1.行业参与者层面

受限于各自的技能领域与行业发展，在安防领域参与AI技能研发运用的各方均存在明显的利害势，这也是各方在持续推进AI技能落地运用中面临的一些难题。

首先传统安防企业虽然表现出积极拥抱AI技能的态度，一些大型安防上市企业也提出对应策略，但韶光点都集中在近两三年，成熟的AI产品及行业办理方案还相对较少，算法积累以及与行业的领悟韶光还较短。
根据目前市场上反应来看，传统安防企业AI产品依然局限于人脸识别、车辆识别以及相应的大数据平台的运用。

其次部分AI算法企业虽然从四五年前就开始将视角转向安防领域，并基于自身在算法上的积累上风，推出了相应的AI安防产品及办理方案。
但是算法企业在硬件制造、行业积累和渠道拓展方面，与传统的安防制造企业存在着很大差距，尤其是在细分领域运用积累，亟需进一步提高。

末了处于底层的安防中小企业既没有资金实力，又缺少算法领域研发，又没有能力通过与各地公扎营业部门建立互助关系获取大数据支撑，唯独占细分领域行业运用的履历。
这也是AI时期，安防中小企业面临的一系列亟需办理的难题。

2.技能层面

目前，人工智能技能在安防行业的运用表现出一种欣欣向荣的态势，但当前的运用还只是浅层次的，技能还不成熟，在一些场景运用中，人工智能还无法实现较为空想的落地效果。
例如AI在细分领域中环境适应性较差，目前鉴于车辆及道路环境的相对标准化，识别率相对较高，但对付人脸的准确识别则很随意马虎受到光照不敷、图像模糊、目标尺寸过小或相互遮挡等环境影响，甚至影响到识别准确率。

其余，数据资源分散，安防领域监控数据的开放性和共享程度相对较低，很难开展多维数据的交叉领悟剖析，这使得人工智能剖析缺少有效的数据支撑，同样也会影响准确率。
同时，不同的场景理解受限，由于缺少有效的专业领域履历知识的积累，***内容的理解能力偏弱，目前的智能剖析多为单场景的目标检测和行为剖析，很少涉及大范围场景的关联行为剖析，甚至很难用于非常行为剖析和风险预测。

3.落地运用层面

早在2012年，深度学习被广泛运用之后，部分AI算法企业将视角转向安防领域，并研发出基于人工智能或深度学习的AI安防产品。
从产品线来看，紧张分为人像识别布控系统、***构造化剖析系统、车辆大数据平台、警务大数据平台、AR实景指挥系统。
但是在硬件制造、行业积累和渠道拓展方面，算法企业与传统的安防制造企业存在着很大差距，尤其是在细分领域运用积累，亟需进一步提高。