防企业。我觉得今天的安防行业也在面临这样一场变化。
传统安防从模拟到数字，从标清到高清，几经变化。但其本质没有变化，还是围绕数据采集、传输和存储这一基础架构。
这一点在AI时代同样没有改变，改变的是AI安防关注的点，从系统的基础建设过渡到了视频图像中的对象和内容。比如关注视频里的人、车和物体，关注里面发生了什么以及可能会发生什么。
这和传统安防相比发生了巨大的变化，这个变化会造成从前端数据采集到传输、存储和应用的整个行业产品链的更新。这一更新将给行业创造新的机会。比如视频图像是互联网的重要数据来源，吸引了阿里、百度这些互联网巨头的关注。
大数据的应用，为智慧城市概念带来了全新的变化，像华为、中兴这样的传统IT巨头，也随之进入这个行业。在这几点融合的基础上，行业将发生革命性的变革，也带来了一跃成为世界级企业的巨大机会。
此外，安防行业的边界已经从针对犯罪的狭义安防概念，延展到了解决用户在工作、生产中的痛点的泛安防概念。
传统大数据针对的是数字、表格等结构化数据的应用，已经比较成熟。而有了AI以后，基于AI的大数据实际把原来非结构化的数据——比如视频、图像和语音，进行了结构化。这类数据的规模非常庞大，将它们结构化后将带来非常大的应用空间，创造出真正的大数据概念，比如城市大脑。
城市大脑是阿里率先提出的，但其原型是智慧城市。
智慧城市在中国已经有十几年历史了，这十几年里我们做了许多大规模建设，但大部分只是基于硬件搭建的基础做了一些传统应用，这些应用还有很大的改进空间。
直到有了AI，将视频、图像、语音等非结构化数据结构化以后，才演变出城市大脑的新概念。
以我们的人车动态档案大数据为例，通过视频结构化，我们可以识别视频图像里人和车的特征，以及它们在时空上的位置和属性。通过这些数据统计分析出的规律，我们可以为公安、政府等各个部门，甚至在商业领域提供许许多多的服务。
举几个例子：比如人车动态档案大数据可以反映经济指数，通过分析车辆中大、中、小型货车在各区域出现的频度、数量等信息，判断各个区域的经济类型。
比如对商业场所的车辆、人员出入情况进行分析，可以挖掘商业上的消费热点和趋势。再比如采集旅游区的人、车数据，可以分析景点的客源和季节性特征。甚至还有交通大脑，通过车辆的轨迹、时间等特征，预测某件事情可能给交通造成的影响。
标准化一直是传统安防面临的最大困境。过去，公安部出台了许多次标准，但安防从业者都知道，标准往往是滞后的。
通常一项新的技术出现，往往是企业先进行创新和应用，然后才慢慢出现标准。
2001年我进入安防行业时，行业里还没有标准化的说法，客户觉得你只要能解决我的功能和应用需求就行了。所以有很多企业做了很多创新，但始终没有标准化，也没有对接大数据。
县、市、省、部一级虽然有视频图像联网，但它是电波式的，没有实施数据传输。而且每一个点上的数据都是孤立的，甚至一个市里不同部门之间的数据都是孤立的。
我们知道，只有行业先有了标准，任何两家的设备和产品才能够连接起来。在安防行业，任何两家的产品对接都有一定困难。
AI对标准化提出了新的要求，这跟我前面提到的大数据概念有关。大数据的特点就是数据量越大，它的功效就越是成倍增加。因此，大数据要求打破数据孤岛，每一层的各个部门之间、不同行业之间全部都要打通。而要让数据打通，前提就是标准化。
华为提出的分层解耦概念得到了行业大部分公司的支持，也得到了很多用户的认同。所谓分层解耦，就是不同层级之间和同一层级的各个层次之间接口的标准化。它将给行业趋势带来很大的变化，创造出新的机会。
安防行业的另一个趋势是AI应用服务化。AI的创新实际上来源于算力和深度学习算法的突破，但现在的AI是弱人工智能，没有通用性。除非未来强人工智能能够在算法和技术上有所突破，否则每一个场景都需要根据专门的数据集训练算法，也就是算法的场景化。而算法上的场景化要求企业对每一个行业都有充分的理解，同时对行业流程进行再造。
深瞐科技通过几年的实践，发现AI落地非常困难，并没有发挥它应有的价值。原因除了算法没有场景化，很重要的一点就是没有对行业流程进行再造。比如我们有很多公安的客户，一个项目领导重不重视，效果是完全不一样的。如果领导不重视，一个项目虽然投资几千万甚至上亿，但实际上没有发挥作用。只有上级重视之后对流程进行再造，我们所有的工作方法和业务逻辑都按照AI信息化的理念重新设计，才能使AI发挥更大的作用。
流程再造不仅需要客户，也需要我们科技企业，对其所处的行业拥有充分的理解。那么深瞐科技有哪些理解呢？
行业里有很多做人脸识别、车辆识别算法的企业，但今天客户需要的不单是一个算法或一项技术，而是解决他们面临的问题。解决不同行业、不同场景的问题，需要不同的算法，这个算法需要是场景化的，不只是人脸识别或车辆识别。
下面是我们的一些应用案例：
下图是和华为共同打造的AI预审系统，我们的典型落地案例。什么样的AI才能落地？除了解决社会化需求，也需要一定的经济效益。假如这个AI我们投入100万，但能为用户节省1000万，那它一定能够普遍落地。我们通过非现场执法业务，每年可以为大型客户节省上百个人力和上千万支出。
我们开发的车辆拥堵检测系统，可以识别每条车道的车辆数量和类型。
我们还在中石化上线了一套系统，可以识别工人的工作流程是否规范。过去工人的行为需要人工来监管，后台有大量人员监管他们的工作过程是否规范。今天我们把工人的工作流程拆解开，将每个行为、动作和供给标准化以后，就可以对其进行监管和指导。
此外我们还开发了人流密度监测算法和占道检测算法。
深瞐科技成立六年以来，始终致力于提供从云到端的产品和解决方案。智能前端方面，我们为国内多家摄像机企业提供各类场景的识别算法。边缘计算方面，我们提供嵌入式的视频分析器。雾计算方面，我们提供智能分析的存储设备，我们从前端摄像机采集数据后首先要存储，存储这个节点的智能化是整个应用的基石。云计算方面，我们提供集中式的视频分析服务器，包括视频分析算法。
深瞐科技倡导全面生态合作赋能战略，致力于从算法、硬件、平台、应用服务多个层面，针对不同客户和行业需求，提供相应的解决方案。这个行业有许多不同类型的厂商，有供应商、集成商和代理商等，他们对技术和产品的需求不尽相同。泛安防面向的应用领域也非常广，有公安、交警、平安城市、智能交通、智慧社区等，它们对算法和产品的需求也有所差异。目前，深瞐科技对不同行业的不同用户，都可以提供相应的技术、产品和解决方案。
