安防行業(yè)在2002經(jīng)歷產(chǎn)品數(shù)字化變革后，2005開始智能初探，那時(shí)智能視頻分析大多以移動偵測為主，應(yīng)用差強(qiáng)人意。到了2016年，AI安防元年開啟，開始了智能探索，技術(shù)日臻完善。時(shí)至2020，AI安防已進(jìn)入下半場，技術(shù)下沉后，考慮更多的是AI如何與市場全面無縫對接，如何適應(yīng)場景，賦能千行百業(yè)，做深垂直應(yīng)用。
可見，安防市場對智能，一直有渴望。何為智能，難一概而論，不像高清有明確技術(shù)標(biāo)準(zhǔn)。
正由于概念的不固化，智能在不同時(shí)期有特定價(jià)值。用發(fā)展的眼光看當(dāng)下的智能，才合適。于是，二個(gè)問題浮出，為什么行業(yè)需要智能，需要什么樣的智能，也就是說，智能應(yīng)有的模樣與合適落腳方式。
盛世下，說安防，最繞不開的熱詞，便是智能。
2020，新十年的開啟，智能安防也有了新的征途。蛻變與變革，是這場征途的真實(shí)寫照。
瞄準(zhǔn)智能世界，智能安防增量巨大
說智能世界，或許還遠(yuǎn)，或許也近。“羅馬非一日建成”，智能世界是一個(gè)體系變革，瞄準(zhǔn)智能世界，建設(shè)步伐需一步一個(gè)腳印。而智能世界與智能安防，息息相關(guān)。同時(shí)，2020新基建成風(fēng)口，風(fēng)口之下，皆為商機(jī)。
從大勢上看：安平行業(yè)仍是智能安防主戰(zhàn)場。預(yù)測到2025年，安平領(lǐng)域全球約50$億市場空間。在這里，傳統(tǒng)安防頭部企業(yè)“死磕”；安防新貴們相繼將以戰(zhàn)略級來此攻城拔寨；AI初創(chuàng)企業(yè)以“城市大腦”形成中樞到端側(cè)征戰(zhàn)布局；還有諸多以平臺+行為分析的新進(jìn)企業(yè)都在安平領(lǐng)域，一爭高下也寸土不讓。
交通行業(yè)智能需求僅次于安平，這一細(xì)分市場蛋糕也分外誘人。從2016年起對車輛屬性識別成為主流應(yīng)用，最近智能非現(xiàn)場執(zhí)*、全息路口、高速公路自由流收費(fèi)都是智能安在交通的新體驗(yàn)。
到2025年，泛園區(qū)市場的智能化市場可參與空間達(dá)到113$億，約占總空間的42%，其中在行業(yè)園區(qū)、智慧商業(yè)都有較大的可參與空間。而其他行業(yè)也在智能加持下遍地開花。智能在安防，“千樹萬樹梨花開”。
千行百業(yè)，構(gòu)成世界，千行百業(yè)智能化，就是智能世界，對于智能安防如何掘金“新藍(lán)海”，又是一段征程。
這時(shí)代，智能應(yīng)有的模樣
智能是一發(fā)展物，進(jìn)入AI安防的下半場，智能開始質(zhì)變，這源于技術(shù)本身，也源于市場驅(qū)動。
算力之于智能，如同發(fā)動機(jī)之于汽車，動力澎湃方可馳騁。在AI安防下半場，算力可謂是產(chǎn)業(yè)智能升級改造的第一要素。過去十幾年間，安防依靠CPU和DSP做淺層異構(gòu)計(jì)算配合，只能完成簡單周界和單目標(biāo)檢測，現(xiàn)在依靠CPU、GPU或者FPGA等芯片完成智能攝像機(jī)算法的運(yùn)算。
隨著算力大幅提升，原先需要幾個(gè)月才能完成的深度訓(xùn)練迭代，現(xiàn)在只需要幾個(gè)小時(shí)便可完成。同年，華為智能攝像機(jī)X系列登場，是業(yè)界首款具備16T澎湃算力的前端產(chǎn)品，得益于強(qiáng)算力，該機(jī)將算力進(jìn)行優(yōu)化分配，輕松實(shí)現(xiàn)對非智能攝像機(jī)的智能一拖八改造。從計(jì)算能力分析，0.66T能識別不超過二十張人臉，而4T算力能識別5百多張人臉。面多不同場景，要承擔(dān)智能的訓(xùn)練、推理和數(shù)據(jù)的挖掘等一些列“神操作”，都需匹配相應(yīng)的算力。
當(dāng)然，2020依然是1\2T算力產(chǎn)品為主，如果要拔高和拓展智能能力，算力是“硬核”，這也是安防企業(yè)要創(chuàng)新智能產(chǎn)品發(fā)力點(diǎn)，強(qiáng)悍于“芯”就是此理。只有超強(qiáng)算力為支撐，在前端，攝像機(jī)通過AI芯片具備足夠算力，為智能算法和應(yīng)用提供高效運(yùn)行環(huán)境。同時(shí)在邊緣和中心，超強(qiáng)算力也為海量視頻、圖片、數(shù)據(jù)的深度解析和大數(shù)據(jù)碰撞、檢索提供算力保障。
如果將算力簡單理解為計(jì)算能力，那么算法就是解決問題的方法。以前，傳統(tǒng)攝像機(jī)或者偽智能產(chǎn)品，面對復(fù)雜場景，束手無策，難以勝任用戶個(gè)性化需求等，這些其實(shí)就是算法瓶頸問題。在超強(qiáng)算力支持下，算法也越發(fā)成熟。
在AI安防下半場，算法就是服務(wù)場景來做落地應(yīng)用，并以此形成智能安防解決方案，只有在場景不斷豐富和應(yīng)用不斷深入，更多成熟可用算法才可融入到業(yè)務(wù)應(yīng)用中。如平安城市，業(yè)務(wù)需求早已從單一的管控到城市治理階段。
此外，如果一個(gè)硬件只有一種算法，或者說硬件植入的算法不能延展，那對于智能安防將是一個(gè)桎梏。因?yàn)橐粋€(gè)智能算法需要大量數(shù)據(jù)進(jìn)行訓(xùn)練和標(biāo)注，智能安防場景千千萬，而且還需應(yīng)對全天候。華為之所以要做HoloSens Store簡單理解就是讓工程項(xiàng)目從算法加載到場景應(yīng)用，無縫連接。只需要在HoloSens Store網(wǎng)站上選擇自己的設(shè)備型號和場景需求，就能匹配到合適、高質(zhì)量的算法，一鍵部署到設(shè)備上。
智能與數(shù)據(jù)，就如同智能高清是個(gè)組合詞，誰都離不開誰。
智能+數(shù)據(jù)=業(yè)務(wù)的無限可能。舉例來看，在平安校園中，通過機(jī)器視覺和大數(shù)據(jù)分析等AI手段，盡可能將一切關(guān)乎于安全的數(shù)據(jù)都進(jìn)行匯集，形成平安校園視頻大數(shù)據(jù)應(yīng)用(黑名單聚集預(yù)警、行為異常提示、在/離校失聯(lián)預(yù)警、陌生人徘徊預(yù)警……)，為校方提供趨勢性的研判，在事情未發(fā)生之前就形成可視化的研判軌跡，實(shí)現(xiàn)從事后查看到事前預(yù)警的根本轉(zhuǎn)變。
總之，進(jìn)入AI下半場，智能安防需要強(qiáng)算力做基礎(chǔ)支撐，算力看似夠用其實(shí)是開發(fā)利用程度遠(yuǎn)未達(dá)到市場所期；算法方面應(yīng)能按需加載，一機(jī)適配多重算法；在智能力方面應(yīng)該會思考，而不是僅僅識別就是智能的全部。從被動防御到主動預(yù)防，這是這個(gè)時(shí)代給予智能安防現(xiàn)實(shí)課題。華為智能安防ICAN智能指數(shù)之所以備受行業(yè)關(guān)注與熱議，就是因?yàn)橹貥?gòu)了安防行業(yè)的智能想象，也為智能在安防做出了循序漸進(jìn)的規(guī)劃。在這個(gè)指數(shù)中，AI安防下半場不再是停留于描述級的智能，而是在診斷級和預(yù)測級智能力方面，做自我進(jìn)提升與進(jìn)化。
AI安防最佳落腳點(diǎn)，智能前置
安防全面進(jìn)入智能時(shí)代，已成共識。但，長久以來，智能向前，還是往后，是行業(yè)辯題。當(dāng)時(shí)間來到2020，進(jìn)入AI安防下半場后，前后之爭，答案已見分曉。
從市場數(shù)據(jù)看，2019相較于2018，前端智能化增速極為明顯，占比增長100%；在細(xì)分市場，安平和交通前端智能化滲透率*優(yōu)，新建市場占比10%，其他行業(yè)前端智能化占比3%。
智能在安防，無非兩種解決方案，前端智能還是后端智能。前端智能化，就是將AI功能集成到智能攝像機(jī)，對視頻數(shù)據(jù)做結(jié)構(gòu)化或半結(jié)構(gòu)化處理，并將處理結(jié)果移至后端。
當(dāng)下時(shí)代，前端智能，優(yōu)勢凸顯：
其一，智能世界需要萬物感知，而智能攝像機(jī)就是絕佳“抓手”和“眼睛”。華為認(rèn)為，智能攝像機(jī)本身就是全息感知的HUB，將各類傳感信息匯入分析，賦予攝像機(jī)不再是單一的功能節(jié)點(diǎn)，它將會成為連接世界的萬物感知中心節(jié)點(diǎn)。
其二，智能分析力、適應(yīng)力更強(qiáng)。通常智能分為識別類(偏向于對靜態(tài)場景的分析處理)、行為類(側(cè)重于對動態(tài)場景的分析處理)和診斷類(偏向于圖像質(zhì)量本身診斷和調(diào)優(yōu))智能分析。
前端智能的低延時(shí)感知特性，在智能業(yè)務(wù)實(shí)時(shí)性高的場景，前端智能秒級實(shí)時(shí)響應(yīng)，可以直接采集人臉、車牌等關(guān)鍵信息和交通違章檢測、防區(qū)入侵檢測等動態(tài)場景的分析處理，幫助客戶高效抽取視頻中關(guān)鍵信息，形成算法融合和實(shí)時(shí)聯(lián)動；對于視頻感知，前端智能提供*致圖像，提高提高智能識別率，降低智能安防的漏抓誤報(bào)；提升效率后，前端智能場景適配性和適應(yīng)性更優(yōu)，裸數(shù)據(jù)分析，智能識別率更高。
正是由于前端智能可以在端側(cè)進(jìn)行各種智能分析，對各種異?，F(xiàn)象報(bào)警，可以及時(shí)給中心信息提示，以便用戶可以及時(shí)做出相應(yīng)反應(yīng)。從傳統(tǒng)的事后查閱錄像到事中及時(shí)響應(yīng)，可以大大提高智能的事前能力。
其三，降低帶寬與存儲空間。在后端做智能，無論視頻流是直接從前端獲取還是從流媒體服務(wù)器轉(zhuǎn)發(fā)，都會相應(yīng)增加帶寬消耗。隨著智能攝像機(jī)點(diǎn)位不斷增多，帶寬占用將成比例增加，容易造成傳輸系統(tǒng)的壓力。而前端智能只是將分析結(jié)構(gòu)傳輸至后端，占用帶寬資源較少。同時(shí)，前端智能無需將視頻數(shù)據(jù)遠(yuǎn)程壓縮傳輸，可以為后端提供更高清、高質(zhì)量的現(xiàn)場畫面，更出色的成像效果也大大提升了后端資源利用率，節(jié)省中心部署空間。
以華為HoloSens SDC為例來看，具備高性價(jià)比，在算力利用率和機(jī)房空間上壓縮成本。由于前端智能減少傳輸帶寬，交通流量攝像機(jī)只需流量信息，無需視頻和圖片數(shù)據(jù)，客流流量攝像機(jī)，也只是提供流量信息，不產(chǎn)生其他數(shù)據(jù)。
華為基于深度學(xué)習(xí)對視頻編碼優(yōu)化，在保障視頻畫質(zhì)、觀看體驗(yàn)更好情況下，對視體積大幅瘦身，可節(jié)省50%以上傳輸帶寬和存儲成本，也能提供4K或更高分辨率本地抓圖和2MP/4MP視頻上傳，兼顧智能應(yīng)用和態(tài)勢監(jiān)控需求。
其四，AI要大規(guī)模落地做應(yīng)用，工程方面的問題不得不考慮，這意味著場景需求的準(zhǔn)確定義和算法疊加的不斷進(jìn)步，來解決碎片化問題。華為HoloSens SDC和HoloSens Store應(yīng)運(yùn)而生，舊項(xiàng)目如何對接新項(xiàng)目，甚至是變舊為新是工程商們關(guān)心之事。
之前也提到，AI算力普惠到普通攝像機(jī)可以通過算力分配和算法的動態(tài)加載讓其適應(yīng)智能場景。華為智能安防在普惠AI，智能1拖N攝像機(jī)就是為了將非智能產(chǎn)品進(jìn)行智能化改造；前不久顛覆傳統(tǒng)的華為“四無”生態(tài)型新款攝像機(jī)問世，再一次將行業(yè)關(guān)注目光重新聚焦于前端智能化。
所謂“四無”生態(tài)，即無電、無網(wǎng)、無光和無現(xiàn)場運(yùn)維，對于工程安裝幾乎不可能實(shí)現(xiàn)的場景，對于水利、能源等場景具有極強(qiáng)的適應(yīng)性。
在AI安防的下半場，華為是徹頭徹尾的變局者，他們智能攝像機(jī)有三大全新特質(zhì)：AI新架構(gòu)、算力換圖像、全息數(shù)據(jù)感知。今年五月在錢塘江畔華為機(jī)器視覺推出5款重磅攝像機(jī)產(chǎn)品，可見華為在前端智能化方面的決心與魄力。之于華為，智能讓攝像機(jī)成為“新工具”，在我們熟知的“舊行業(yè)”中，重新碰撞出智能的火花。
共生之道：前后協(xié)同智能更高效
誠然，前端智能是大勢所趨，但在云邊端構(gòu)架中，智能的前與后，二者不是對立關(guān)系，更多是協(xié)同。這利于各自發(fā)揮所長，補(bǔ)己之短，讓智能更為高效：數(shù)據(jù)碰撞，多維數(shù)據(jù)碰撞，創(chuàng)造更大價(jià)值；集群聯(lián)網(wǎng)：通過大規(guī)模集群，構(gòu)建超級算力與超級存儲；資源共享：共享數(shù)據(jù)信息，打破信息孤島。華為機(jī)器視覺倡導(dǎo)全棧智能，就是此意。如此，安防在AI世界才能闖蕩出別樣的精彩。
2020，進(jìn)入AI安防下半場，前端智能是“智”同道合后的行業(yè)共識。智能，讓安防“變大”，讓世界“變小”。
