【热点】小领域酝酿百亿AI市场，智能摄像头将成为公共安全新标配

近年来为了推进平安城市项目的建设，预防打击违法犯罪、维护社会稳定，城市中部署了大量的安防监控摄像头，中国已成为拥有世界上最多摄像头的国家。传统的监控摄像头只是单一的视频捕捉设备，未来这些摄像头将升级成为具有人脸识别和行为分析功能的智能摄像头。据赛迪顾问研究，未来监控摄像头的覆盖度和智能化渗透率还会继续增长，作为智慧城市的子领域之一，预计到2020年，中国智能安防摄像头的市场规模将超过400亿元，成为城市安防中的高价值商业场景。

计算机视觉助力视频监控，算力成本和算法精度成为关键

安防前端摄像设备逐步从城市下沉到区县甚至农村，带来了EB级的视频数据，对图像的分析处理需求巨大，计算机视觉技术与视频监控的结合成为解决问题的最佳途径。如果把摄像头比作城市的眼睛，那么计算机视觉技术就为监控摄像头提供了能够匹配它们眼睛的大脑，对监控视频中的物体、行为、事件等对象进行智能跟踪、检测、分析和判断，解锁了全国范围内的人脸比对、动态布控、异常预警、案件侦查等多个场景，为安防体系建设工作奠下了坚实基础。

从AI技术演进趋势来看（如图1），计算机视觉是目前最为成熟的人工智能领域之一，以物体检测与跟踪、人脸识别为代表的研发方向正处于爆发阶段，体现特点为技术逐渐成熟。尤其是人脸识别技术，近年来受益于深度学习理论，研究与应用得到了极大的发展。美国国家标准与技术研究院（NIST）11月公布了有工业界“黄金标准”之称的全球人脸识别算法测试（FRVT）的最新结果，中国人工智能公司依图科技在千万分之一误报下的识别准确率超过99%，拿下全球人脸识别竞赛冠军。同时，中国团队囊括了此次FRVT比赛前十中的五席，彰显了中国在人脸识别技术领域的国际领先地位。

图1 人工智能技术演进曲线

数据来源：赛迪顾问，2018.12

虽然技术已经较为成熟，但在视频监控实战场景中还存在挑战：第一，前端采集设备数量快速增长，导致数据量爆发式增长，人脸识别率会随着人脸数据库规模的不断扩大而下降，对算力的要求将进一步提高，如何用低算力成本对海量视频流进行加速识别和匹配成为关键；第二，在复杂的M:N动态人脸布控过程中，做到高精度人脸识别和追踪仍存在一些技术难题，由于光照环境、抓拍距离、模糊程度、遮挡程度、采集角度等诸多因素影响，造成视频图像质量差、辨识度低、有效特征很少，因此需要精度更高的算法来进行低质量图像重建，以及强化图像特征的检测提取。

低功耗AI芯片加持摄像头，边缘设备智能化是安防新趋势

AI安防芯片是前端摄像头智能化的关键因素，也是应对视频监控高实时性要求的重要手段。城市各类犯罪呈现高发态势，尤其是突发性暴力犯罪，时间不可预测，要求摄像机或摄像头自动在图像和视频流中检测和跟踪人脸，进行实时比对和决策。针对海量视频监控的实时性处理和反馈要求，云计算能力有限，存在诸如响应不及时、功耗高、网络带宽需求高等问题。随着芯片技术的持续发展，尤其是专门为视觉处理设计的终端芯片体积的减小、能耗的降低以及处理能力的增强，将AI 芯片放置在前端摄像机或摄像头中，通过前移算力算法使终端设备拥有强大的视频图像采集技术和数据分析存储能力，对视频图像进行预处理，去除图像冗余信息，使得部分或全部视频分析迁移到边缘处，由此分摊云中心的计算和存储压力，提高视频分析的速度。

目前中国的智能摄像头产品已经在视频监控领域真正落地，低功耗的人脸抓拍、识别与相关属性分析、视频结构化解析，可广泛运用于机场、车站、商业街以及旅游景区等人群密集的地方。华为采用自研海思芯片，应用到最新发布的智能摄像机系列中。地平线研发了主攻智能摄像头的嵌入式AI芯片“旭日”， 并于今年推出了面向安防领域的人工智能高清人脸识别网络摄像机。海康威视、大华等安防厂商也在拓展上游市场，加入了造芯的队伍中。视频监控的前端智能已然成为了AI芯片厂商和老牌安防巨头的必争之地，由于AI芯片的成本是产品大规模普及应用的制约因素，能够自主研发AI安防芯片的公司将会获得更多潜在市场。

从智能摄像头的巨大市场可以看出，前端摄像头等边缘设备智能化是安防的一大新趋势。我国的安防领域信息化基础扎实，摄像头、抓拍机部署密度较大，边缘侧的数据采集已不存在障碍，且公共安全领域正广泛开展大数据分析、计算机视觉等技术的实践应用，在数据库的搭建、算法模型的训练、业务场景的适配方面，已经具备较好基础。总体而言，未来随着人工智能技术与安防行业的进一步融合，安防领域未来将会大面积普及前端智能化安防设备，提升公共安全管理的效率与水平，为城市管理、民生改善带来巨大价值。

本公众号提供的内容用于个人学习、研究或欣赏，不可用于其他商业用途。如有关于作品内容、版权及其它问题，请及时在公众号留言。

如果获得转载授权，请注明作者姓名和转载的出处，不修改文章的标题、文字、图片或者音视频，以免曲解原文意思。

更多内容，请点击左下“阅读原文”