有数据显现，2016年，我国安防职业商场规划现已到达总产值5400亿元，同比添加9%，估计2020年将增至8759亿元。在才智城市、安全城市、才智社区等重点建设项意图布景下，安防俨然成为人工智能最为重要的落地场景之一。
安防智能化的问题首要在于海量视频监控数据与人力剖析瓶颈之间的对立，深度学习供给了很好的处理方案。现在，智能安防体系能够完结方针检测（车牌辨认）、人脸辨认（特色提取）、方针分类（车、行人）等功用。
本期的智能内参，咱们引荐来自安信证券的智能安防职业陈述，盘点四大产品化方向，剖析中心技能以及产品研制节奏，猜测工业未来格式开展。
依据美国信息服务社的数字，到 2015 年末全球已装置了超越 2.45 亿个视频监控摄像头，现在我国已装置的监控摄像头也已超越 3000 万个，而一起全球和国内监控摄像头出售商场仍在逐年扩张，每年只是我国就将发生数万PB的数据量。人工处理耗时耗力，智能安防的需求呼之欲出。
安防智能化的中心意图正是树立视频监控数据与有用信息之间的映射，行将监控视频转化为人和机器可理解的信息，并进一步转化为公安实战所用的情报，完结视频数据向信息、情报的转化。
事实上，2006年起安防职业就开端向智能化开展，但一向不能有令人满意的重大突破，首要原因有三点：智能辨认精确率低，设备环境习惯性差，辨认智能品种少。近十年的布局能在最近厚积薄发，与深度学习的开展休戚相关：
1、深度学习促进辨认精确率空前前进。使用深度学习算法的深度智能设备，能够自行提取更多更详细、更细小的特征，然后使得辨认分类方针的精确率更高，深度学习让辨认率有了质的前进。
2、深度学习直接树立了从数据到方针模型的映射，不再需求人工挑选或创立特搜集来描绘方针。
此外，曩昔智能剖析算法受场景影响较大，单一的模型无法精确描绘多种场景，且模型有误差的话，算法的功用就会下降。而深度学习恰恰处理了智能剖析的两大瓶颈：
1、 习惯满意多的环境和场景。深度学习在练习模型参数的阶段使用了海量数据，比较传统机器学习方法，包含了满意多的场景，而且直接树立从数据到信息的映射，对约束条件的依靠较少，这就意味着深度学习的产品能够使用到更广泛的环境傍边。
2、 辨认品种更丰厚。理论上只需有满意多的样本进行练习，深度学习能够完结比较精准的方针分类辨认，自主特征辨认的特色又让深度学习特别适用于笼统、杂乱的关于人的特征、行为的剖析范畴。
尽管现在商场上各大安防企业的深度学习智能产品宣扬侧重点各有不同，但其起点都离不开四个方向：
详细到供给端来看，现在干流安防厂商的人工智能产品包含前端（摄像头）和后端（服务器）两类。
前端产品的中心功用是为后端供给高质量、开始结构化的图画数据，其首要作用有两点：前进部分智能剖析使用的实时性；节约带宽和后端核算资源。
典型的前端智能摄像头内置深度学习算法，一方面能够在前端完结人脸定位和质量判别，有用处理漏抓误报问题，一起具有较好的图画作用，即便周围环境光线欠安，人员戴帽子或必定视点下垂头、侧脸，依然能够做到精确辨认，并主动截取视频中的人脸输出给后端；另一方面能够输出编码后的网络视频，还支撑输出非紧缩、无损无延时的视频流图画。这样能够为大型用户节约服务器本钱和带宽，因为在平等服务器数量和核算才能的情况下能够接入更多路摄像头。
后端产品的中心功用是使用核算才能对视频数据进行结构化剖析，一般包含：1、智能 NVR，它是依据深度学习算法推出的智能存储和剖析产品，统筹传统 NVR 优势的一起添加了视频结构化剖析功用；2、高密度 GPU 架构结构化服务器，集成了依据深度学习的智能算法，每秒可完结数百张人脸图片的剖析、建模，可支撑数十万人脸黑名单布控，人脸 1V1 比对、以脸搜脸等多项实用功用，满意各职业的人脸智能剖析需求。
早年后端智能化模块来看，有两种思路：智能前置和后置智能，这一向是职业备受争议的两个方向：
1、 因为前端设备(首要是相机)内的空间有限，再加上功耗、本钱等要素的约束，智能前置会受硬件核算资源约束，只能运转相对简略的、对实时性要求很高的算法，但算法晋级、运维较难；智能放在前端长处是核算资源专心于前端，大幅节约带宽资源。
2、 后端智能剖析(如智能剖析服务器)一般能够依据需求配臵满意强壮的硬件资源，能够运转更杂乱的、答应有必定延时的算法，别的，在后端算法晋级、运维都会比较便利。
1、前端和后端协作的一起方针是为客户供给性价比更高的智能处理方案。详细进程是依据前端与后端的规划特征，将处理方案的履行进程予以分化，在满意智能需求的前提下，使资源使用得最充沛。
一般来说视频的检测、盯梢、去重这类与详细辨认方针无关、较为通用的功用合适放在前端，而较为杂乱的辨认、涉及到灵敏信息的比对等功用合适放在后端。
2、智能前置与后端智能剖析包含着显着的转化联系。跟着芯片技能的持续开展，尤其是在以 movidius 为代表的专门为视觉处理规划的终端芯片老练，使得针对神经网络算法的核算才能大幅前进，越来越多的智能算法能够从后端转向在前端完结。
现在现已有许多智能算法能够在前端实时运转，如进入/脱离区域、越界、徜徉、泊车、人员集合、快速移动、物品留传、物品拿取、人脸检测等。
深度学习与传统核算形式不同，最大的区别是不以履行指令为意图，但需求很多并行核算资源，因而需求专门的核算芯片来加快核算。实际上无论是前端智能摄像头仍是后端结构化服务器，其额定添加的硬件资源中心意图实质上都是为了添加核算才能。
1、选用较为通用的视觉处理器（半定制芯片），如 movidius 、英伟达的 Jetson 系列芯片，通用性较好，能够运转各类神经网络算法，但价格相对较高，首要针对高端商场。
2015 年末，NVIDIA 发布了 Jetson TX 芯片，首要针对终端商场，随后，海康、大华、宇视科技、姑苏科达、格灵深瞳、商汤科技等大部分公司的前端智能产品在 2016 年正式推出。
2、将较为通用的智能辨认类算法直接固化为 IP ，嵌入到视频监控 SOC 芯片中（全定制芯片），长处是量产后功耗、价格等都极具优势，但功用拓展性有限。
尽管英伟达已推出 Jetson 系列芯片并与多家安防公司协作前端产品，但包含 256 颗 CUDA 中心的Jetson 芯片依然归于通用型 GPU 核算产品，昂扬的芯片本钱使得智能前端产品价格过高，难以快速推行，而专用芯片的老练使用成为咱们盯梢前端产品放量的前瞻目标：
① 海康视频监控芯片供给商富瀚微招股说明书泄漏海康现已将智能剖析 IP 授权给公司，使用该 IP 的芯片将在 2017 年量产。
安防智能化不同于安防高清化，安防高清化处理的是输入数据质量问题，所以由前端发动，带动后端需求。智能化处理的是数据处理功率问题，一方面现在大部分安防数据处理都在后端，另一方面后端 GPU 芯片现已使用老练，相对前端没有芯片价格和功耗的约束，故在安防智能化年代后端产品将首先发动。
曩昔几年安防职业网络化、高清化的开展进程使得 “两超（海康威视和大华股份）多强”的竞赛格式更加显着，技能晋级推进职业会集度不断前进现已得到充沛验证：
传统安防职业规划效应首要体现在上游芯片收购本钱优势和出售途径优势上，在智能化技能革新中研制才能门槛空前前进：现在国内首要只要海康、大华两家安防企业能够在全球 LFW 人脸辨认竞赛、ImageNet 图画辨认中拔得头筹现已验证了这一点。
更需求重视的是跟着图画辨认率前进速度的放缓，使得安防龙头企业在使用场景、产品才能、商场途径方面的优势比较于纯技能驱动的科技公司更为显着。
安防产品对错标准化商场，职业龙头自身品牌溢价优势显着，而完结安防智能化需求前后端产品的全体合作（包含前后数据格式的一致），商场将进一步向能够供给全体处理方案的龙头企业会集。
1、对核算资源要求空前巨大，云核算形式成为趋势，零售职业成为饯别安防云形式的首选场景。
现在后端智能事务大多以供给搭载 GPU 结构化服务器和相应的人脸查找、人脸布控等软硬件一体处理方案来盈余。关于公安等信息安全灵敏客户需求建立自己的私有云，但关于更广泛的客户集体所需求的并不是结构化服务器，而是其供给的核算资源和上层使用，这使得转向云核算形式越来越重要。
2、安防企业的才能从供给安防设备和处理方案上升为从安防数据中获取有价值的信息，使得客户能够只为有价值的信息买单而不用为安防设备买单， 将加快安防运营形式推行 。
从工业结构来看，依据安防常识网数据，上一年我国安防工业总规划到达了 4000 多亿元，安防工程和安防产品占有超越 90%的商场份额，而运营服务规划占比仅为 7%左右，远低于欧美安防运营服务商场规划，这意味着安防运营服务仍有很大的商场空间。
智东西以为，在人工智能技能现在的老练度来看，依据感知智能的智能安防成为首要的落地产品。这一范畴的相关技能部局已有十年之久，加上方针环境利好（才智城市、安全城市、才智社区等重点建设项目），能够说是人工智能首先敞开的一大风口。但考虑到相关的形式辨认技能趋于老练，传统安防企业的工业链布局相对完善，且已有老练的使用场景、产品才能和商场途径，而半定制芯片工业的壁垒又太高，留给技能驱动型创企的空间好像并不多。
上一篇:
成都市温江区永宁中校园安防监控系统升级改造收购项目评选布告
下一篇:
2017十大安防商场趋势前瞻（附PDF下载）