Page 147 - 安防19年3月刊_正刊

来的设备和链路成本、多业务系统联网应用带来
的沟通和研发成本、大数据研判分析应用带来的
设备及研发成本以及不断增长的设备与集成施工
和机房改造等因素则进一步叠高了“安防 +AI”落
地的成本。
场景限制高

人工智能算法的泛化能力是模式识别问题长
期面临的一个问题，也是现阶段的主要瓶颈。由于
▲图1 卡口型人脸采集设备架设要求
训练好的模型用在变化的场景中性能往往会明显
下降，因此在实际使用中，必须对场景进行严格定
距地面安装高度 H1 应小于等于 6000mm，宜
义，或者从设计上将智能算法定位为对指标不敏
在 2200mm 到 3000mm 之间；
感的辅助功能。在比较成熟的应用中，如智能交通
采集设备光轴与水平线俯仰角度 A 应小于等
中的过车及违章抓拍、机场车站的人证对比等，都
于 20°，宜在 0°到 10°之间；
需要具体的工程安装方案。这种做法在技术不够
距目标人实测距离 L 和安装高度 H1 满足如
成熟的条件下有效实现了商业价值，但缺点同样
图 1 所示的要求。其中
明显：一方面，对已有设备的改造需要增加施工成
L：采集设备距目标人实测距离；
本，影响人工智能算法对传统应用的渗透；另一方
H1：采集设备安装高度；
面，也限制了获取有效素材的效率，影响算法指标
H2：目标人平均身高；
的进一步提升。
A：采集设备光轴与水平线俯仰角度。
布点困难
安全要求更高
人工智能往往有特定的场景要求，只有在特定
人工智能技术的蓬勃发展赋予了安防监控系
场景下才能保持较好的识别率。按照《安全防范
统更加多样化的业务功能，将安防监控行业的市
视频监控人脸识别系统技术要求》（GA/T 31488-
场空间进一步拓宽，使安防监控系统在各行各业
2015），《安防人脸识别应用视频人脸图像提取技
得到广泛部署。但从风险角度而言，在 AI 与安防
术要求》（GA/T 1334-2016）等技术要求，人像识
融合发展的进程中，将大量非结构化视频转化为可
别摄像机主要指安装在公安检查站人行通道，车站、
快速检索的结构化数据，一旦网络被攻击，数据泄
机场、码头等出入口或闸机，人行道、非机动车道、
漏后的损失将更为恶化；另一方面人工智能将大量
步行街、商业中心等重要部位出入口，能够有效限
视频、图片集中到云中心，对网络带宽提出了更高
制人员通行、具有良好人像抓取条件的部位，应面
要求。 此类需求和风险可归类为以下3 个方面：
向人员行进方向正面安装，具有良好的光照条件。
现阶段大量部署的端计算设备安全风险高：
人像 抓 拍摄像机的架设位 置 应满足 GA/T
暴露设备数量太多、暴露端口太多、设备漏洞太多、
922.2-2011 的要求。对漏报无专门要求的场景可
固件更新不及时、通信协议安全性不高、数量过多
采用上限位置安装，视场内应避免有遮挡目标人
无法管控 。
的物体。
监控等物联网设备已经成为新的攻击目标（僵

2019第四届深圳国际无人机展览会（2019.6.20-22 深圳会展中心） www.china-drone.com.cn 123

భခ࠯ඌ JOEE ྒ௹೘