解密中國安防8大趨勢和8大限制

傳統(tǒng)的安防企業(yè)、新興的 AI 初創(chuàng)企業(yè)，開始積極從技術(shù)各個(gè)維度擁抱人工智能，在模式識(shí)別基礎(chǔ)理論、圖像處理、計(jì)算機(jī)視覺以及語音信息處理展開了集中研究與持續(xù)創(chuàng)新，探索模式識(shí)別機(jī)理以及有效計(jì)算方法，為解決應(yīng)用實(shí)踐問題提供了關(guān)鍵技術(shù)，具備了原創(chuàng)性技術(shù)的突破能力。

很多企業(yè)推出了系列化的前后端 AI 安防產(chǎn)品，理論上滿足了許多典型場景下的實(shí)戰(zhàn)應(yīng)用需求。人工智能技術(shù)的不斷進(jìn)步，傳統(tǒng)的被動(dòng)防御安防系統(tǒng)將升級成為主動(dòng)判斷和預(yù)警的智慧安防系統(tǒng)；安防從單一的安全領(lǐng)域有望向多行業(yè)應(yīng)用、提升生產(chǎn)效率、提高生活智能化程度方向發(fā)展，為更多的行業(yè)和人群提供可視化、智能化解決方案。

本期的智能內(nèi)參，我們推薦中國科學(xué)院自動(dòng)化研究所出品的報(bào)告《 安防+AI 人工智能工程化白皮書 》，系統(tǒng)梳理總結(jié)當(dāng)前安防+AI 的發(fā)展現(xiàn)狀，尤其重點(diǎn)分析指出了智慧安防領(lǐng)域存在的八大限制性因素，以及智慧安防的八大新的發(fā)展趨勢，供學(xué)術(shù)界及實(shí)業(yè)界的學(xué)者、專家參考。如果想收藏本文的報(bào)告全文（安防+AI 人工智能工程化白皮書 ），可以在智東西公眾號：（zhidxcom）回復(fù)關(guān)鍵詞“nc302”獲取。

以下為智能內(nèi)參整理呈現(xiàn)的干貨：

安防+AI的前世今生

1、AI的發(fā)展歷程

從20 世紀(jì) 50 年代開始，AI的發(fā)展經(jīng)歷了三個(gè)階段：

1、20 世紀(jì) 50 年代—80 年代： 形成了基本的人工智能，但還遠(yuǎn)遠(yuǎn)不及智能化水平。

2、20 世紀(jì) 80 年代—90 年代末： 專家系統(tǒng)得到快速發(fā)展，數(shù)學(xué)模型有重大突破。

3、21 世紀(jì)初—至今： 隨著大數(shù)據(jù)的積聚、算法理論的革新、計(jì)算能力的提升， 尤其是深度學(xué)習(xí)技術(shù)的發(fā)展，機(jī)器實(shí)現(xiàn)了分析數(shù)據(jù)，擁有了自主學(xué)習(xí)的能力。

▲AI的發(fā)展歷程

2、AI產(chǎn)品化近在眼前

得益于基礎(chǔ)硬件的強(qiáng)化與軟件框架的優(yōu)化，使這一輪人工智能的爆發(fā)式增長得以實(shí)現(xiàn)。而基礎(chǔ)應(yīng)用技術(shù)的進(jìn)一步研發(fā)則使人工智能從抽象技術(shù)實(shí)現(xiàn)了向可及性產(chǎn)品與服務(wù)的轉(zhuǎn)變。

▲深度學(xué)習(xí)人工智能的技術(shù)架構(gòu)

這種產(chǎn)品化是建立在現(xiàn)在的三大技術(shù)框架之上的，分別是基礎(chǔ)硬件層、軟件框架層和算法框架：

基礎(chǔ)硬件層為算法提供了基礎(chǔ)計(jì)算能力。涵蓋 GPU、 CPU、 FPGA、 ASIC。

▲基礎(chǔ)硬件提供基礎(chǔ)算力，四大類硬件特點(diǎn)

軟件框架層實(shí)現(xiàn)算法的模塊化封裝，為應(yīng)用開發(fā)提供集成軟件工具包。該層涵蓋范圍包括針對算法實(shí)現(xiàn)開發(fā)的各類應(yīng)用及算法工具包，為上層應(yīng)用開發(fā)提供了算法調(diào)用接口，提升應(yīng)用實(shí)現(xiàn)的效率。

算法框架是人工智能核心生態(tài)圈建立的關(guān)鍵環(huán)節(jié)， 是決定人工智能技術(shù)、產(chǎn)業(yè)、應(yīng)用的核心環(huán)節(jié)，是人工智能核心生態(tài)圈建立的基礎(chǔ)和關(guān)鍵。

當(dāng)前人工智能的商業(yè)化實(shí)現(xiàn)主要是基于計(jì)算機(jī)視覺、智能語音、自然語言處理等基礎(chǔ)應(yīng)用技術(shù)實(shí)現(xiàn)，并形成了相應(yīng)的產(chǎn)品或服務(wù)。

目前國內(nèi)外人工智能企業(yè)應(yīng)用的技術(shù)主要是計(jì)算機(jī)視覺和智能語音語義兩個(gè)方面。

▲國內(nèi)外人工智能企業(yè)應(yīng)用技術(shù)分布，計(jì)算機(jī)視覺占比較高

3、各國政策和智慧安防

人工智能被認(rèn)為是第四次工業(yè)革命的主要推動(dòng)技術(shù)，獲得了各行業(yè)的極大關(guān)注。 為了抓住 AI 發(fā)展的戰(zhàn)略機(jī)遇，越來越多的國家和組織已經(jīng)相繼制定國家層面的發(fā)展規(guī)劃。

▲世界人工智能產(chǎn)業(yè)政策指導(dǎo)

中國高度重視人工智能發(fā)展， 2015 年后密集發(fā)布人工智能相關(guān)政策和規(guī)劃。

▲中國高度重視人工智能發(fā)展

在人工智能應(yīng)用領(lǐng)域，我國智慧安防領(lǐng)域走在了世界的最前沿。在國內(nèi)眾多關(guān)于人工智能的政策、發(fā)文、規(guī)劃中多次提到將人工智能技術(shù)應(yīng)用于公共安全領(lǐng)域，進(jìn)行技術(shù)創(chuàng)新、產(chǎn)品和應(yīng)用創(chuàng)新，同時(shí)相關(guān)部門也提出并發(fā)布了在視頻監(jiān)控應(yīng)用中基于人工智能的視頻圖像處理技術(shù)標(biāo)準(zhǔn)。

4、智慧安防時(shí)代到來

全球 AI 相關(guān)產(chǎn)品業(yè)規(guī)模龐大。 據(jù)中國人工智能學(xué)會(huì)和羅蘭貝格咨詢公司預(yù)測， 2016 年至 2025 年，全球人工智能市場規(guī)模年均增速超過 40%， 2025 年將達(dá)到 3 萬億美元。

在這個(gè)技術(shù)大背景之下，我國人工智能產(chǎn)業(yè)初具優(yōu)勢。中國電子學(xué)會(huì)公開數(shù)據(jù)顯示， 2017 年，中國人工智能核心產(chǎn)業(yè)規(guī)模已達(dá)到 56 億美元左右，預(yù)計(jì) 2020年，中國人工智能核心產(chǎn)業(yè)規(guī)模將超過 220 億美元，年均增速接近 65%。

▲中國人工智能市場規(guī)模預(yù)測， 產(chǎn)業(yè)初具優(yōu)勢

按照中國信息通信研究院的統(tǒng)計(jì)結(jié)果，目前中國人工智能市場主要由五個(gè)領(lǐng)域構(gòu)成，按照市場規(guī)模從高到低分別為：機(jī)器視覺占比 37%，語音識(shí)別占比 22%，自然語言處理占比 16%，基礎(chǔ)算法及平臺(tái)占比 14%，芯片占比 11%。其中，由于近幾年中國互聯(lián)網(wǎng)娛樂、廣告?zhèn)鞑ズ凸舶踩曨l監(jiān)控市場的高速發(fā)展，計(jì)算機(jī)視覺市場規(guī)模以 37%占比大幅領(lǐng)先。

▲2017 年人工智能市場結(jié)構(gòu)，計(jì)算機(jī)視覺占主比大幅領(lǐng)先

▲2017 年中國計(jì)算機(jī)視覺行業(yè)市場構(gòu)成，安防占據(jù)大部分

在機(jī)器視覺領(lǐng)域市場構(gòu)成中，安防行業(yè)以 67.9%占據(jù)大部分份額，這得益于中國公共安全視頻監(jiān)控建設(shè)的龐大市場。 隨著高清視頻、智能分析、云計(jì)算和大數(shù)據(jù)等相關(guān)技術(shù)的發(fā)展， 安防系統(tǒng)正在從傳統(tǒng)的被動(dòng)防御升級成為主動(dòng)判斷和預(yù)警的智能防御。 安防行業(yè)也從單一的安全領(lǐng)域向多元化行業(yè)應(yīng)用方向發(fā)展，旨在提升生產(chǎn)效率、提高生活智能化程度，為更多的行業(yè)和人群提供可視化、智能化解決方案。 隨著智慧城市、智能建筑、智慧交通等智能化產(chǎn)業(yè)的帶動(dòng)， 智慧安防也將保持高速增長。 預(yù)計(jì)在 2020 年全球產(chǎn)業(yè)規(guī)模實(shí)現(xiàn) 106 億美元， 中國會(huì)達(dá)到20 億美元。

而在安防行業(yè)，人工智能應(yīng)用發(fā)展最快的是人臉識(shí)別。

▲人臉識(shí)別市場規(guī)模發(fā)展最快

智慧安防生態(tài)

現(xiàn)階段，智慧安防行業(yè)生態(tài)可為五個(gè)大類，分別是應(yīng)用、技術(shù)、框架、平臺(tái)、芯片。

▲智慧安防生態(tài)圈

1、基礎(chǔ)硬件

這里的基礎(chǔ)硬件特別強(qiáng)調(diào)芯片廠商， 目前主要的 AI 核心芯片供應(yīng)商如下圖所示：

▲目前主要 AI 芯片廠商

GPU 主要應(yīng)用在數(shù)據(jù)中心，其特點(diǎn)是產(chǎn)品上市快，缺點(diǎn)是功耗高。安防應(yīng)用中， GPU 芯片基本被英偉達(dá)壟斷。

▲人工智能應(yīng)用，安防業(yè)內(nèi) GPU 芯片被英偉達(dá)壟斷

安防領(lǐng)頭企業(yè)不乏基于 GPU 的視頻監(jiān)控產(chǎn)品，如下圖所示：

▲安防+AI 典型落地應(yīng)用產(chǎn)品

FPGA 在中心推理及數(shù)據(jù)中心也有較多應(yīng)用，與 GPU 比， FPGA 的功耗優(yōu)勢明顯。安防應(yīng)用中， FPGA 主要廠家有 Xilinx、 Intel（原 Altera）等。

ASIC 主要應(yīng)用于端側(cè)推理，由于端側(cè)應(yīng)用的多樣性、復(fù)雜性以及對高性價(jià)比述求等原因， ASIC 廠家很多， 例如： 寒武紀(jì)、海思、地平線、比特大陸等，同時(shí)提供的方案也多。2018 年安防市場 ASIC 競爭非常激烈，下圖是根據(jù)網(wǎng)絡(luò)數(shù)據(jù)整理的各 ASIC芯片上市進(jìn)度。 其中，海思的布局非常密集。

▲ASIC 芯片上市快，布局密集

2、軟件框架

軟件框架技術(shù)仍掌握在亞馬遜、微軟、谷歌、百度等科技巨頭手中，是深度學(xué)習(xí)人工智能的核心。

算法框架是人工智能核心生態(tài)圈建立的關(guān)鍵環(huán)節(jié)。 實(shí)現(xiàn)算法的模塊化封裝， 為應(yīng)用開發(fā)提供集成軟件工具包，包括針對算法實(shí)現(xiàn)開發(fā)的各類應(yīng)用及算法工具包，為上層應(yīng)用開發(fā)提供了算法調(diào)用接口等服務(wù)。

3、基礎(chǔ)算法

安防行業(yè)的算法企業(yè)總體來說可以分為兩大類。第一大類是商湯、曠視、云從、依圖、中科神探等 CV 企業(yè)；第二大類是海康、大華、宇視，也開始 AI 算法技術(shù)布局。隨著各企業(yè)的投入進(jìn)一步加大，視頻識(shí)別算法準(zhǔn)確率大幅度提升。例如人臉識(shí)別算法，在特定條件下，已經(jīng)達(dá)到很高的水平。

此外， 在圖像分類、物體檢測等方面，計(jì)算機(jī)的識(shí)別率都已經(jīng)遠(yuǎn)遠(yuǎn)超越了人類平均水平。

4、產(chǎn)品及行業(yè)應(yīng)用

除了傳統(tǒng)的?？怠⒋笕A、宇視、科達(dá)、天地偉業(yè)、東方網(wǎng)力等安防廠商外，CV 廠商和云平臺(tái)供應(yīng)商也逐步開始提供產(chǎn)品和行業(yè)應(yīng)用。

除了前文提到的云中心產(chǎn)品，各企業(yè)基本已經(jīng)完成邊緣智能產(chǎn)品序列化。隨著邊緣和中心產(chǎn)品的豐富，用戶開始對應(yīng)用業(yè)務(wù)提出了更高的要求。從目前行業(yè)情況來看，無論是傳統(tǒng)安防企業(yè)，還是 CV 和云平臺(tái)企業(yè)，在業(yè)務(wù)應(yīng)用上雖有部分提升，但仍以典型通用應(yīng)用為主。

▲主流廠家邊緣/中心智能產(chǎn)品豐富，用戶更重視實(shí)際應(yīng)用

典型智慧安防應(yīng)用

隨著 AI 在安防行業(yè)的滲透和深層次應(yīng)用技術(shù)的研究開發(fā)，當(dāng)前安防行業(yè)已經(jīng)呈現(xiàn)“無 AI，不安防”的新趨勢，各安防監(jiān)控廠商全線產(chǎn)品 AI 化已經(jīng)是當(dāng)前不爭的事實(shí)，同時(shí)也成為各廠商的新戰(zhàn)略。隨著 AI 在安防行業(yè)的深入落地， AI在安防領(lǐng)域尤其是視頻監(jiān)控領(lǐng)域的產(chǎn)品形態(tài)及應(yīng)用模式也開始趨于穩(wěn)定，安防行業(yè)的 AI 技術(shù)主要集中在人臉識(shí)別、車輛識(shí)別、 行人識(shí)別、行為識(shí)別、 結(jié)構(gòu)化分析、大規(guī)模視頻檢索等方向。

安防行業(yè)的 AI 應(yīng)用場景分為卡口場景和非卡口場景， 前者指光線、 角度等條件可控的應(yīng)用場景， 以車輛卡口及人臉卡口為主； 后者指普通治安監(jiān)控視頻場景。 其中， 卡口場景約占監(jiān)控?cái)z像機(jī)總量的 1%-3%， 剩余的均為非卡口場景監(jiān)控視頻。

1、卡口場景： 人臉身份確認(rèn)應(yīng)用

人臉身份確認(rèn)應(yīng)用以公安行業(yè)人員布控為代表，在關(guān)鍵點(diǎn)位部署人臉抓拍攝像機(jī)，通過后端人臉識(shí)別服務(wù)器對抓拍到的人臉進(jìn)行分析識(shí)別，同時(shí)與人臉黑名單庫進(jìn)行比對。隨著人員布控應(yīng)用的增強(qiáng)，已經(jīng)初顯效果。例如近期的“張學(xué)友演唱會(huì)”抓獲疑犯就是卡口場景確認(rèn)的身份。

2、 卡口場景： 人臉身份驗(yàn)證應(yīng)用

人臉身份驗(yàn)證應(yīng)用逐漸普遍。 常見的人臉白名單應(yīng)用已經(jīng)在很多行業(yè)落地，比如人臉門禁、人臉?biāo)偻ㄩT、人臉考勤、人員身份確認(rèn)等，廣泛應(yīng)用于企業(yè)、各類園區(qū)等場景。 除實(shí)現(xiàn)基礎(chǔ)的人臉識(shí)別應(yīng)用外， 人臉門禁還可以防止通過照片、視頻等人臉假冒行為，切實(shí)保障出入口人員安全管控及日常人員管理等。

3、卡口場景： 車輛識(shí)別應(yīng)用

車輛識(shí)別技術(shù)是公安實(shí)戰(zhàn)中應(yīng)用最成熟、 效果最明顯的技術(shù)之一。借助遍布全國各地交通要道的車輛卡口，車牌識(shí)別使得“以車找人” 成為現(xiàn)實(shí)， 成功協(xié)助警方破獲各類案件。 車輛識(shí)別技術(shù)已經(jīng)從初級的基于車牌的車輛識(shí)別應(yīng)用階段，發(fā)展到車型識(shí)別、 套牌車識(shí)別等精準(zhǔn)的車輛識(shí)別應(yīng)用階段。

4、非卡口場景： 視頻結(jié)構(gòu)化分析與快速檢索應(yīng)用

在視頻結(jié)構(gòu)化分析與快速檢索應(yīng)用中，視頻結(jié)構(gòu)化業(yè)務(wù)功能是對視頻中的機(jī)動(dòng)車、非機(jī)動(dòng)車、行人等活動(dòng)目標(biāo)進(jìn)行分類檢測； 同時(shí)提取目標(biāo)小圖和場景大圖寫入存儲(chǔ)設(shè)備中，便于后續(xù)的快速查詢及智能檢索。通過視頻結(jié)構(gòu)化業(yè)務(wù)快速分析并提取出視頻中感興趣目標(biāo)的特征屬性信息，用戶能夠高效獲取案事件相關(guān)線索，促進(jìn)大安防時(shí)代視頻數(shù)據(jù)從看清跨入到看懂的階段。

5、 非卡口場景： 行為分析輔助安防應(yīng)用

行為分析可輔助安防應(yīng)用。通過行為分析系統(tǒng)對人員的異常行為進(jìn)行分析處理，可應(yīng)用于重點(diǎn)區(qū)域防范、重要物品監(jiān)視、可疑危險(xiǎn)物品遺留等行為的機(jī)器識(shí)別； 也可對人員的異常行為進(jìn)行報(bào)警，極大提升了視頻監(jiān)控的應(yīng)用效率。

智慧安防規(guī)模應(yīng)用的八大限制性因素

雖然人工智能技術(shù)飛速發(fā)展，但在產(chǎn)品化和實(shí)踐應(yīng)用中，依然存在很多問題。 在過去幾年，人工智能熱度很高，但實(shí)際上只完成了“概念模型”的建立，尚未達(dá)到“有效利用”的理想效果?，F(xiàn)階段限制規(guī)模應(yīng)用主要有八個(gè)因素： 成本高昂、 算法場景限制高、 布點(diǎn)困難、 網(wǎng)絡(luò)和安全要求更高、深度應(yīng)用不足、系統(tǒng)性頂層設(shè)計(jì)、缺乏行業(yè)標(biāo)準(zhǔn)與評估體系和用戶學(xué)習(xí)與組織保障成本更高。

成本高昂。當(dāng)前，影響“安防+AI”產(chǎn)品解決方案規(guī)模化應(yīng)用的因素有很多，成本高昂是眾多原因之一。從一個(gè)典型中大型城市級公共安全視頻監(jiān)控聯(lián)網(wǎng)項(xiàng)目各部分成本占比情況可以清晰看出成本是“安防+AI”發(fā)展的重要瓶頸。

▲安防+AI 與傳統(tǒng)安防兩周方案建設(shè)成本比對

算法限制高。人工智能算法的泛化能力是模式識(shí)別問題長期面臨的一個(gè)問題，也是現(xiàn)階段的主要瓶頸。

由于訓(xùn)練好的模型用在變化的場景中性能往往會(huì)明顯下降，因此在實(shí)際使用中，必須對場景進(jìn)行嚴(yán)格定義，或者從設(shè)計(jì)上將智能算法定位為對指標(biāo)不敏感的輔助功能。在比較成熟的應(yīng)用中，如智能交通中的過車及違章抓拍、機(jī)場車站的人證對比等，都需要具體的工程安裝方案。這種做法在技術(shù)不夠成熟的條件下有效實(shí)現(xiàn)了商業(yè)價(jià)值，但缺點(diǎn)同樣明顯：一方面，對已有設(shè)備的改造需要增加施工成本，影響人工智能算法對傳統(tǒng)應(yīng)用的滲透；另一方面，也限制了獲取有效素材的效率，影響算法指標(biāo)的進(jìn)一步提升。

布點(diǎn)困難。人工智能往往有特定的場景要求，只有在特定場景下才能保持較好的識(shí)別率。進(jìn)行人臉識(shí)別的攝像機(jī)，需要嚴(yán)格遵從公安部發(fā)出的政策標(biāo)準(zhǔn)，導(dǎo)致大幅度降低人臉識(shí)別的可應(yīng)用空間，也大幅度提升了施工難度。

▲人臉識(shí)別攝像機(jī)使用場景模擬示意圖

網(wǎng)絡(luò)和安全要求更高。近年來，人工智能技術(shù)的蓬勃發(fā)展賦予了安防監(jiān)控系統(tǒng)更加多樣化的業(yè)務(wù)功能，將安防監(jiān)控行業(yè)的市場空間進(jìn)一步拓寬，使安防監(jiān)控系統(tǒng)在各行各業(yè)得到廣泛部署。但從風(fēng)險(xiǎn)角度而言，在 AI 與安防融合發(fā)展的進(jìn)程中，將大量非結(jié)構(gòu)化視頻轉(zhuǎn)化為可快速檢索的結(jié)構(gòu)化數(shù)據(jù)，一旦網(wǎng)絡(luò)被攻擊，數(shù)據(jù)泄漏后的損失將更為惡化；另一方面人工智能將大量視頻、圖片集中到云中心，對網(wǎng)絡(luò)帶寬提出了更高要求。

深度應(yīng)用不足。視頻監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)量龐大， 而且日趨多元化，但現(xiàn)階段存在一些數(shù)據(jù)的利用率低、真正解決客戶實(shí)戰(zhàn)問題的能力還有待于提高和基于結(jié)構(gòu)化視頻數(shù)據(jù)的深度智能應(yīng)用尚處于初級階段。

系統(tǒng)性頂層設(shè)計(jì)。安防+AI 解決方案在傳統(tǒng)安防的基礎(chǔ)之上不僅對布點(diǎn)、 網(wǎng)絡(luò)、存儲(chǔ)等提出新的挑戰(zhàn)，還在組成上多出了視圖分析系統(tǒng)、 大數(shù)據(jù)研判系統(tǒng)、視圖資源歸檔、 對外接口服務(wù)， 以及最重要也是必不可少的告警、審核、輔助研判及抓捕一系列流程配合。安防+AI 方案融入了更多的系統(tǒng)集成的同時(shí)，不論是前期的科學(xué)選點(diǎn)，還是后期的研判抓捕，以及組織、 流程保障等人的因素貫穿始終。 因此， 安防+AI 解決方案需要進(jìn)行前瞻性、 系統(tǒng)性、 科學(xué)的頂層設(shè)計(jì)， 這是能否真正落地、取得豐富實(shí)戰(zhàn)效果的前提。

缺乏行業(yè)標(biāo)準(zhǔn)與評估體系。當(dāng)前情況下， 安防+AI 算法、 產(chǎn)品及解決方案以企業(yè)標(biāo)準(zhǔn)為主， 應(yīng)逐步建立面向?qū)崙?zhàn)應(yīng)用的行業(yè)標(biāo)準(zhǔn)。鑒于人工智能技術(shù)飛速發(fā)展的現(xiàn)狀，現(xiàn)階段全面建立統(tǒng)一的行業(yè)標(biāo)準(zhǔn)有可能會(huì)傷害安防行業(yè)的健康發(fā)展， 但安防+AI 算法、 產(chǎn)品及解決方案的評估體系應(yīng)盡快構(gòu)建。

用戶學(xué)習(xí)與組織保障成本更高。AI 產(chǎn)品方案在安防行業(yè)的落地，對用戶來說：如何使用好這樣一套系統(tǒng)，讓系統(tǒng)發(fā)揮出它最大的功效是一個(gè)全新的挑戰(zhàn)，這個(gè)挑戰(zhàn)不僅源于對顛覆原有以往任何技術(shù)手段的不斷學(xué)習(xí)和經(jīng)驗(yàn)總結(jié)，更來自于用戶自身的組織和制度如何保障系統(tǒng)的有效運(yùn)轉(zhuǎn)。

八大新趨勢造就智慧安防新未來

工程的科學(xué)布點(diǎn)。人工智能的強(qiáng)場景化特點(diǎn)，決定了在智慧安防應(yīng)用中，攝像機(jī)的使用位置、覆蓋范圍受到很大限制。相同數(shù)量的攝像機(jī)，在一個(gè)城市中的開放區(qū)域，安裝于不同的位置，所能起到的作用顯然是不同的。 一個(gè)智慧安防系統(tǒng)如何在有限的攝像機(jī)資源覆蓋情況下，達(dá)到最優(yōu)的防范效果？這就對系統(tǒng)方案設(shè)計(jì)、布點(diǎn)設(shè)計(jì)提出了更高的要求。

產(chǎn)品的云端結(jié)合。目前安防系統(tǒng)中，常見的中心計(jì)算架構(gòu)問題已經(jīng)日趨嚴(yán)重，主要體現(xiàn)為網(wǎng)絡(luò)傳輸帶寬問題、 及時(shí)性問題得不到有效解決。 邊緣計(jì)算的出現(xiàn)有效緩解了上述問題。 云計(jì)算聚焦非實(shí)時(shí)、長周期數(shù)據(jù)以及業(yè)務(wù)決策場景，而邊緣計(jì)算在實(shí)時(shí)性、短周期數(shù)據(jù)以及本地決策等場景方面有不可替代的作用。 這使得云端云端結(jié)合成為新趨勢： 一些需要集中式處理的計(jì)算繼續(xù)交由大型云計(jì)算中心，如大數(shù)據(jù)挖掘、大規(guī)模學(xué)習(xí)； 大量實(shí)時(shí)的需要交互的計(jì)算、 分析在邊緣節(jié)點(diǎn)完成。 同時(shí)邊緣計(jì)算也是云端所需高價(jià)值數(shù)據(jù)的采集終端，可以更好的支撐云端應(yīng)用的大數(shù)據(jù)分析； 而云端通過大數(shù)據(jù)分析得出的一些業(yè)務(wù)規(guī)則也可以下發(fā)到邊緣端，優(yōu)化邊緣端的業(yè)務(wù)決策。云計(jì)算與邊緣計(jì)算分工協(xié)作，來滿足智能時(shí)代爆發(fā)式的計(jì)算需求。

AI 分布式計(jì)算。 在智能應(yīng)用場景中，存在空間和時(shí)間的不均衡性?？臻g不均衡性是指在不同場景不同地點(diǎn)，分析目標(biāo)的密集度是不同的；時(shí)間不均衡性是指在同一個(gè)區(qū)域，不同時(shí)間的分析目標(biāo)的密集度是不同的。 因此，采用分布式計(jì)算架構(gòu)將成為未來趨勢。 通過對全網(wǎng)的中心計(jì)算設(shè)備和邊緣計(jì)算設(shè)備進(jìn)行統(tǒng)一的計(jì)算調(diào)度，可以有效地緩解問題，大幅度降低智能應(yīng)用系統(tǒng)的整體建設(shè)成本。

數(shù)據(jù)的多維應(yīng)用。現(xiàn)今的智能監(jiān)控系統(tǒng)已經(jīng)開始融合人工智能分析技術(shù)和物聯(lián)網(wǎng)技術(shù)，采集和提取更多有效的多維數(shù)據(jù)。人工智能技術(shù)能夠?qū)σ曨l內(nèi)容進(jìn)行智能分析，將所有運(yùn)動(dòng)目標(biāo)進(jìn)行自動(dòng)分離、自動(dòng)分類， 并自動(dòng)提取目標(biāo)多維度的結(jié)構(gòu)化數(shù)據(jù)以及半結(jié)構(gòu)化數(shù)據(jù)。 通過對歷史數(shù)據(jù)的分析挖掘， 可以挖掘事件的內(nèi)在聯(lián)系， 識(shí)別出異常模式，從而提供實(shí)時(shí)報(bào)警服務(wù)；利用知識(shí)圖譜技術(shù)， 可以挖掘人和人、人和事、事件和事件之間的關(guān)聯(lián)關(guān)系，并進(jìn)行深度推理，進(jìn)而為重大事件提供決策分析， 提高預(yù)警的準(zhǔn)確性和及時(shí)性。

數(shù)據(jù)和網(wǎng)絡(luò)安全。為了解決安防系統(tǒng)中的安全問題，適應(yīng)新的等級保護(hù)條例要求，主要在以下幾點(diǎn)采用新技術(shù)、 新方案來解決安防系統(tǒng)中的安全問題。

▲網(wǎng)絡(luò)安全相關(guān)技術(shù)要求

下一代人機(jī)交互技術(shù)。隨著智能技術(shù)在安防系統(tǒng)里的應(yīng)用，產(chǎn)生的數(shù)據(jù)越來越多，隨之而來問題：如何讓使用者快速看懂?dāng)?shù)據(jù)，也就是數(shù)據(jù)可視化的問題。安防行業(yè)下一代的人機(jī)交互， 展現(xiàn)上會(huì)朝著操作性和立體性更強(qiáng)的方面發(fā)展， 交互上朝著互動(dòng)感更強(qiáng)方面發(fā)展，應(yīng)用上朝著功能業(yè)務(wù)深度結(jié)合的方面發(fā)展。

系統(tǒng)設(shè)計(jì)及項(xiàng)目實(shí)踐能力不斷提升。智能業(yè)務(wù)應(yīng)用的落地需要建立在合理的成本控制、合格的施工質(zhì)量、完善的數(shù)據(jù)整合和配套的管理機(jī)制之上。再由配套場景的算法、模型基于高效的計(jì)算框架將數(shù)據(jù)轉(zhuǎn)化為可視化的用戶業(yè)務(wù)，進(jìn)一步驅(qū)動(dòng)或輔助用戶決策。因此，智能業(yè)務(wù)應(yīng)用是一項(xiàng)系統(tǒng)工程，架構(gòu)、算法、計(jì)算、數(shù)據(jù)、應(yīng)用、工程、管理流程等缺一不可，需要不斷加強(qiáng)系統(tǒng)性頂層設(shè)計(jì)的能力，提高項(xiàng)目實(shí)踐能力。

非卡口存量視頻逐步應(yīng)用。據(jù)統(tǒng)計(jì)數(shù)據(jù)，中國一年有約 5000 萬個(gè)攝像機(jī)需求，實(shí)際只有約 50 萬個(gè)智能攝像機(jī)被有效應(yīng)用，僅占 1%左右，而高達(dá) 99%的攝像機(jī)無法賦予“智能”屬性。這意味著安防+AI 剛剛進(jìn)入初級階段。 非卡口場景下人工智能算法的泛化能力是在安防領(lǐng)域落地的主要瓶頸之一。與傳統(tǒng)模式識(shí)別方法相比，在大數(shù)據(jù)的支撐下，深度學(xué)習(xí)算法的泛化能力和復(fù)雜場景的適應(yīng)性有了明顯的提升。

智東西認(rèn)為，智慧安防的技術(shù)基礎(chǔ)和產(chǎn)品化已趨成熟，因此在下一階段的命題就是如何系統(tǒng)化規(guī)模部署。挑戰(zhàn)與機(jī)遇并存，從技術(shù)手段的不斷革新到產(chǎn)品形態(tài)的成熟落地，智慧安防仍然面臨眾多難題，諸如成本高昂、工程化布點(diǎn)困難、算法場景局限大、缺乏深度應(yīng)用、缺乏系統(tǒng)性頂層設(shè)計(jì)、缺乏滿足實(shí)戰(zhàn)應(yīng)用的行業(yè)標(biāo)準(zhǔn)與評估體系等。能夠在多大程度上解決這些問題，關(guān)系著智慧安防產(chǎn)品和方案能否真正的落地生根。