亚慱体育APP

移動哨兵視頻監控系統

移動式監控系統先行品牌

+86-18665309187

資訊中心
Information Center
當前位置:   資訊中心   科技前沿

2019 AIoT時代智能安防的演進

信息來源:移動哨兵 2019-12-24

過去幾年時間里,智能安防領域在人工智能的應用探索方面取得了較大的進展,算力的迭代、算法的涌現這些確實為推進人工智能的落地應用提供了關鍵的基礎和動力。不過,伴隨著AI應用的深化,新的機遇和挑戰也接踵而來,挾裹在人工智能、物聯網、大數據等前沿技術浪潮之中,智能安防被賦予了新的使命和角色,2019年,安防迎來了質變。

人工智能作為一項使能技術,在安防這個最為典型的應用場景中正呈現出全面賦能的態勢。在經歷了早幾年的試錯/摸索之后,行業對AI的認知日趨明朗和理性。人工智能之于安防意味著什么?從早幾年簡單粗暴的人臉識別即AI,到近兩年業內公認AI三大要素算法算力及數據,發展到當下行業普遍認為,AI技術應用的成熟并非單點技術的突破,而是需要結合實際應用場景,在特定場景內實現瓶頸問題的針對性解決,助力用戶業務效率/效能的提升。當AI越來越具象化后也便衍生出更多細節,當下安防領域的人工智能可以說是算法+算力+數據+平臺+場景的綜合,環環相扣且每一環都意義非凡。

2019 AIoT時代智能安防的演進

AI具象化

從技術層面來看安防產業的發展,過去的一年里,安防人工智能每一個環節基本都實現了較大的進展和突破。

算法快速演進

首先是算法的快速演進。一方面,在標準場景下,人臉識別/車牌識別等常規算法已經相當成熟,可以明顯看到,基于成熟的人臉識別技術,各類人臉識別產品諸如人臉門禁、人臉對講、人證核驗一體機等已逐漸替代掉傳統的設備,全面改寫了個人身份驗證的模式。同樣,車牌識別的廣泛應用,為智能交通的精細化管理,智慧停車場的無人值守模式帶來了全新的體驗。

另一方面,伴隨著安防監控智能視覺傳感器應用價值的放大,以視頻為依托,通過AI技術實現對視頻內容的精細識別分析成為諸多實體行業新的探索方向。除了公安、交通這兩大規模性的應用領域之外,還有像金融、社區、教育、零售、能源等諸多行業領域中對于“視覺+AI”的應用需求也陸續爆發出來,由于場景和需求的高度碎片化,由此也帶來了各種AI算法的涌現。

比如場景分類模型,如識別出視頻中是工廠、農田、還是建筑工地等;實體分類模型,如識別出視頻中出現的是貨車、跑車還是卡丁車等;自然攝像頭實體檢測模型,如識別出街邊的違章停車、無照游商、亂丟垃圾現象等;人體屬性檢測,如識別出工人是否戴安全帽,法官是否穿法袍等;動作行為分析,如人群聚眾、打架斗毆、人員摔倒等行為的識別分析……

算法模型的設計以場景需求為主導,這里面涉及到供需雙方對于算法服務的高效溝通問題。對于用戶而言,他們關注的是算法能力的轉換能否切實帶來業務效能的提升,而對于算法廠商而言,他們需要注意的則是如何高效獲取用戶需求以及在成本范圍內快速響應這些需求。而過去一年里,算法層面的另一大突破也正在于此,部分領軍企業通過AI開放平臺可以為用戶提供個性化AI算法模型定制的服務,從數據標注、導入標注后的數據做模型訓練、模型部署到最終應用上線形成一條龍服務。基于AI開放平臺的資源和能力,大幅降低了AI算法應用的門檻,包括算法模型設計的流程及成本。

AI芯片從通用走向專用

芯片作為人工智能算力的核心引擎,一直備受關注,而這兩年受中美貿易戰國際市場環境的影響,中國芯片自主研發更被上升到國家戰略高度,成為十三五規劃的重中之重。

邁進AIoT時代的安防監控,面臨著比以往任何時候都更為嚴峻的海量視頻數據實時分析處理的壓力,這無疑給算力平臺的性能提出了更高的要求,更高的算力TOPS值、更大的靈活性、更低功耗以及成本控制成為當下AI芯片的核心訴求,契合行業應用需求的專用芯片成為新的趨勢。

AIoT也帶來了視頻監控基礎架構的變化,傳統視頻監控基礎架構在解決大型跨域視頻監控系統的需求方面面臨著巨大的挑戰,為了同時滿足大數據處理以及及時性快速數據處理的要求,安防視頻監控系統架構逐漸從集中式向分布式發展,形成了端邊云協同的態勢。“云端訓練,邊緣推理”成為當下行業主流的計算方式,業界廠家新推出的AI芯片方案中云端芯片及邊緣芯片相輔相成,為云邊端算力支撐持續提供優化方案。

同時,AI芯片的設計架構又必須依賴應用場景的規模化和多樣化以及相應的智能算法特點,才能更好的發揮芯片的算力優勢。包括華為海思以及其他幾家早幾年以AI芯片業務切入到智能安防產業中的芯片商在內,在這兩年時間里,基本都在圍繞著專用場景芯片做研究。普遍的做法是針對重要應用場景關鍵算法的計算趨勢和特點,融合到芯片架構設計中,使算力和算法高效協同,以大大提升器件利用率。這種類型的專用芯片,還能夠根據算法的演進趨勢,保持相當高的有效利用率,讓客戶真正受益于算法創新帶來的優勢。

AI技術變現,數據治理成關鍵

如果說產品、算法、算力的創新突破是智能安防的上半場,那么,進入到AIoT時代,智能安防下半場的核心主題將主要聚焦在對數據的加工處理和精細化應用場景的探索方面。用戶的需求正在從基礎的可視化管理邁向更深層次的數據應用上來,如何將海量的視頻數據變成有用的數據,從而為各行各業輸出“數據決策”的應用能力成為智能安防行業當下及未來的重點,這也是推進人工智能從感知智能到認知智能的必然路徑。

而要實現這一目標,核心技術方面當然離不開人工智能、云計算及物聯網等技術引擎,這個過程中的智能安防系統不僅要實現基礎的安全防范,同時還扮演起了視覺傳感器、物理世界異構信息結構化處理工具以及為行業業務提供數據治理能力的全新角色;另外有一套能夠大規模、自動化地采集、清洗、歸類和關聯所有數據,形成統一數據視圖及行業知識圖譜的數據治理工具也成為必須。

明略科技公共安全產品方案中心吳贏時曾表示,人工智能從感知智能走向認知智能,要通過多維感知,利用數據治理技術,將高質量的數據連接起來,進行知識的智能抽取,構建集感知數據、業務數據于一體的知識圖譜、暴力挖掘對知識進行多維度分析推理,構建決策模型,將感知轉化為認知,從而建立數據驅動的大AI體系。

大數據的核心價值就在于融合,當下,智能安防領域專注于多維數據融合的企業并不少見,從這兩年公安大數據建設情況來看,行業內有幾大較為顯著的進展。

首先是從初步的數據融合到復雜的多維數據融合。除視頻監控數據之外,像Wi-Fi、RFID、電子車牌等不同維度的物聯網信息都可以關聯到一起,通過豐富的數據類型,來共同碰撞出更有價值的信息;其次是從多維數據融合發展到語義智能階段。語義智能是復雜的融合性智能,依賴智能語音語義識別技術和復雜的數據組織及融合計算技術完成對多種視頻和傳感器數據的融合解析,從而實現針對事件的革命性預判。

值得一提的是,為了有效解決跨系統、跨平臺、跨部門之間所存在的“數據孤島”問題以及更好地助力安防行業形成覆蓋面廣、關聯性強的行業知識圖譜,2019年,原本活躍在IT領域和互聯網圈的數據中臺戰略開始被引入到智能安防產業中來,為行業數據治理奠定了新的基礎。

AIoT成為新的“戰場”

視頻監控系統的安全防范屬性只是基礎,其作為物聯網視覺感知系統的屬性正在不斷加強,視覺+AI、視覺+IoT的組合應用正在開創一個更為廣闊的市場空間,一個遠遠超過安防的增量市場,即AIoT市場。這同時也是一個高度場景化的市場,為此,我們需要從傳統煙囪式的安防系統建設思維中跳脫出來,重新審視AIoT市場的應用需求。

智能安防處于變革的前夜,更多以智慧城市建設為目標的安防建設提上日程。未來城市將成為基于AIoT技術架構之上的,一張的大傳感網絡+各行業SaaS應用服務+云平臺,顛覆性在于數據、應用和技術的打通。安防行業也會迎來基于智能安防攝像頭等AI設備構建的傳感網絡,為整個城市提供多樣應用的新變革。

進入2019年,AIoT已是群雄入場,AIoT賦能產業本身就是互相依托、各展所長的生態,整個生態鏈從芯片到嵌入式軟件到大數據平臺再到用戶的界面,從應用軟件到硬件設備,會有很多不同類型的企業角色,每家企業也都有自己的專長,由于產業鏈條長,應用領域相當豐富,同時行業場景又呈現出高度碎片化,很難有一家企業能夠覆蓋到全產業鏈。

面對這樣的產業生態,生態共建將成為產業的核心關鍵詞。產業鏈上的企業需要根據自身的能力情況進行未來市場戰略規劃,與此同時,攜手合作伙伴共建產業生態圈來實現優勢互補,互利共贏也逐漸成為智能安防產業顯著的趨勢。

返回列表
相關新聞
related news
在線留言
客服QQ
18665309187
客服微信
歡迎在線留言