AI賦能：安防進入智能化時代

宇泛智能聯(lián)合創(chuàng)始人兼研發(fā)副總裁 鄭東

經(jīng)過半個多世紀(jì)的發(fā)展和演進，安防已逐漸演變成為一個普及全球的成熟行業(yè)。IHS研究表明，全球傳統(tǒng)安防產(chǎn)業(yè)規(guī)模3000億美元。中國擁有全球最大的安防市場，其市場規(guī)模達(dá)到8000億，并且以每年10%-15%的增速遞增。

經(jīng)過40年的發(fā)展，安防行業(yè)經(jīng)歷了從模擬監(jiān)控、數(shù)字監(jiān)控到高清化監(jiān)控，完成了從“看得見”到“看得清”的轉(zhuǎn)變；從高清化監(jiān)控到現(xiàn)階段的智能化監(jiān)控，正在從“看得清”往“看得懂”的方向轉(zhuǎn)變。

安防智能步伐加快

傳統(tǒng)安防因受限于人工智能（簡稱AI）、攝像頭、芯片、云計算等主要技術(shù)的發(fā)展，往往只能做到“監(jiān)而不控”。同時，面對海量的視頻數(shù)據(jù)，“監(jiān)控”面臨著準(zhǔn)確率低、數(shù)據(jù)量龐大、人工分析效率低、信息關(guān)聯(lián)性弱、人工決策、事后追溯、響應(yīng)滯后等問題。

近年來，政策與市場需求推動了安防領(lǐng)域智能化步伐。從政策上看，近年來的《“互聯(lián)網(wǎng)”人工智能三年行動實施計劃》、《關(guān)于推進城市安全發(fā)展的意見》等政策意在加速城市、公安、交通、社區(qū)、居家等領(lǐng)域安防智能化落地，國內(nèi)加大以5G、人工智能、工業(yè)物聯(lián)網(wǎng)等為代表的的新基礎(chǔ)設(shè)施搭建。從市場上看，智能安防的剛需推動了安防廠商、人工智能新興企業(yè)、系統(tǒng)集成商、云服務(wù)商的協(xié)調(diào)合作，推動智慧安防領(lǐng)域的創(chuàng)新與商業(yè)發(fā)展。安防領(lǐng)域相關(guān)產(chǎn)業(yè)鏈上中下游在政策與市場需求的推動下，迅速發(fā)展以AI、IOT、云計算、5G、傳感器、芯片等新興技術(shù)協(xié)力促進安防領(lǐng)域的產(chǎn)品系統(tǒng)能力從“事后追溯”、“人工決策”往“事前預(yù)測”、“事中響應(yīng)”、“智能決策”的方向上進行智能化升級。

AI助推安防智能化

安防領(lǐng)域是AI落地的最大領(lǐng)域。

AI在智能安防領(lǐng)域主要包括機器視覺、自然語言處理、搜索推薦等幾大方向，機器視覺又是AI在智能安防領(lǐng)域應(yīng)用最廣泛最成熟的方向。傳統(tǒng)安防的AI受限于成像、AI成熟度、芯片算力、訓(xùn)練數(shù)據(jù)等因素，其準(zhǔn)確率、性能及分析能力已無法滿足智能安防時代市場對AI的多元化需求。

智能安防時代產(chǎn)品對AI的需求已不僅是簡單的人機非目標(biāo)檢測、人像識別、車輛識別等機器視覺算法，將全面覆蓋生物特征工程、基于人的AI表征分析、基于細(xì)分場景的AI分析等能力，自然語言分析、搜索推薦算法、圖像增強在智能安防領(lǐng)域的應(yīng)用也會越來越普及。

隨著AI的發(fā)展，攝像頭、芯片、5G等AI應(yīng)用相關(guān)技術(shù)的發(fā)展以及安防數(shù)據(jù)的積累，AI將通過賦能“端”、“邊”、“云”三端，為智能安防領(lǐng)域全棧式解決方案提供大而全的AI引擎。

安防加快AI演進

早期傳統(tǒng)安防行業(yè)的AI能力很弱，得益于學(xué)術(shù)界與工業(yè)界的共同努力，近年來AI的發(fā)展非常迅猛。

學(xué)術(shù)界提高了AI研究領(lǐng)域的深度與廣度，工業(yè)界加快了AI落地的節(jié)奏。驅(qū)動AI落地的三大關(guān)鍵因素是數(shù)據(jù)、算法和算力。為了降低AI對數(shù)據(jù)的需求以及AI模型結(jié)構(gòu)設(shè)計成本，學(xué)術(shù)界產(chǎn)出了諸多有效方法來降低AI落地的成本。并且，安防也為AI積累了大量的場景數(shù)據(jù)。安防作為AI落地的最大領(lǐng)域，強烈的市場需求促進了安防產(chǎn)業(yè)鏈上游半導(dǎo)體企業(yè)的迅猛發(fā)展，尤其是攝像頭技術(shù)和芯片技術(shù)的發(fā)展為AI落地提供了良好的高質(zhì)量成像和硬件算力承載平臺。4K至上億分辨率攝像頭、智能ISP算法等技術(shù)的提升極大地提高了各環(huán)境下的成像質(zhì)量及解析力，APU、NPU、TPU、GPU等AI硬件加速平臺使得AI的落地不再受到算力約束。同時，學(xué)術(shù)界與工業(yè)界共同打造AI推理引擎生態(tài)，從訓(xùn)練、量化、部署上解決AI落地的難點。