前言

2017年“人工智能”在安防行業徹徹底底的火了一把。深圳安博會上AI獨角獸商湯、云從、依圖、曠視集體亮相，高調展示著CV類企業基于人臉識別算法優勢在公安、交通、金融等領域的智能安防系統應用案例，架勢完全不輸專業安防廠商，在過去幾年里，憑借在人工智能算法上的技術優勢，尤其是人臉識別，CV類企業拿下了不少智能安防項目大單，傳統安防多年來精心構建的智能化視頻技術壁壘，隨著人工智能時代的到來，走到了和CV類企業并線的局面，AI獨角獸在安防領域的影響力，這是安防廠商，尤其是幾大安防巨頭不可忽視的力量。

隨著產業結構的調整，老牌安防廠家都把人工智能作為一個最重要的產業布局。硬件技術的進步和快速推廣，為人工智能向安防行業滲透提供了先天的有利條件。通過近一兩年的探索，一批優秀的安防生產廠家將人工智能技術應用于安防行業，并開發出交通卡口、人臉布控、警戒系統、案情分析等多種垂直應用功能。隨著各大安防廠家對人工智能持續的產業化應用，以人工智能算法為主要形式的安防智能化在2018年將實現爆發式增長，全國范圍內的智能化平安城市建設將成為安防行業的重要發力點，人工智能技術將成為安防企業下一階段的核心競爭力。

傳統安防企業在人工智能的布局

傳統安防從大方面來說要解決三個核心需求：看得見、看得清、看得懂。看得見屬于最低需求，目前已經徹底解決。看得清這個需求在目前階段還有很大的發展空間，不管是“超星光”、還是“黑光”其核心解決的痛點在于“看得清”的問題。作為行業的重要發展方向，未來的安防行業將是高科技云集的行業，智能+安防的組合模式為行業發展最終步入智能化階段提供動力，其重點解決的是“看得懂”的問題。 總體來說，視頻監控行業經歷四個階段：起步階段，傳統模擬監控，國內自主知識產權落后，安防系統用戶局限于政府部門;發展階段，數字監控，安防用戶增多，監控規模擴大，圖像數字化儲存，分辨率邁入標清時代;提高階段，高清化監控，市場容量持續增加，視頻監控系統與用戶業務系統融合;智能化階段，逐步形成集數據傳輸、視頻、控制于一體的智能化安防綜合管理平臺。

隨著4K、H.265等技術的普及，視頻清晰度不斷提升，帶寬碼流不斷下降，人工智能將率先在安防領域實現點線面全緯度覆蓋。其核心原因在于：

1) 算法成熟：

安防監控的場景較為集中，容易實現技術優化和突破，目前圖像識別的算法已經滿足安防監控的要求；

2) 需求明顯：

從政府到民間，安防正在向全時間全地域緯度擴展；

3) 基礎穩固：

政府一直大力投資安防監控領域，全國過半的攝像頭已經完成高清化改造，警務電子化和信息化已逐步完成，為人工智能部署提供了條件；

從人工智能技術上來看，安防監控除了以圖像識別為基礎的人臉識別、車輛識別、行為特征識別等視頻結構化分析外，最重要的一點就是事前預防，從事后查證到事前預防才是安防的本質。

智能在事前預防的應用是安防最重要的發力點，這一點在市場也得到了強烈反響。在傳統安防更多關注于事中報警和事后取證的時代，目前，在實現了全天、全方位、全距離的高清視頻監控基礎上，著眼于“事前預警”，推出了“無預警不安防”的星光級警戒功能球機，開啟了主動防御的安防時代。

傳統安防廠家的不足在于算法的樣本，AI的專注度，特定領域的應用場景相教于AI新貴們存在不足，但是優勢在于有完善的產業鏈和豐富的用戶群，對行業理解深。

AI獨角獸如何切入安防

人工智能的安防新貴的核心在算法，其智能的方向是以圖像分析為基礎的智能應用。主要包括人們熟悉的人臉識別、文字識別和大規模圖像分類等，深度學習大幅提升了復雜任務分類的準確率，使得圖像識別、語音識別，以及語義理解準確率大幅提升。人臉方面，可以實現人臉檢測、人臉關鍵點定位、身份證對比、聚類以及人臉屬性、活體檢測等等。在智能監控方面，可以做人、機動車、非機動車視頻結構化研究。在文字方面，小票的識別、信用卡的識別、車牌的識別，這些都是由深度學習的算法來做的。同時在圖像的處理方面，在去霧、超分辨率、去抖動、去模糊，HDR、各種智能濾鏡的設計都是用深度學習的算法。安防行業深度學習主要集中在人體分析(人臉識別、人體特征提取技術)、車輛分析(車輛識別技術、車輛特征提取技術)、行為分析(目標跟蹤檢測技術、異常行為分析技術)、圖像分析(視頻質量診斷技術、視頻摘要分析技術)四大塊上。這部分對AI新貴們來說算法是切入安防的最重要的一個橋頭堡。

但是只有算法是遠遠不夠的，安防的產業鏈從前端采集、中間傳輸、后端存儲、平臺軟件、解碼顯示等等整個鏈條，從來沒有哪個行業的產業鏈這么長，而且每一環都需要不同類型的硬件支撐。這是AI新貴們始終繞不過去的問題，如果不做硬件那就注定在安防做不大，如果做硬件那就一入硬件深似海很容易迷失方向。

AI在安防如何落地

AI智能安防的部署按照目前的系統架構一般需采取點線面相結合的方式進行全方位立體化部署以達到系統全覆蓋、智能全滲透、事件全過程的目的。具體來說：

1)“點”布防，以卡口、出入口的身份認證為主，應用于車站、機場、酒店等關鍵節點;

采取單點布防的場景主要以人臉識別、智能預警為核心技術，系統通常可以完成“人臉圖像+身份證+局端數據”三者比對并完成身份驗證，眾多安防企業已經完成技術迭代，實現高于99%的識別率，接近虹膜識別準確率，可以實現金融安防級別的應用。

2)“線”布防，以道路監控為主要部署場景，結合車輛識別和人臉識別;

警戒系統是人工智能實現把各個點連成“線”的重要應用場景。在這個領域負責采集有關道路交通流量的各種參數，例如車流量，車速，車型，排隊時間和長度等。隨著人工智能技術的不斷進步，基于車輛識別的識別類算法可大幅降低道路信息監控系統的技術門檻，提高道路執法效率。目前運用智能警戒的識別技術，通過安裝在道路旁邊或者中間隔離帶的支架上的攝像機和圖像采集設備將實時的視頻信息采入，經過對視頻圖像的實時處理分析得到各種交通信息，如車輛的流量、速度、交通密度、車型分類、車輛排隊長度、轉彎信息等。圖像識別目前已經能夠勝任識別車牌，車輛顏色，車輛品牌，車輛類型(SUV，普通轎車，皮卡等)，車輛型號(類似于9代雅閣，8代雅閣等)，以及駕駛員是否使用安全帶及接聽手機等行為。

3)“面”布防，以熱點區域、重點場所為主要部署場景，應用人群與行為特征分析技術，按需部署警戒產品;

通過對視頻的迅速分析，信息分析平臺可以監測出可視范圍內的人群數量和人群聚集點，捕捉每個個體的行為動作，形成重點場所及區域的面狀布防。主要功能包括：人數統計分析：統計視野范圍內人群的數量，跟蹤個體行為軌跡，防止人群密度超負荷;個體跟蹤：結合人臉識別技術，智能跟蹤特定人員的運動軌跡與行為舉止，實現提前預警;禁區管控：對禁區范圍實現實時監控，對違規行為實時報警;異常行為分析：對人物行為進行分類，并及時預警異常動作行為。

未來如何發展？

目前無論是整個人工智能的發展，還是安防智能化的發展，其水平仍然存在起步的階段，人工智能是安防領域的未來，在通往未來的道路上，還有許許多多障礙和困難需要跨越和克服，但總體趨勢是樂觀的。AI廠家和傳統安防廠家在安防的新形式下更多的應該共享共贏—共同開拓市場，共同合作互贏。實戰應用是檢驗安防產品的主要渠道。AI廠家和傳統安防廠家通過結合彼此的優勢資源，彼此賦能，抱團取暖，就會打破市場的獨角獸，一花獨放不是春，百花齊放春滿園。