安防成AI必爭之地，AI 安防還有哪些新機會？

安防領域也一直被認為是人工智慧技術落地最好的行業之一。

文 | 荔枝

隨著深度學習的不斷發展，人工智慧技術歷經3次浪潮後，目前在安防、金融、醫療、法律、教育等不同領域都有著相關的行業應用。

其中，安防領域也一直被認為是人工智慧技術落地最好的行業之一。而這主要源於安防本身的兩大特性：首先，以視頻技術為核心的安防行業擁有海量的數據來源，可以充分滿足人工智慧對於演算法模型訓練的要求；其次，安防行業中事前預防、事中響應、事後追查的訴求與人工智慧的技術邏輯完全吻合。

安防領域的市場規模到底有多大？

根據中國安防網的統計，2016年我國安防行業總體規模已達5687億元，同比增長17%；預計未來兩年國內安防市場將維持15%的增速，2018年安防市場規模將達到7521億元。其中，在安防細分子行業中，視頻監控的市場規模佔比接近一半，未來兩年預計保持13.4%的年複合增速，2018年市場規模預計達到1114億元。

目前安防市場上都有哪些典型玩家？

為方便大家對安防領域能有較為直觀的認知，我們也從產業鏈的角度做了簡要的梳理。目前，在整個行業上下游環節的參與方分別包括：

上游，包含了視頻演算法提供商、晶元製造商、圖像感測器、鏡頭模組等其他核心零部件；

中游，包含了硬體供應商、軟體服務商、系統集成商、運營服務商；

下游，為終端行業應用，涉及政府、公安、交通、金融、民用等領域；

事實上，在技術進步的推動下，整個安防行業也在不斷發生階段性的變化，其中1.0階段主要為設備提供商，2.0階段多為解決方案提供商，3.0階段則更多轉向運營服務商。而伴隨國內安防行業的迅速發展，目前已經有一批優秀的企業迅速成長為國際領先的安防龍頭，如海康威視、大華股份、東方網力、蘇州科達等都在布局智能化。從產品路線來看，相較於傳統巨頭從下往上的布局路線，現階段的互聯網創業公司則更多是從上往下切入市場。這其中典型的有：

傳統巨頭，從渠道出發充分發揮其規模優勢，並逐漸向產業上下游延伸。一方面在積極布局晶元、演算法等上游關鍵技術領域，一方面也在向下游整合集成商或運營商業務延伸。據悉，目前海康和大華兩家便佔據了43%的市場份額，營收過百億，凈利在十億以上。

海康威視，作為國內安防龍頭，海康威視在視頻監控智能化上已有上十年，其以視頻為核心的物聯網解決方案和數據運營服務提供商，面向全球提供安防可視化管理與大數據服務。

大華股份，自2013年開始藉助自身行業龍頭優勢，順應終端用戶需求，開始發展成為提供整體端到端的視頻監控解決方案、系統及服務的提供商。

創業公司，具有技術演算法優勢但較難獨立實現商業化，前期多通過與傳統巨頭合作的方式實現市場布局。其中，從計算機視覺方向切入的典型公司有：

商湯科技，成立於2014年，今年7月完成4.1億美元B輪融資，核心技術包括人臉技術、智能監控、圖像識別、文字識別等，目前在安防領域主要跟東方網力、公安三所等合作，也在布局新疆市場；

依圖科技，成立於2012年，今年5月完成3.8億人民幣C輪融資，核心業務包括智能安防平台、城市數據大腦、智慧醫療健康等，其中智能安防平台通過精準的人臉及車輛識別技術也已服務於蘇州市公安局、福建省公安廳、貴州省公安廳等；

曠世科技，成立於2011年，16年底完成億級美元以上C輪投資，以人臉識別為切入點，產品線包括了 FaceID、Face++、智能地產、智能安防，其中在安防領域主要涉及跟俠客島、機場案件、鐵路公安方面的合作；

格林深瞳，成立於2013年，14年完成數千萬美元的A輪投資，產品包括深瞳人眼攝像機、皓目行為分析儀、威目車輛特徵識別系統以及威目視圖大數據分析平台，安防領域的合作對象包含武漢公安局及天津市交通管理局；

AI在安防領域都有哪些技術應用及場景？

技術角度，目前AI在安防領域的應用主要還是涉及對人臉、車輛的識別，包括生物特徵識別技術、大數據及視頻結構化技術等。其中，生物特徵識別包含了指紋識別、虹膜識別、人臉識別、步態識別等，前兩個主要應用於特定場景的身份認證居多；而關於視頻結構化技術，目前則主要融合了機器視覺、圖像處理、模式識別、深度學習等人工智慧技術，這也是視頻內容理解的基礎。

行業角度，目前智能安防在公安、交通、樓宇、金融、工業、民用等多個領域都有應用場景。比如，公安領域，主要涉及到圖偵、實戰、預判三層應用以滿足其事前、事中、事後的實際需求；交通領域，未來通過建立城市大腦，利用AI技術可實時分析城市交通流量、調整紅綠燈間隔、縮短車輛等待時間等，以合理調配資源提升城市道路的通行效率；智能樓宇，利用AI技術可以綜合控制建築的安防、能耗，同時對進出大廈的人、車、物實現實時監控以確保核心區域的安全。

現階段AI在安防領域主要存在哪些問題？

雖然AI在安防領域的應用有著很好的前景，但目前對人、車、物的識別並沒有到達真正實用化的階段，仍然存在較多的問題需要不斷完善和解決，比如環境適應性差、數據資源分散、場景理解受限等。

1）環境適應性差，目前鑒於車輛及道路環境的相對標準化，識別率相對較高，但對於人臉的準確識別則很容易受到光照不足、圖像模糊、目標尺寸過小或相互遮擋等環境影響，以致影響到識別準確率；

2）數據資源分散，現階段安防領域監控數據的開放性和共享程度相對較低，很難開展多維數據的交叉融合分析，這使得人工智慧分析缺乏有效的數據支撐，同樣也會影響準確率；

3）場景理解受限，由於缺乏有效的專業領域經驗知識的積累，視頻內容的理解能力偏弱，目前的智能分析多為單場景的目標檢測和行為分析，很少涉及大範圍場景的關聯行為分析，以致很難用於異常行為分析和風險預測；

未來AI在安防領域還有哪些行業趨勢及發展機會？

1）視頻結構化處理，目前在安防細分子行業中，視頻監控的市場規模佔比接近一半，這其中蘊含著大量視頻監控數據。但目前在對視頻結構化處理過程中，多還停留在基於靜態特徵的單場景的目標識別，還沒有把動作、行為等動態特徵以及之間的相關性做結構化的處理。未來，如果能夠做到對視頻語義的理解，對視頻的時間、空間、行為等動態特徵做結構化處理，將對後期的視頻檢索、視頻分析有較大的實用價值。

2）前端設備智能化，以往的前端設備基本只能做到高清錄像，智能分析能力則相對比較弱，而目前基於深度學習的智能分析技術也仍多在伺服器上進行處理，一旦未來視頻數據量增多，伺服器的傳輸帶寬以及後端存儲管理壓力就會加大，也不能滿足安防智能化在安全性、實時性、魯棒性等方面的要求。如此，前端智能化也便成了行業發展的趨勢，即可以通過內嵌深度學習演算法或晶元，在設備前端實現具有結構化信息提取、人臉識別、道路實況檢測、車輛識別等多種功能。目前，典型如以IP晶元演算法切入的智芯原動、基於SVAC2.0標準的欣博電子、從模組切入的人人智能等。

3）技術創新突破點，鑒於目前對人、車、物的識別準確率仍然存在較多的限制，未來在軟、硬體方面都存在相應的技術創新點。比如前端設備，未來幾年內高清顯示技術仍將持續發展，如在4K級別整合3D圖像，從2D轉向3D獲取更立體的深度數據，或借鑒人眼仿生原理讓光學系統與識別系統進行相互實時反饋獲得遠距離物體的清晰圖像，或藉助星光攝像機帶來更高的對比度和更好的色彩表現以滿足夜間高品質監控需求等；而在軟體演算法方面，要想攝像機採集的圖像給出最適合機器去檢測識別人臉，一方面需要做很多演算法以根據當前的光照條件等環境計算出最好的成像效果，另一方面也需要儘可能的採集大量各種場景下數據。以停車場為例，當車輛進地庫時，車頭與背景的光照差異較大，如何針對區域做局部的曝光參數調整。簡單來講，根據相機的高度、角度、環境、異常人臉等特定場景的特徵提取都需要對演算法做不同的改進，在此基礎上針對不同的特定場景需求，都可以給出特定的軟、硬體產品。

4）多維數據融合分析，即對多維度、多場景數據的交叉融合分析，其中包括不同設備對同一物體（人、車）的識別，也包括對不同場景的數據融合。以公共安全領域為例，在動態人臉識別中即便是只有百萬分之一的錯誤率，也會導致系統誤報率太高缺乏實用價值，而要解決此類問題，單純從人工智慧演算法、晶元等維度提升識別率是不夠的，需要在視頻數據的基礎上擴充數據維度，如手機定位數據、社交數據、車輛數據、消費數據等，通過這樣的大規模的、多模態數據整合以進一步提升識別效果，並在數量級上降低錯誤率。

5）細分應用場景廣泛，受益於安防領域深度學習演算法的快速發展，智能安防已經得到了越來越廣泛的應用。在AI+安防3.0時代，面對安防視頻產品下游的需求，運營服務將有較大的市場空間，這也將成為我國安防產業未來的發展方向。以人臉識別為例，可廣泛應用於公安、零售、教育、金融、醫療等行業；除此之外，未來也可以嘗試新興的場景，如智慧景區，完成物品遺留檢測、客流統計以及智能巡檢等；智慧商業，對客流量統計以及人流密度檢測等。

總結：1. 整體來看，安防領域市場規模足夠大，機會也足夠多；2. 目前AI在安防領域的應用仍然存在很多需要突破的技術創新點；3. 未來數據運營服務將存在較大的市場機會；4. 對於創業公司而言，能否找到細分的行業落地場景是關鍵；

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！