【安防展览网 市场分析】安防AI的发展主要面临以三个方面的挑战：算法的场景适应能力、大规模应用的技术与经济可行性和面向业务应用的解决方案。
算法的场景适应能力
以人脸识别为例，目前绝大多数厂商的算法来源于对人脸静态图片的学习训练—比如标准证件照，对所采集的人脸照片的清晰度、光照、角度、妆容都有着严格的要求，但在实际监控场景中，除了室内个别环境外，绝大多数现场环境采集的人脸图片无法满足这样的要求，造成人脸识别精度的大幅度衰减。如国内某厂商的人脸识别算法在静态人脸比对测试中总是，但其复杂环境下动态人脸识别的效果就比较差，特别是在偏转角度较大(超过30°)、化妆、戴墨镜、戴口罩等情况下识别率会大打折扣。
大规模应用的技术与经济可行性
目前计算机视觉的大规模运算还主要依赖GPU和CPU的算力，以人脸识别和视频结构化分析为例，一般利用GPU做视频图像处理与特征解析运算，用CPU做人脸特征比对运算。在复杂动态人脸采集环境下，1台8卡GPU(TESLA P4)+2个16核CPU服务器每秒可支持80路1080P高清视频实时动态解析和100万库的实时动态比对运算，硬件成本折合4000元/路，电力消耗(服务器自身耗电+散热制冷耗电)折合每年800元/路。如果采用800万像素的监控图像，硬成本会再增加3倍，这还没有计算算法与应用软件系统的费用，如此高昂的建设与运行费用很难得到大规模的应用推广。
面向业务应用的解决方案
AI是一项技术，从AI技术到客户价值，需要一整套的产品与解决方案，向客户终交付的是应用，尤其是面向业务的应用软件，不同行业、不同场景、不同用途的业务应用都不尽相同，需要针对性的集成与应用软件开发，否则无法规模化推广。而目前情况来看，无论是AI算法厂商、安防产品商还是系统集成商，都不具备全行业应用软件的开发能力。