智慧城市网

　　【安防展览网 市场分析】过去几年时间里，智能安防领域在人工智能的应用探索方面取得了较大的进展，算力的迭代、算法的涌现这些确实为推进人工智能的落地应用提供了关键的基础和动力。不过，伴随着AI应用的深化，新的机遇和挑战也接踵而来，挟裹在人工智能、物联网、大数据等前沿技术浪潮之中，智能安防被赋予了新的使命和角色，2019年，安防迎来了质变。
 

　　人工智能作为一项使能技术，在安防这个典型的应用场景中正呈现出全面赋能的态势。在经历了早几年的试错/摸索之后，行业对AI的认知日趋明朗和理性。人工智能之于安防意味着什么?从早几年简单粗暴的人脸识别即AI，到近两年业内公认AI三大要素算法算力及数据，发展到当下行业普遍认为，AI技术应用的成熟并非单点技术的突破，而是需要结合实际应用场景，在特定场景内实现瓶颈问题的针对性解决，助力用户业务效率/效能的提升。当AI越来越具象化后也便衍生出更多细节，当下安防领域的人工智能可以说是算法+算力+数据+平台+场景的综合，环环相扣且每一环都意义非凡。
 

　　AI具象化
 

　　从技术层面来看安防产业的发展，过去的一年里，安防人工智能每一个环节基本都实现了较大的进展和突破。
 

　　算法快速演进
 

　　首先是算法的快速演进。一方面，在标准场景下，人脸识别/车牌识别等常规算法已经相当成熟，可以明显看到，基于成熟的人脸识别技术，各类人脸识别产品诸如人脸门禁、人脸对讲、人证核验一体机等已逐渐替代掉传统的设备，全面改写了个人身份验证的模式。同样，车牌识别的广泛应用，为智能交通的精细化管理，智慧停车场的无人值守模式带来了全新的体验。
 

　　另一方面，伴随着安防监控智能视觉传感器应用价值的放大，以视频为依托，通过AI技术实现对视频内容的精细识别分析成为诸多实体行业新的探索方向。除了公安、交通这两大规模性的应用领域之外，还有像金融、社区、教育、零售、能源等诸多行业领域中对于“视觉+AI”的应用需求也陆续爆发出来，由于场景和需求的高度碎片化，由此也带来了各种AI算法的涌现。
 

　　比如场景分类模型，如识别出视频中是工厂、农田、还是建筑工地等；实体分类模型，如识别出视频中出现的是货车、跑车还是卡丁车等；自然摄像头实体检测模型，如识别出街边的违章停车、无照游商、乱丢垃圾现象等；人体属性检测，如识别出工人是否戴安全帽，法官是否穿法袍等；动作行为分析，如人群聚众、打架斗殴、人员摔倒等行为的识别分析……
 

　　算法模型的设计以场景需求为主导，这里面涉及到供需双方对于算法服务的高效沟通问题。对于用户而言，他们关注的是算法能力的转换能否切实带来业务效能的提升，而对于算法厂商而言，他们需要注意的则是如何高效获取用户需求以及在成本范围内快速响应这些需求。而过去一年里，算法层面的另一大突破也正在于此，部分企业通过AI开放平台可以为用户提供个性化AI算法模型定制的服务，从数据标注、导入标注后的数据做模型训练、模型部署到终应用上线形成一条龙服务。基于AI开放平台的资源和能力，大幅降低了AI算法应用的门槛，包括算法模型设计的流程及成本。
 

　　AI芯片从通用走向专用
 

　　芯片作为人工智能算力的核心引擎，一直备受关注，中国芯片自主研发更被上升到国家战略高度，成为十三五规划的重中之重。
 

　　迈进AIoT时代的安防监控，面临着比以往任何时候都更为严峻的海量视频数据实时分析处理的压力，这无疑给算力平台的性能提出了更高的要求，更高的算力TOPS值、更大的灵活性、更低功耗以及成本控制成为当下AI芯片的核心诉求，契合行业应用需求的专用芯片成为新的趋势。
 

　　AIoT也带来了视频监控基础架构的变化，传统视频监控基础架构在解决大型跨域视频监控系统的需求方面面临着巨大的挑战，为了同时满足大数据处理以及及时性快速数据处理的要求，安防视频监控系统架构逐渐从集中式向分布式发展，形成了端边云协同的态势。“云端训练，边缘推理”成为当下行业主流的计算方式，业界厂家新推出的AI芯片方案中云端芯片及边缘芯片相辅相成，为云边端算力支撑持续提供优化方案。
 

　　同时，AI芯片的设计架构又必须依赖应用场景的规模化和多样化以及相应的智能算法特点，才能更好的发挥芯片的算力优势。包括华为海思以及其他几家早几年以AI芯片业务切入到智能安防产业中的芯片商在内，在这两年时间里，基本都在围绕着专用场景芯片做研究。普遍的做法是针对重要应用场景关键算法的计算趋势和特点，融合到芯片架构设计中，使算力和算法高效协同，以大大提升器件利用率。这种类型的专用芯片，还能够根据算法的演进趋势，保持相当高的有效利用率，让客户真正受益于算法创新带来的优势。
 

　　AI技术变现，数据治理成关键
 

　　如果说产品、算法、算力的创新突破是智能安防的上半场，那么，进入到AIoT时代，智能安防下半场的核心主题将主要聚焦在对数据的加工处理和精细化应用场景的探索方面。用户的需求正在从基础的可视化管理迈向更深层次的数据应用上来，如何将海量的视频数据变成有用的数据，从而为各行各业输出“数据决策”的应用能力成为智能安防行业当下及未来的重点，这也是推进人工智能从感知智能到认知智能的必然路径。
 

　　而要实现这一目标，核心技术方面当然离不开人工智能、云计算及物联网等技术引擎，这个过程中的智能安防系统不仅要实现基础的安全防范，同时还扮演起了视觉传感器、物理世界异构信息结构化处理工具以及为行业业务提供数据治理能力的全新角色；另外有一套能够大规模、自动化地采集、清洗、归类和关联所有数据，形成统一数据视图及行业知识图谱的数据治理工具也成为必须。
 

　　明略科技公共安全产品方案中心吴赢时曾表示，人工智能从感知智能走向认知智能，要通过多维感知，利用数据治理技术，将高质量的数据连接起来，进行知识的智能抽取，构建集感知数据、业务数据于一体的知识图谱、暴力挖掘对知识进行多维度分析推理，构建决策模型，将感知转化为认知，从而建立数据驱动的大AI体系。
 

　　大数据的核心价值就在于融合，当下，智能安防领域专注于多维数据融合的企业并不少见，从这两年公安大数据建设情况来看，行业内有几大较为显著的进展。
 

　　首先是从初步的数据融合到复杂的多维数据融合。除视频监控数据之外，像Wi-Fi、RFID、电子车牌等不同维度的物联网信息都可以关联到一起，通过丰富的数据类型，来共同碰撞出更有价值的信息；其次是从多维数据融合发展到语义智能阶段。语义智能是复杂的融合性智能，依赖智能语音语义识别技术和复杂的数据组织及融合计算技术完成对多种视频和传感器数据的融合解析，从而实现针对事件的革命性预判。
 

　　值得一提的是，为了有效解决跨系统、跨平台、跨部门之间所存在的“数据孤岛”问题以及更好地助力安防行业形成覆盖面广、关联性强的行业知识图谱，2019年，原本活跃在IT领域和互联网圈的数据中台战略开始被引入到智能安防产业中来，为行业数据治理奠定了新的基础。
 

　　AIoT成为新的“战场”
 

　　“视频监控系统的安全防范属性只是基础，其作为物联网视觉感知系统的属性正在不断加强，视觉AI、视觉+IoT的组合应用正在开创一个更为广阔的市场空间，一个远远超过安防的增量市场，即AIoT市场。”宇视科技战略Marketing 总裁张晓琳表示。“这同时也是一个高度场景化的市场，为此，我们需要从传统烟囱式的安防系统建设思维中跳脱出来，重新审视AIoT市场的应用需求。”
 

　　澎思科技联合创始人兼CTO王炜也指出，智能安防处于变革的前夜，更多以智慧城市建设为目标的安防建设提上日程。未来城市将成为基于AIoT技术架构之上的，一张的大传感网络+各行业SaaS应用服务+云平台，颠覆性在于数据、应用和技术的打通。安防行业也会迎来基于智能安防摄像头等AI设备构建的传感网络，为整个城市提供多样应用的新变革。
 

　　进入2019年，AIoT已是群雄入场，AIoT赋能产业本身就是互相依托、各展所长的生态，整个生态链从芯片到嵌入式软件到大数据平台再到用户的界面，从应用软件到硬件设备，会有很多不同类型的企业角色，每家企业也都有自己的专长，由于产业链条长，应用领域相当丰富，同时行业场景又呈现出高度碎片化，很难有一家企业能够覆盖到全产业链。
 

　　面对这样的产业生态，生态共建将成为产业的核心关键词。产业链上的企业需要根据自身的能力情况进行未来市场战略规划，与此同时，携手合作伙伴共建产业生态圈来实现优势互补，互利共赢也逐渐成为智能安防产业显著的趋势