智能摄像机多场景应用还面临诸多难题

　　近两年，伴随着智能终端设备及传感器的数量急剧增长，海量数据对视频监控后台计算效率要求越来越高，连接前后端的传输系统面临巨大的考验，网络带宽逐渐成为后端处理的另一瓶颈。系统仅靠提高网络带宽完全不能满足万物互联应用对延迟时间的要求，尤其是目前公共安全行业对即时性响应的高要求下，后端人工大数据处理分析的延时显得不合时宜。

　　随着芯片技术的成熟，尤其是专门为视觉处理设计的终端芯片体积减小，能耗降低以及处理能力增强，使得越来越多的智能算法可以从后端转向前端完成。例如海思在手机终端领域推出的AI芯片麒麟970，实现手机端强大处理能力。在安防领域海思还推出了专为机器视觉应用的AI芯片，通过专用硬件加速，支撑前端摄像机实现深度学习下计算视觉处理，再利用前后端系统结合实现更快、更准、性价比更高的解决方案，轻松解决数据传输、反应延时的问题。

　　目前来看，在传统摄像机亟需智能化改造的大背景下，基于AI技术的智能摄像机的应用场景随处可见。不但包括静态场景下的应用如出入口、交通以及重点场所等，还可以满足广域、移动、便携等场景下的需求。

　　不可否认，伴随着物联网、5g技术来临，具备AI智能分析的摄像机带来的改变，不光实现安防智能硬件的进一步繁荣，还将进一步拓展安防应用场景。

　　智能摄像机多场景应用还面临诸多难题

　　虽然基于AI智能分析的前端摄像机应用前景广阔，但目前安防行业中出现的智能分析摄像机还仅限于实验室中或者是单一场景化下的行业应用，在一些复杂应用环境下的表现并不理想。

　　例如在公安领域中，实战业务对智能摄像机的要求非常严苛。一方面当时当地环境因素影响智能摄像机的性能，导致识别准确率远远低于实验室数据。另一方面在面对具体应用场景中，由于细分领域众多，每个领域的业务需求不尽相同，往往要通过重复建设来满足多应用场景下的需求。

　　同时，在目前全国公共安全视频监控联网应用的过程中，系统还面临应用领域不同，摄像机的厂家不同，各行业之间接口不协调，标准不统一的困境，无法快速实现视频监控大数据的融合贯通。

　　另外，目前大多数的智能摄像机依然借助传统嵌入式软件开发模式，导致软件更新、算法融入非常慢，虽然能满足当前的需求，但却限制了后期摄像机的升级空间。随着城市场景日益复杂，对于视频内容分析深度和广度要求也越来越高，提升单个算法的精度，以及多细分场景下的智能算法并行已经提上日程。