安防 AI 是这几年最容易花冤枉钱的地方。厂商演示的时候，屏幕上框住每一个人，准确率写着 98%。项目上线三个月，值班员把告警声音关了——因为一天响两百次，全是不该响的。
这篇讲清楚三件事：六类常见算法在真实场景里到底能做到多少、误报率高到什么程度这个功能就废了、以及算法该怎么部署才不浪费钱。
演示准确率和现场准确率差在哪
厂商说的 98%，通常是在标准测试集上跑出来的。测试集的特点是：光照均匀、角度正对、目标清晰、没有遮挡、背景干净。
现场的特点是：逆光、夜间、雨雾、树影晃动、飞虫贴镜头、目标只露出半个身子、背景里有几十个类似目标的东西在动。
行业里比较实在的经验值是：实验室准确率打七折，差不多就是现场水平。98% 的算法，现场大概 68%-75%。这个数字不是算法不行，是场景复杂度决定的。
所以选算法不要看宣传的准确率，要看两个指标：
- 误报率：一天误报几次。这个决定功能能不能用下去
- 漏报率：该报的没报，占比多少。这个决定功能有没有价值
两个指标要一起看。把灵敏度调高，漏报降了但误报暴涨；调低，误报没了但漏报严重。厂商往往只报一个数，问清楚是在什么灵敏度下的。
六类算法的真实边界
一、人形检测
最成熟的一类，也是现在的基本配置。作用是过滤掉树叶晃动、光影变化、小动物这些非人形目标，只对人有反应。
现场表现：白天 85%-92%，夜间（红外补光）75%-85%，雨雾天再降 10 个点。距离超过 50 米、目标小于画面高度 5% 的时候，基本失效。
值不值得上：值得，这是所有 AI 功能里性价比最高的一个。它把传统移动侦测 90% 的误报直接干掉，值班压力降一个量级。
二、区域入侵与越界检测
在画面里画一个多边形区域或一条线，有人进入或跨越就报警。技术上依赖人形检测，是在它上面加一层空间规则。
现场表现：规则画得好，准确率能到 80% 以上；规则画得随意（比如把整条马路都圈进去），误报率会高到没法用。
关键在规则配置的细致程度。同一个算法，认真画规则和随手画一个框，效果差三倍。采购时要在合同里写清楚：乙方负责规则配置和现场调优，调优后连续七天误报次数低于约定值才算验收。
三、遗留物检测
画面里出现一个静止物体超过设定时间就报警。主要用在车站、机场、地铁这类反恐场景。
现场表现：这类算法误报率普遍偏高，因为"静止物体"的判定很容易被光影、地面反光、停着的车干扰。实际可用度一般，除非场景非常干净（比如空旷的站厅）。
值不值得上：普通园区不建议。除非有明确的监管要求，否则这笔钱花下去大概率闲置。
四、烟火检测
识别画面里的明火和烟雾。用在林区、仓库、厂区、充电站。
现场表现：明火检测效果不错（70%-85%），烟雾检测难度大得多——雾、蒸汽、扬尘、车尾气都会触发。户外场景烟雾误报率可能超过 50%。
关键认知：烟火检测是补充手段，不能替代消防报警系统。它能在消防主机报警之前多争取几十秒，这是它的价值，不是它的替代能力。
五、安全帽与工装检测
识别工人有没有戴安全帽、穿反光衣。用在工地、厂区、变电站。
现场表现：正面和侧面效果不错（80%-90%），背影和远距离差。光线逆光时容易漏。
这类算法的价值不在技术难度，在管理闭环。检测出来之后有没有人管、怎么处罚、记录能不能导出，这些决定它有没有用。买了算法没人管，等于没买。
六、客流统计与热度图
统计进出人数、区域停留时长、热力分布。用在商场、景区、场馆。
现场表现：单人通过准确率 90% 以上，多人并行、拥挤场景会明显偏低（可能只有 70%）。
关键认知：客流数据用于趋势判断，不要用于精确计数。如果业务上需要精确到个位数（比如售票对账），不要指望视频算法。
误报率高到什么程度这个功能就废了
有个经验阈值：单个点位每天误报超过 3 次，值班员就会开始忽略告警。超过 10 次，会直接关掉声音。超过 20 次，整个功能形同虚设。
算一下：100 个点位，每点每天误报 3 次，一天 300 次告警。一个值班员一个班次处理 300 次告警，平均两分钟一次，实际上什么都干不了。
所以算法采购的验收标准不该是"准确率"，应该是连续七天的误报次数。这个指标写进合同，比什么都管用。
建议的验收口径：
- 人形检测：单点位日均误报 ≤ 3 次
- 区域入侵：单点位日均误报 ≤ 5 次（含规则配置调优）
- 安全帽检测：单点位日均误报 ≤ 5 次，漏报率 ≤ 20%
- 烟火检测：明火单点位日均误报 ≤ 2 次，烟雾 ≤ 5 次
达不到怎么办？合同里约定调优期和退出的条款，不要一次性付全款。
三种部署方式，成本差三倍
前端智能（摄像机自带算法）
摄像机内部集成 AI 芯片，直接在设备端出结果。优点是不占中心算力、带宽省（只传报警事件不传视频流）、单点故障不影响其他。
缺点是算法固定，买了什么就是什么，后期换算法要换摄像机。而且前端算力有限，一般只能跑一到两种算法。
成本：智能摄像机比普通摄像机贵 300-1500 元/台，一次性投入，无年费。
适合：点位分散、算法需求固定的场景（比如周界人形检测）。
边缘盒子
在机房或弱电间放一台 AI 盒子，接入若干路视频流做分析。优点是一台盒子管 8-32 路，算法可以灵活配置和升级。
缺点是所有视频流要拉到盒子，占带宽；盒子故障影响一片。
成本：盒子硬件 1-5 万/台（按路数），算法授权另算，通常 200-800 元/路/年。
适合：算法需求会变、点位相对集中的场景（比如园区周界、厂区）。
中心服务器
在机房部署 GPU 服务器，统一分析。优点是算力强、算法可以随时加、集中管理。缺点是前期投入大，且所有视频流汇聚到中心，对网络要求高。
成本：GPU 服务器 8-30 万，算法授权同上。500 路以上才比较划算。
适合：大型项目、多算法并行、需要统一调度的场景。
混合方案也常见：周界用前端智能（省带宽），出入口用边缘盒子（算法灵活），重点区域用中心服务器（算力强）。不用一刀切。
哪些算法属于智商税
说几句实在话。下面这几类，除非有明确的管理需求或监管要求，否则不建议花钱：
- 人群密度估算：数字波动大，业务上很难用起来，除非做应急疏散的辅助判断
- 表情与情绪识别：准确率低，且有合规风险，国内商用场景不建议碰
- 徘徊检测：误报率极高，几乎无法在现场用起来
- 非机动车违停检测：需要非常特定的机位和规则，通用方案效果差
反过来，人形检测 + 区域入侵这两个是所有安防项目都该配的基础组合，投入产出最高。先把这两个做扎实，再考虑其他。
招标文件里的算法怎么写
不要写「具备智能分析功能」。这么写等于没写。正确的写法是列一张表，每行一个算法，写清四件事：
- 算法名称和功能描述
- 应用的点位数量和点位清单
- 验收指标（误报率、漏报率、测试方法）
- 授权方式（买断/年付）和授权期限
再加一条：算法升级是否收费。有些厂商每年出新版本，升级要另外付钱，这个要在合同里定死。
视频接入和平台侧的细节，可以看 安防一体化平台包含哪些子系统 和 GB/T 28181 接入指南。存储和带宽怎么配，用 存储容量计算器 先算一遍。校园场景的落地经验在 校园安防 AI 项目实录。
一句话总结
安防 AI 的钱应该这样花：先把人形检测和区域入侵做到误报可控，再谈其他算法。一个误报率 5% 的简单功能，价值远高于一个准确率 95% 但没人看的复杂功能。
正在做安防项目的算法选型或者被报价单绕晕了，把点位和场景说一下，可以帮你核一遍哪些该买、哪些可以砍。