智能安防的关键三要素

    　时至2020，AI安防已进入下半场，技术下沉后，考虑更多的是AI如何与市场全面无缝对接，如何适应场景，赋能千行百业，做深垂直应用。

　　一、瞄准智能世界，智能安防增量巨大

　　从大势上看：安平行业仍是智能安防主战场。预测到2025年，安平领域全球约50$亿市场空间。在这里，传统安防头部企业“死磕”；安防新贵们相继将以战略级来此攻城拔寨；AI初创企业以“城市大脑”形成中枢到端侧征战布局；还有诸多以平台+行为分析的新进企业都在安平领域，一争高下也寸土不让。

　　交通行业智能需求仅次于安平，这一细分市场蛋糕也分外诱人。从2016年起对车辆属性识别成为主流应用，最近智能非现场执*、全息路口、高速公路自由流收费都是智能安在交通的新体验。

　　到2025年，泛园区市场的智能化市场可参与空间达到113$亿，约占总空间的42%，其中在行业园区、智慧商业都有较大的可参与空间。而其他行业也在智能加持下遍地开花。智能在安防，“千树万树梨花开”。

　　二、智能安防拥有无线可能

　　智能是一发展物，进入AI安防的下半场，智能开始质变，这源于技术本身，也源于市场驱动。

　　算力之于智能，如同发动机之于汽车，动力澎湃方可驰骋。在AI安防下半场，算力可谓是产业智能升级改造的第一要素。过去十几年间，安防依靠CPU和DSP做浅层异构计算配合，只能完成简单周界和单目标检测，现在依靠CPU、GPU或者FPGA等芯片完成智能摄像机算法的运算。

　　随着算力大幅提升，原先需要几个月才能完成的深度训练迭代，现在只需要几个小时便可完成。同年，华为智能摄像机X系列登场，是业界首款具备16T澎湃算力的前端产品，得益于强算力，该机将算力进行优化分配，轻松实现对非智能摄像机的智能一拖八改造。从计算能力分析，0.66T能识别不超过二十张人脸，而4T算力能识别5百多张人脸。面多不同场景，要承担智能的训练、推理和数据的挖掘等一些列“神操作”，都需匹配相应的算力。

　　在AI安防下半场，算法就是服务场景来做落地应用，并以此形成智能安防解决方案，只有在场景不断丰富和应用不断深入，更多成熟可用算法才可融入到业务应用中。如平安城市，业务需求早已从单一的管控到城市治理阶段。

　　智能+数据=业务的无限可能。举例来看，在平安校园中，通过机器视觉和大数据分析等AI手段，尽可能将一切关乎于安全的数据都进行汇集，形成平安校园视频大数据应用为校方提供趋势性的研判，在事情未发生之前就形成可视化的研判轨迹，实现从事后查看到事前预警的根本转变。

　　总之，进入AI下半场，智能安防需要强算力做基础支撑，算力看似够用其实是开发利用程度远未达到市场所期；算法方面应能按需加载，一机适配多重算法；在智能力方面应该会思考，而不是仅仅识别就是智能的全部。从被动防御到主动预防，这是这个时代给予智能安防现实课题。智能在安防，无非两种解决方案，前端智能还是后端智能。前端智能化，就是将AI功能集成到智能摄像机，对视频数据做结构化或半结构化处理，并将处理结果移至后端。

　　三、前端智能优势：

　　1、智能世界需要万物感知。智能摄像机就是绝佳“抓手”和“眼睛”。华为认为，智能摄像机本身就是全息感知的HUB，将各类传感信息汇入分析，赋予摄像机不再是单一的功能节点，它将会成为连接世界的万物感知中心节点。

　　2、智能分析力、适应力更强。通常智能分为识别类(偏向于对静态场景的分析处理)、行为类(侧重于对动态场景的分析处理)和诊断类(偏向于图像质量本身诊断和调优)智能分析。

　　3、降低带宽与存储空间。在后端做智能，无论视频流是直接从前端获取还是从流媒体服务器转发，都会相应增加带宽消耗。随着智能摄像机点位不断增多，带宽占用将成比例增加，容易造成传输系统的压力。而前端智能只是将分析结构传输至后端，占用带宽资源较少。同时，前端智能无需将视频数据远程压缩传输，可以为后端提供更高清、高质量的现场画面，更出色的成像效果也大大提升了后端资源利用率，节省中心部署空间。

　　4、AI要大规模落地做应用。工程方面的问题不得不考虑，这意味着场景需求的准确定义和算法叠加的不断进步，来解决碎片化问题。华为HoloSens SDC和HoloSens Store应运而生，旧项目如何对接新项目，甚至是变旧为新是工程商们关心之事。

　　之前也提到，AI算力普惠到普通摄像机可以通过算力分配和算法的动态加载让其适应智能场景。华为智能安防在普惠AI，智能1拖N摄像机就是为了将非智能产品进行智能化改造；前不久颠覆传统的华为“四无”生态型新款摄像机问世，再一次将行业关注目光重新聚焦于前端智能化。

　　2020，进入AI安防下半场，前端智能是“智”同道合后的行业共识。智能，让安防“变大”，让世界“变小”。智能安防的关键三要素就是算力，算法，和数据。更多安防资讯请继续关注广东安防资质网！