人工智能技术|机遇与挑战：AI+安防新趋势展望( 四 )

需要指出的是，这些底层的AI 算法，需要进行大量的图像数据计算，因此，正是近年来边缘侧算力的巨大提升，推动了低层次AI算法在安防行业的爆发。

文章插图
另一个安防智能算法发展的趋势，是力图摆脱对大规模海量数据的依赖。毫无疑问，基于深度学习的现代人工智能算法，在原理上需要大量的数据进行训练。但是，随着公众对隐私认知的提高，我国对于个人信息的保护力度不断加大，先后密集出台了一系列的法律法规、国家标准文件以及其他规范性文件，以前各安防厂家对数据予取予求的状况已经不复存在。
而与此同时，由于场景的碎片化和需求的广泛化，对特定数据的大量采集和标定，一则需要大量的人力物力，二则需要漫长的数据准备和清洗时间，这与和希望敏捷部署的AI应用需求格格不入。因此，是否能仅利用少量带标签的数据来训练得到一个可用的深度学习模型，已经成为AI算法能否在安防行业进一步深入发展的重要问题，引起了学术界和工业界的高度关注。目前，学术界中较为前沿的小样本学习，弱监督学习与自监督学习方向，均已经开始在各安防AI算法中率先得到应用，各种不依赖海量数据训练模型的方法正被大量试验；例如，可利用先验知识来增强监督数据；可利用先验知识来缩小模型假设空间的大小；或是利用先验知识来改进最优假设搜索等等，这些新的AI算法思路，都已成为各安防厂家重点研究的对象。
为了进一步减少对数据，特别是敏感数据的需求，在AI算法的工程部署上，不少安防厂家也提出了另一种新的思路，就是设计一个自学习平台，与只用少量样本训练完成的AI算法，一同部署到用户现场；在现场，直接利用自学习平台和敏感的用户数据，闭环进行学习，持续对算法进行迭代，这一方案，即避免了数据的无序泄露，又能保证算法对现场实际场景的适应性，正逐渐得到部分对数据安全要求极高的用户的认可。
总结
【人工智能技术|机遇与挑战：AI+安防新趋势展望】安防行业作为AI最先得到广泛应用的领域，经过这几年的迅猛发展，已经进入了一个稳健的成熟期。可以看到，AI产品已是诸多安防项目中的基本配置，没有AI的视频监控系统基本被淘汰，另一方面，AI+安防所面临的技术挑战和困难也非常严峻，需要所有的产业上下游人员一起努力，顺利完成继高清化和网络化之后的第三次安防技术变革。