浅析AI在安防行业现状

更新时间:2018-07-16 19:52:11点击:614 行业观点

从安防行业规模来看,考虑到AI技术普及度较低、智能化产品价格偏高、场景应用局限性大、对智能产品接受度不够等因素,目前大部分安防企业对于AI技术的应用还处在接受并尝试使用阶段,超过90%的市场份额仍被传统安防占据。但从增长趋势中可以看出,AI在安防领域的附加价值开始凸显。

近期,国内《2018中国人工智能商业落地研究报告》发布,该报告指出人工智能作为先进的生产力,最终要通过商业落地才能获得持续发展,仅有技术实力、而没有商业落地能力的人工智能企业会被市场淘汰。过去一年,产业对人工智能期待值很高,各种应用层出不穷,但收获却很少。2017年中国AI创业公司获得的累计融资超过500亿元,但2017年中国AI商业落地100强创业公司累计产生的收入却不足100亿元,90%以上的AI企业亏损。

报告还指出,从安防行业规模来看,考虑到AI技术普及度较低、智能化产品价格偏高、场景应用局限性大、对智能产品接受度不够等因素,目前大部分安防企业对于AI技术的应用还处在接受并尝试使用阶段,超过90%的市场份额仍被传统安防占据。但从增长趋势中可以看出,AI在安防领域的附加价值开始凸显。

涉及AI的行业企业

目前,在整个行业上下游环节的AI参与方分别包括:上游包含了视频算法提供商、芯片制造商、图像传感器、镜头模组等其他核心零部件;中游包含了硬件供应商、软件服务商、系统集成商、运营服务商;下游为终端行业应用,涉及政府、公安、交通、金融、民用等领域。

在上游领域,除了国外芯片巨头,目前国内正在涌现一批人工智能芯片企业,例如,人工智能初创企业地平线成功发布国内首款嵌入式人工智能芯片,其中旭日1.0处理器则面向智能摄像头,能够在本地进行大规模人脸抓拍与识别、视频结构化处理等,可广泛用于商业、安防等多个实际应用场景;寒武纪1A处理器是世界首款商用深度学习专用处理器,面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备;中星微首款嵌入式神经网络处理器(NPU)芯片,基于深度学习的芯片运用在人脸识别上,最高能达到98%的准确率,超过人眼的识别率等等。

伴随着安防行业围绕着AI发生着变革,安防传统制造厂商将不再扮演单纯的硬件公司角色,会更多的在软件、场景、数据上角逐。安防行业内传统的制造厂商海康威视、大华股份、科达、天地伟业以及宇视科技凭借近些年的不断研发投入已经实现在视频结构化算法、车牌识别算法、人脸识别算法、视频检索以及多传感器融合等技术方面的积累,通过与芯片厂商的紧密合作,再结合自身在行业应用方面的优势,已经着手在人工智能产品在前后端方面布局,实现在公共安全、交通、司法、零售、智慧城市等多个领域深度应用。可以说在行业场景应用及软硬件结合方面并不落后与人工智能企业。

当然,AI初创企业入局为安防行业带来了智能化的技术与信息,让安防行业智能化的进程缩短了很长的时间,同时在技术层面少走了很多的弯路。以商汤科技、旷视、云从科技、智慧眼、云天励飞等为首的AI初创公司带给安防行业最主要的影响打破了以往视频监控智能化发展已经触及的应用天花板,正在逐步实现公安行业一直对视频监控梦寐以求的“事前预警事中控制”的诉求。

不仅如此,AI初创企业的入局也改变了安防行业的竞争格局。AI初创企业的入局也让安防行业的竞争格局变得越发的复杂。无论是芯片、算法,还是做产品化的,甚至做解决方案的企业等等。不管是哪一类公司,对传统安防厂商来说,既有合作,更存在着竞争。AI创业公司拥有算法核心技术,但必须要落实产品化,要提出结合实际的解决方案。这就使得他们必须要深入到行业,甚至要深入到具体产品的细节,这些是传统安防企业擅长。针对安防行业存在大量的无法自己投入开发算法的普通安防企业,可以与AI创业公司进行合作实现共赢。


技术及应用领域

从技术应用及场景来看,目前AI在安防领域的应用主要还是涉及对人脸、车辆的识别,包括生物特征识别技术、大数据及视频结构化技术等。其中,生物特征识别包含了指纹识别、虹膜识别、人脸识别、步态识别等,前两个主要应用于特定场景的身份认证居多;而关于视频结构化技术,目前则主要融合了机器视觉、图像处理、模式识别、深度学习等人工智能技术,这也是视频内容理解的基础。

近年来安防视频监控向高清化与网络化发展是实现安防智能化的大前提,一方面,高清监控设备传递回来高清监控图像,才有可能对画面上的各种细节(人脸、车牌号等)进行识别;另一方面,网络化监控设备采用云端存储,传递实时图像,为实时动态分析提供基础。另外,海量视频数据采用人眼识别难度越来越高IVA采用计算机视觉结合人工智能,对图像进行智能分析,使得安防大数据分析成为现实。

而此时,对于安防企业来说,就要借助基于GPU开发的模块既能够满足图像处理要求,又适合于处理计算密度高、逻辑分支简单的大规模数据并行负载,将会成为进行海量视频数据结构化处理的关键。首先,GPU能将3D模型的信息转换为2D表示,能够实现视频图像的结构化处理;其次,随着GPU的飞速发展,在浮点运算、并行计算等部分计算方面,GPU可以提供数十倍乃至于上百倍于CPU的性能。因此以图像视觉为核心并具有海量的数据源以及丰富的数据层次的安防监控领域正是GPU发挥其图像处理以及高性能通用计算的用武之地。

行业应用角度来看,目前智能安防在公安、交通、楼宇、金融、工业、民用等多个领域都有应用场景。比如,公安领域,主要涉及到图侦、实战、预判三层应用以满足其事前、事中、事后的实际需求;交通领域,未来通过建立城市大脑,利用AI技术可实时分析城市交通流量、调整红绿灯间隔、缩短车辆等待时间等,以合理调配资源提升城市道路的通行效率;智能楼宇,利用AI技术可以综合控制建筑的安防、能耗,同时对进出大厦的人、车、物实现实时监控以确保核心区域的安全。