智慧安防的普惠密碼，在華為好望手中的三根“線頭”上

美國有個以解亂線團為樂的網路社群，世界各地的成員們甚至會專門從網路上購買亂線團，然後想盡辦法讓糾結在一起的毛線變得有序，當然，不能動剪刀。

聽起來有些無厘頭，但現實中，人們反而總會有意無意地將自己置於各種亂線團的“麻煩”當中。

就拿大家都司空見慣的智慧攝像機來說，隨著各種演算法模型、解決方案、軟硬體產品的不斷增加和迭代，對AI充滿期待的行業管理者們也面臨越來越複雜的選擇，很容易陷入一種慌亂、茫然的狀態。

類似的案例俯拾皆是。疫情期間，絕大多數公共區域和產業園區都引入智慧識別系統來進行體溫檢測，提高出行效率。但同時，也出現不少地方發現部署的攝像機沒法採集到決策所需要的資料，亦或是在公共垃圾桶等區域過度部署，居民體驗不佳轉身一個投訴……這些AI應用中的“亂線團”，就像是老弄堂裡糾纏在天際的電線一樣，各種矛盾、情境交織在一起，讓AI落地變得混亂難解，甚至可能變成無用功。

隨著產業的逐步深化，這些“亂線團”已經有了不少解法。歸根結底，是尋找到解開矛盾癥結的那根“線頭”，理順AI落地背後的規律與順序，進而將現實中的複雜問題一一化解。

華為好望秋季品鑑會，就透過一個個關於AI落地的真實案例，分享了大量從業者的實踐與思考。將能夠不斷開啟“亂線團”的關鍵“線頭”，交付到產業手中。

第一個線頭：產業呼喚的全棧能力

請大家想象一下，當你拿到一個“剪不斷理還亂”的線團，會怎麼去解開它?盲目上手只會讓線團變得更加混亂。正常情況下，第一步我們都會選擇將它展開得蓬鬆一點，在千頭萬緒之中找到解決問題的線頭。

同理，AI落地過程中，能否讓整個工作保持在一個具有足夠擴充套件空間的選擇範圍內，十分重要。然而在現實中，AI專案卻總是會處處碰壁。

就拿高校食堂來說，開學之後，不少學校都出現了外賣小哥和學生們隔著圍欄“地下交易”，食堂保安們嘗試阻止的新聞，為校園日常管理平添了許多煩惱。原因就是常規管理模式在防控措施面前翻車了。

學校既需要控制每個食堂的就餐人數，可就餐高峰期學生也不知道食堂有多少人，食堂也不知道該配多少餐，結果往往是學生下課趕過去卻發現沒飯了，只能急忙奔赴下一個“戰場”。

學校也考慮過智慧食堂來提高服務水平，可瞭解了一圈發現，不是硬體有限制，傳統垂直雙目攝像機架設在門口容易被空調等裝置擋住，玻璃門也會增加安裝風險;要麼就是演算法達不到，有些攝像機的演算法會將在食堂門口徘徊的人也算進流量中去，無法給備餐工作提供決策支撐。有的就是簡簡單單的“太貴了”，動輒佔地百畝的新校區，學生和教職工食堂加起來就有十幾個，需要部署的點位也多，如果都採用價格昂貴的攝像機，改造成本就太高了，而且資料規模及儲存、算力等要求也會直線上升。

這些複雜因素交織在一起，就形成了一個越纏越緊的“線團”，將AI專案困在其中。

要解開其癥結，關鍵在於找到一個在硬體、演算法、方案等都能提供多元化選擇的“全能型”支撐。

比如福建某大學，就在活動中分享了和華為好望及其ISV合作伙伴一起，讓食堂脫離“管理泥潭”的案例。

簡單來說，就是從三個角度提供了更多的選擇空間，比如：

硬體上“因地制宜”：最終選擇的華為好望D10系列定焦產品，在室內室外、30°到60°角度都能任意安裝，較強的普適性可以大大減少改造時資源浪費的機率。

演算法層“因人制宜”：基於深度學習檢測的演算法，D10裝置頭肩演算法準確率達到95%以上，最小支援32*32畫素的目標檢測，並且將區域與劃線相結合，減少徘徊人員誤差。這下就能透過資料採集和演算法分析，切實有效地支撐食堂管理和決策，學生也可以透過公眾號瞭解到所有食堂所有目前就餐的人數以及就餐狀態，合理安排就餐。

方案“因變制宜”：考慮到大學食堂智慧化建設的成本控制需求，華為及其福建的合作方，一起給學校量身打造出了最優方案，只用D10系列定焦產品就完成了客流統計兼顧影片監控的方案目標。也由於技術產品的成熟度和高價效比，獲得了規模化複製的可能，最近已經開始在福建全省的高校進行推廣。

可以看出，正是從技術、產品、方案、價效比等全鏈完成了“擴容”，才能讓行業使用者更加遊刃有餘地規劃適合自身業務需求的AI專案，預期中的智慧化價值才能被不斷開啟。

第二個線頭：工程化基石上的AI價值

搞清楚了拆解“亂線團”的姿勢，就等於找到了解決AI落地問題的捷徑，無論瑣碎混亂成什麼樣子，都能快速讓各行各業的“線頭人”抽絲剝繭，循著線頭不斷開啟僵局。

一直以來，老舊小區以改造難度大、教育成本高，讓許多看起來很美的智慧解決方案，在落地時屢屢碰壁。

比如越來越多的小區在防疫期間安裝了智慧攝像機，但居民佩戴上口罩之後，普通的人像防控就很難發揮作用了，機場、高鐵站等場所中採用的專業人像識別方案，又因為小區部署的併發路數少，導致平均使用成本增高。

怎樣在不增加居民困擾和成本壓力的基礎上，提升小區的幸福感和安全感?這時就需要具備工程化能力的團隊，讓成本可控、價值可感的AI，能夠快速、穩定、可靠地下沉到這些相對貧瘠的數字土壤上。

成本可控，需要硬體、算力、運維等全面到位。華為就從複雜的線團中找到了解決問題的根技術：1T算力的普惠AI產品。

在老舊小區智慧化改造的案例中，華為的算力共享池就成為降本增效的神器。簡單來說，就是D10-SIU+D10+NVR多個攝像機聯動，“個體部署，全域性智慧”，一個智慧攝像機作為算力源，就能帶動多個普通攝像機擁有智慧識別的能力，最高可以達到64T的算力，而同樣的功能，傳統分銷方案可能要部署8臺以上具備AI功能的裝置才能達到。

價值可感，指的則是智慧改造方案能夠對小區管理中的痛點“重拳出擊”，切實有效地搔到居民的“癢處”。諸如前文提到的口罩下人臉識別難的問題，歸根結底取決於演算法的效能。華為好望攝像機就藉助華為2012實驗室的自研的“超級人像演算法”，做到了佩戴口罩也能達到90%以上的識別準確率，大大提升了居民進出效率。

至於很多老舊小區屢見不鮮、屢禁不止的不文明行為，像是亂丟垃圾、違章亂停、電瓶車入戶等，傳統的社群影片監控只能在事發後查閱錄影，發現一個查處一個，華為好望的解決方案則讓不帶智慧功能的攝像機也能實時監測、及時制止。

技術的易得性、演算法的準確度、方案的價效比，共同締造了AI的工程化能力，也決定了智慧普及速度。這也是為什麼，華為好望的D10-SIU產品，開始被越來越多的安防業界人員稱為老舊小區的改造利器。

第三個線頭：小人物的長尾需求

從前兩個案例中，不難看到機器視覺領域分銷市場的一些特殊之處：

成本敏感度高，資金預算不高，需要多元化的產品和思路來滿足，上游廠商的定位很可能會擠壓落地服務商的價值空間，從而減緩AI普及的程式;

AI滲透率低，受認知、人才、管理等多方面原因，對於智慧化價值不知道如何下手，對前沿技術產品和服務瞭解得不夠;

長尾需求繁雜，校園、小區等都是人群密集、各類使用者屬性存在於同一空間內，衍生出許多個性化的長尾需求，這時候就不是幾個通用演算法能夠搞定的了。可是單體規模又不夠大，遇到眼高手低的廠商，其真正需求很可能得不到解決。

長尾需求的滿足，是每一個普通人真實感知技術愉悅感的關鍵，同時也是“亂線團”最多最雜的地方。

舉個例子，在小區很多隱蔽的角落裡，都會出現意想不到的“致命風險”，那就是高空拋物。

這個城市空間管理的“老大難”問題，監控難、定責難、賠償難，讓物業們撓禿了頭。

這時，普惠AI就展現出關鍵作用。先來說說華為好望的三板斧：高價效比的D10-SIU產品，搭載濾波卷積演算法，一個小煙盒都能被立即發現;物理拋物線模型，實時繪製拋物軌跡，讓各位“拋物達人”被快速定位，在北京的水木清華園小區中，該解決方案就在一分鐘之內快速定位了數起高空拋物行為，便於追責;此外，演算法還可以靈活切換，需要增加高空拋物檢測功能時，小區可以直接到好望商城下載高空拋物合作生態演算法，其他時間段可以更換成人流量統計等演算法，一機多能，可以快速將技術轉化為生產力。

面對這些獨特場景下的繁雜需求，並沒有一個放之四海而皆準的萬能公式可供套用，能做的就是攜手行業夥伴，山一程水一程地摸索實踐。

智慧安防的“引線人”，行走在萬家燈火間

華為好望秋季品鑑會所展示的案例，其價值釋放的直接物件都是“人”，龐大且具體的每一個“人”。這也是智慧安防分銷市場最重要的寶藏。

智慧在千家萬戶中的井噴，將開啟一個全新而龐大的市場，但大多數落地難度都可能遠超我們的想象。要採擷這一寶庫，還需要應對諸多複雜的挑戰：

定製化的解決方案，需要能夠讀懂不同行業水土的“耕種者”;

缺乏數智沉澱的傳統行業，需要保姆級的一攬子解決方案;

現實中的一個問題往往需要多模態技術的整合與融合來解決，需要一個共生共贏的生態協作體系。

而這些“亂線團”能夠被一一解開，華為扮演了“穿針引線”的關鍵作用。而之所以理清智慧安防分銷市場的順序和規律，找到解決落地難問題的“線頭”，其實可以追溯到今年三月。

彼時，華為智慧安防中文品牌“好望”問世，就源於對安防分銷市場的洞察與思考，並將其注入到了自己的新定位上，那就是普惠AI的賦能者，智慧安防生態的共建人。

“凡事預則立不預則廢”，如今春去秋來，在華為好望秋季品鑑會的第二站，華為好望及其合作伙伴，也在產業實踐中越來越得心應手，將一個個AI的亂線團變成了人們期待中的樣子。用《時間之書》中的一句話來結尾或許再合適不過——

“年輕人，你的職責是平整土地，而非焦慮時光。你做三四月的事，在八九月自有答案。”