人工智能技术在安防行业的实际落地应用 可以从以下几个方面来看

2018年是AI技术快速发展的一年，时时可以看到AI相关的产品和概念出现于各类发布会、展会与报道之中。然而AI本身是一门辅助决策的技术，需要融入行业应用，与业务相结合，才能体现其价值。

安防行业在2018年成为了AI落地的最佳土壤，两者关系可以说是相辅相成，相互成就。首先，安防行业超过一半的应用与视频监控相关，而视频监控应用在近年来完成了“看得到”至“看得清”的转变，随之而来的是海量数据的积累，人工筛选难免耗时长，效率低;所以在视频监控应用的发展期间，安防行业其实一直存在对视频数据进行智能分析的强需求，只是受限技术因素，没有爆发。直至2018年，安防行业对于计算机视觉技术方面强需求开始显现，同时，也成为了人工智能最先大规模产生商业价值的领域。

反观AI技术领域，其基础与核心领域也聚焦于计算机视觉、机器学习、自然语言处理、机器人技术等方面。而这些细分领域的发展，都离不开海量的数据集用以算法的训练。而安防行业已存在的，以及每日都在产生的大量数据，可以被用作算法迭代的资源。由此，安防积累的数据，也使得AI技术与安防行业有了更高的契合度。

除了算法、数据之外，AI发展的要素还要包括算力;因为算法提升、数据增加，也在不断催生着增强算力的需求。由此，算法、数据、算力成为了业界公认的AI发展三要素。人工智能技术无论多么高深，落地应用才能有实际价值，于是今年“AI+安防”的结合成为了关注焦点。 对于“AI+安防”——人工智能技术在安防行业的实际落地应用，对于其发展，我们可以从算法、算力、数据几个方面分别来看：

算法部分：被动监控向主动识别过度，AI技术推动安防发展

AI赋能视频内容分析

AI赋能的最典型例子莫过于内容分析能力，使设备“看得懂”所记录的数据。过去，被记录的数据都被传输至数据中心由进行分析或计算，需要的检索时间长，人力成本高，而即便如此最快的响应也只能做到事后查证，十分被动;得益于AI的计算和分析能力，算法将分析和判断的能力交予设备，使感知记录型的设备变为可进行智能分析的设备，使其对布控范围内事件响应更加灵敏， 使安防系统由事后查验的被动防范逐渐转为事前预警的主动防范，使安防系统真正具有“防”的能力。

今年的各类展会与发布会上，已经可以大量地见到具备人脸识别能力的产品：

以上两家是算法提供商头部企业，而对于行业标杆，各厂家也会一定会奋力追赶，预计2019年端设备8路视频流处理能力将慢慢成为标配，10路以上视频流处理能力会逐渐变为主流。

除了增强视频监控“云”、“边”、“端”侧的能力，算法也在推动着传统安防产品的升级：

软件定义架构实现软硬解耦

华为在2018年8月重磅发布的“星”系列软件定义相机，即是具备AI能力的摄像机的代表，涵盖了目前AI技术在前端摄像机上的各类应用：

“星象”——人脸相机，带有本地人脸库，可存储10万张人脸;并且可以智能调参，在不同场景下实现以最佳的视角抓拍人脸。

“星驰”车辆微卡口摄像机——可以实现在低照度或抖动情况下抓拍清晰车牌，并通过算法关联车辆信息做相应处理。

“星辰”——态势感知相机，可以根据针对光线、天气、运动情况等场景因素来进行软件的自适应调节，从而达到最佳拍摄效果。

“星盾”——交通场景的自动变焦摄像头，内置自动变焦镜头，同时在断电情况也也能够保证数据的安全。

“星”系列相机最重要的意义在于软硬件解耦，如同安卓手机可以刷不同ROM一样，“星”系列相机可以根据不同场景、情况来加载需要的算法、甚至多个算法灵活组合，这样便实现了应用场景的按需定义，同时使得智能化的相机在相同硬件条件下能够实现不同的功能。

并且随着硬件发布，华为还带来了智能相机“1拖N”的理念，对于大量存留自模拟时代的摄像机，传统思路是在节点附近安装带有分析能力的盒子;而华为的思路则更加直接： 把带有AI能力的摄像头富裕的算力，用来处理周围模拟相机的数据，不再额外增加盒子。华为表示，已能够实现智能相机1拖1，将在2019年真正兑现1拖N能力。而这些功能的最终实现还需要借助于基础能力提升——算力的提升。

算力部分：算力区分应用场景，能力提升并且来源多样

边缘计算趋势明显，前端计算能力提升

各类的带AI元素的产品中，我们已经能够发现不少都带有人脸识别功能，并且很多还带有了结构化功能。视频结构化功能（人、机动车、非机动车）已经逐渐在成为视频监控智能产品的新主流功能，并且视频全结构化过程在迅速向前端过渡。

不同于以往算法公司与硬件公司深度合作，基于硬件产品优化算法;或者是硬件公司做出标准产品提供基础功能，寻求算法公司进行算法集成;今年智能摄像机、人脸盒子产品中出现了“算法+硬件”软硬件一体的产品：

旷视的B3盒子具备深度学习能力，集抓取、识别、对比、报警能力为一体。可以做到16路1080p，每路30人脸的识别性能。

Atlas500采用了海思Hi3559A和华为Ascend 310芯片，自带双SSD，以机顶盒的大小，能够实现16路高清视频处理。

随着计算的前移，芯片的算力逐渐成为了应用场景的定义标尺。目前“端”设备的算力主要集中在1Tops以下，“边”设备的算力集中在2~4Tops。AI与安防融合初期，政府垂直类项目对于方案成本敏感度可能较低，而进入公安应用场景后成本将成为竞争优劣势的一个重要因素。因此我们可以看到硬件公司在逐步通过产品算力细分、匹配应用场景;同时，也带来了更加多样化的算力提供方式：

高能效低功耗，算力提供方式多样化发展

前端计算和全结构化的兴起催生了对算力的一个新需求：性能提升和功耗降低;GPU在能提供非常充沛的算力同时，也需要消耗大量的电力，并且体积巨大。因此，2018年我们看到地平线、寒武纪等公司开始另辟蹊径，自研新架构AI芯片来应对高性能低功耗的需求。以地平线公司为代表来说：

在今年10月，地平线首次展出了XForce边缘AI计算平台。XForce平台基于地平线BPU2.0（自研伯努利架构）处理器架构的FPGA，实现了人脸和人体抓拍识别、人体行为分析、视频结构化等功能，保持各项任务指标处于业界领先地位，并相对GPU有明显的功耗优势。

并且，其最新发布的Matrix360°视觉感知方案也搭载了三款地平线自研的Matrix自动驾驶计算平台，每块Matrix可同时接入4路720p视频输入，实时处理速度》50fps， 而且经过深度优化，每块Matrix的功率被控制在仅仅31w。

数据部分：数据挖掘利用能力增强，大数据平台成热点

数据利用能力有所提高

AI与安防结合初期，环境适应性差、数据资源分散、场景理解受限等问题，客观制约着视频结构化功能的性能，以及实用化程度。而今年我们可以看有很多产品已经开始宣称非约束场景下的抓拍、识别功能。

目前，车辆及道路环境相对高的标准化程度，识别率已经较高。人脸识别的准确率也不再像之前，非常容易受到光照不足、逆光过曝、目标像素尺寸过小或物体遮挡等环境因素的影响而降低识别准确率。并且现阶段安防数据资源对于企业的开放和共享程度有所提高，寻求在“AI+安防”思路下发展的公司可以更好地展开多维度的数据交叉融合分析，使得人工智能分析技术获得有效的数据支撑。

同时，过去的视频内容分析技术对场景理解有限，多为单场景的目标检测和行为分析，很少涉及大范围场景的关联行为分析，所以很难用于异常行为分析和风险预测等防范用途;在今年我们可以看到华为“星辰”态势感知相机：可自动感知天气、光线状况并进行调整以辅助监控;特斯联致慧X3人脸识别网关：可以实现在商业场景中进行用户画像、人脸属性结构化、客流统计、热点区域和动线分析;旷视甚至展示出了能够进行300人脸高并发抓拍的高密人脸抓拍平台。大场景的数据利用能力提高，也使得智慧城市、智慧交通成为了AI+安防在2018年的绝对热点。

多维大数据分析成为热点

海康、大华在模拟时代已经具有非常强大的前端能力。但是“两池一库四平台”战略的发出，标志着海康从提供前端设备到提供中后端平台和AI能力的转变;大华的HOC城市之心智慧城市网络架构，也已经在阿里ET大脑的杭州萧山实验项目中，提供了分析技术，实际有效地提升了道路通行量。

在AI+安防的发展之路中，除了传统巨头，更有后期之秀——算法、算力的供应商，通用技术的提供者。在这些公司当中，一部分选择了将技术能力平台化，扩大服务面向行业，广泛积累数据，如商汤、旷视;一部分选择了深钻自研，如云天自研芯片，地平线、寒武纪自研架构。不同的商业思维孰优孰劣有待时间去考证，但值得欣慰的是我们看到了技术厂商相互竞争带来了技术沉淀与提升。安防行业相对来说政府垂直项目多，业务渠道行业壁垒突出，AI技术融入安防，对于安防行业重服务、重应用的市场形态起到了一定程度的积极影响。

但是，AI只是一门技术，短时间内无法撼动传统安防企业的地位。传统安防企业的优势在于长时间在行业内摸索尝试所积攒的资源、关系、人员和经验。关于技术，有能力的企业可以选择自研，实力稍弱的企业也可以选择收购并购的方式来补足。

小结

在近几年， AI+安防的建设还处于初级阶段，企业级市场和消费级市场还不成熟，主要的市场集中在2G端，面向政府。因政府垂直类项目存在的刚需，对价格因素不敏感的特点，加上安防产品具有非标准化的特点，安防厂商得以不断迭代开发新产品，通过产品的更新换代创造价值。但是产品、设备的制造与销售有其发展的局限性，受政策影响大并且也将逐渐出现产品趋同化现象，因此我们可以看到安防头部企业已经开始了自我转型，向上深挖解决方案层面的差异化需求，以创造新的服务附加值。

面对此局势，安防集成商首先需要意识到转型的必要性，积极利用自身资源，通过合作开发、自主开发、或战略投资等方法形成智能安防解决方案，向上游拓展并加强自身实力;同时，需要保持对下游运营市场的关注和分析：虽然AI+安防目前处于基础建设和发展期，一旦基础建设完成，竞争将立刻由基础建设方向过渡，转向应用与运维方面。因此，提前布局下游将成为新的机遇所在。