在2018年，"网约车安全"成为一个令人深感痛心且无法回避的话题。从郑州空姐到乐清女孩，从滴滴出行的命案到嘀嗒司机对女乘客的侮辱，这些事件让人质疑人性是否被蚕食，再严格的法律也难以挽回那些生命。

随着网络时代的快速发展，人们生活方式日新月异，但谁能为安全提供一道锁？

亿欧采访了专注于车脸识别和视频结构化技术的深瞐科技，其董事长陈瑞军表示：“基于视频结构化技术，我们可以提前预警车辆出行安全，从而降低事故发生率。”

解决公安部门迫切需求，视频结构化应运而生

视频结构化是对视频数据进行处理和分析，以检测、捕捉并提取关键信息。它包括运动目标识别，如判断画面中出现的是人还是车，以及这些目标的特征识别，如年龄、性别、穿着颜色等；还有对目标轨迹分析，如判断是否违反交通规则。

早在2009年，虽然视频结构化尚未像今天这样普及，但公安对于图像分析已经有了迫切需求。

陈瑞军认为：“单靠人眼查找无异于捞针。”因此，他支持利用技术帮助公安解决摄像头管理问题，使其成为整个安防领域的一个重中之重。

从2009年开始接触图像分析技术的陈瑞军认为时机成熟。“将非结构化数据转换为可直接表征形状、属性以及身份的数据逐渐成为行业趋势。”

尽管当前的人脸识别应用广泛，但仅凭这一手段不足以解决安防行业的问题，因为嫌疑人可能躲避摄像头。相比之下，视频结构化更少限制。

把数据活起来，让机器智能“看片”

商业价值在于对数据挖掘与预测。

通过深瞐科技系统，对每辆车及其驾驶员进行特征识别，并建立大数据档案，以实现城市所有车辆管理。

针对不同类型如公交或出租车，还能总结出行规律，从时间和方向等信息中挖掘含义。

以运营管理为例，对私家车，可以通过行驶轨迹和时间来判断是否属于运营范畴。若执法人员能够提前判定监控中的情形，便可针对性地监控或管理，或许能减少“滴滴顺风车”事件发生率。

用于交通情况预测及规划时，也可以掌握大量行驶数据，为道路拥堵情况提供分析。当遇特殊情况如路段封闭，由此系统知晓多数途径目的地，便能辅助最佳通路选择。

除此外，还能做经济预测，不同汽车所代表经济价值差异明显，可根据高/低端入出的状况评估区域经济水平，以辅助房产或政府规划。

总结来说，大数据应用典型领域但海量监控本身不直接产生价值，而内容提取与分析才关键所在，要实现挖掘需先解决制约因素，即如何处理海量监控大数？

从概念落地探索两大障碍

产业界众说纷纭但商业落地影响共有统一意见：成本市场接受度。这归根究竟还是因为技术问题。

陈瑞军向亿欧表示：“相较于面部与物体识别，起步较晚且由于特征难以划分导致成熟度较低。”例如年龄判断困难；男女性别亦存在误判风险尤其是在中性风流行期间单纯外观便不能准确鉴定男性女性。

因此现在通常将特征与面部综合关联提升市场接受度。此外随AI视觉应用扩展用户态度开放出现新技术身影抓捕嫌犯社区管理统计商业用途等场景皆现身标志之一。而公司角度上影响产品商业落地方由团队理解经验积累决定：

对于掌握新技巧AI公司理解经验最大挑战。在中国十余年的安防已发展至某种程度，无论是处理存储硬件设施建设上都积累相当丰富经历教科书却不会明明白白写出来。“最终交付给用户绝不是单纯技术，而是一种服务或者方案AI算法核心只占其中小部分。”

独到的解答老兵智慧

作为老兵独具见解，在安防智能变革今日站在AI视角理解行业做符合发展规律产品，是每家企业必须思考的问题如何继承几十年积累成熟经验寻找创新点？需要同时改变老兵与AI新秀这两方工作模式构建新的创意基础上寻求合适业务模式原则上使用成本最小探寻最适合企业发展路径所有问题根本源自公司定位

基于自身精准了解带领构建完整布局算法SDK+硬件（智能摄像机）+软件（平台）

准备妥当后只需产品打磨

两个优势主要是准确率效率提升加之进入迅速扩张阶段坚信能够走得出喜人的商业落地方程