视频云vPaaS平台
华为智能安防解决方案架构师罗幼泉发表了“视频云vPaaS平台赋能算法AI快速落地”的主题演讲。罗幼泉提到，云平台解决的是工程化的问题。工程化是连接可接和产业的重要纽带，也是科技成果转化的催化剂。因此我们需要做一个平台，加速AI工程化过程。
△罗幼泉
罗幼泉提到，针对成熟算法，如人脸识别、车辆识别等，可以通过平台，以简单的SDK方式快速集成，这种模式下，平台能提供针对算法服务的调度，同时算法服务能开放API服务出去。针对AI领域不断创新，一些新算法尚在探索期时，平台能够提供工程化支撑，通过服务集成的方式提供支持。
罗幼泉说道，视频云vPaaS平台能够给AI带来几大价值，一是算法AI单体能力规模化，二是算法AI智能推送全网（云－边－端），三是业务感知动态调配算法AI资源。“我们希望视频云平台能够让算法更简单、算法能快速成长、应用能更百花齐放。”
罗幼泉，华为智能安防解决方案架构师 2016年开始从事智能安防解决方案规划，设计，AI技术原型创新工作。做为主要技术负责人，负责广东公安智慧新警务视频云赋能工程总体规划和方案设计。深度支撑广东公安视频云一期－广州示范项目从规划到落地全过程，同时，支撑深圳，珠海，汕头等地市视频云项目建设的方案落地。对AI如何加速安防智能化有深刻理解，对视频云平台如何赋能AI算法快速落地有丰富的经验。
工程商怎么看AI？
黄兆麟围绕“工程商、集成商与AI企业协作的现状”展开话题。新东方电子是工程商代表，黄兆麟从工程应用出发谈如何看待AI，他表示，工程商十分重视用户体验感，过去的智能化在实际应用中并不能发挥很好的效果，用户体验感十分不佳，因此早期许多智能产品都不被看好，而AI的出现则改变了这一情况。
△黄兆麟
AI＋安防最主要的应用还是基于视频分析，人脸和车辆识别目前而言最为成熟，目前我们在用的比较多的是视频结构化、人脸识别、 车辆识别，以及在此基础上引申出来的创新应用。
工程商在AI应用落地的作用包括：以应用场景为核心，选取最佳AI方案；以提高准确率为目的，创造AI应用的环境；以提高用户体验感为目的，承担一定程度的，应用层面的软件集成开发；做好用户培训，协助建立合理、有效的AI应用“技战法”。
同时黄兆麟也提出了目前存在的一些问题，一是不同AI厂商在不同场景的应用效果存在差异，这让工程商在选择时造成困难；二是各AI厂家技术对接、应用接口欠标准化、厂家间存在技术壁垒，比如前端与后台配合的标准目前尚不明确；三是实际应用效果与用户期望不一致，当前用户对AI的期望值很高，但实际却不能达到期望，加强与客户交流是解决之道；四是数据安全问题，场景数据对AI应用而言至关重要，但很多数据是保密的，如何让单位学习和优化是值得思考和进一步探讨的问题。
最后黄兆麟还谈到了工程为对AI的未来展望。他提到，短期内以成熟的AI应用为主，满足用户现有需求；在基础建设方面，建设物联网感知设备、网络化改造、大数据计算、网格安全建设等，为AI落地创造更有利的条件。远期的展望是希望能够基于场景和行业数据，以项目为载体，加强与AI厂家共同建设细分场景应用；加大人工智能产业链中的解决方案层建设参与力度，满足用户个性化应用需求。
佛山市新东方电子技术工程有限公司黄兆麟，从事安全防范系统集成相关的项目设计、项目管理、技术研发工作13年，至今已在大型综合性电子安防系统设计、实施、研发等累积了丰富的经验，完成了佛山市公安局南海分局社会治安视频监控系统工程、禅城区“天眼”治安监控系统工程、佛山市公安局五区治安视频监控系统联网工程、佛山市公安监管场所监控联网平台、佛山市公安内部场所督察视频联网平台等一批平安城市系统的建设工作，成功解决了大量的工程、系统集成技术难题。另外，负责主持、参与了公司多个新技术产品的研制和推广应用工作，获批了包括《基于物联网技术的监所智能安防综合管理系统》、《密集人流智能统计系统》等多个政府科技创新项目，多项技术获得了发明专利，并取得显著的社会和经济效益。经过多年的时间和不断的学习，已具有非常丰富的工作经验，很强的独立完成电子产品开发及大型安防系统规划、建设经验，以及很强的系统综合设计、技术组织、项目管理、难题解决等能力。目前已获评电子工程技术高级工程师、大数据开发高级工程师、机房设计高级工程师、系统集成项目管理工程师等职称，曾获2012年度禅城区科学技术奖一等奖和2013年度佛山市科学技术奖二等奖。另外，在法兰克福新时代传媒有限公司的《安防解决方案》中发表了“广东某区平安城市三期项目设计方案”、“文博安防建设三段论”等论文，在第一届、第二届广东省文化遗产智慧安防与消防技术交流会上发表学术演讲，在广东省省智慧城市视频监控系统深化建设巡回技术交流会（佛山站）发表题为《平安城市建设项目的顺利推进和可靠运行》的学术演讲。
用户痛点需求还需深入了解
公安是安防厂商最大的“买家”。省公安厅信息化处副处长冯松青说，目前AI安防工程化落地存在几大问题，一是算法场景限制问题，二是前端布点困难问题，三是成本高的问题，四是深度应用不足的问题。针对这几个问题，他建议，要进行合理的成本控制；合格的施工质量；完善的数据整合，为下一步的大数据应用提供基础；配套的管理技术；配套的场景算法；高效的计算框架。
同时，冯松青还提到，许多厂商在宣传的时候，没有说明哪些数据是实验室数据，这会很大程度上误导用户，产品期望值与使用的落差就来自于此。他还提到，各厂商应该加强与用户的交流，深入了解用户的需求与痛点，不仅要深入了解具体落地的细分场景，还要对整个工程审批与实施的流程有深入理解，唯有如此，才能真正了解用户，让AI真正“落”下来。
