AI+安防 落地应用上越深入才将越精彩_新浪地产网

AI+安防 落地应用上越深入才将越精彩

提要: 当前,新的智能技术正在快速进入我们日常生活的每一个角落,悄然改变着人们的价值观念、认知架构与生活方式,进而直接或间接改变社会经济与政治秩序。

  当前,新的智能技术正在快速进入我们日常生活的每一个角落,悄然改变着人们的价值观念、认知架构与生活方式,进而直接或间接改变社会经济与政治秩序。

  很显然,AI的发展已经进入了一个临界点,即AI已经跨过了概念阶段,下一个即是如何更好的在各行各业中实现落地式应用。虽然之前的AlphaGo人机大战,展示出了人工智能的强大,但人们更关心的不是人工智能如何战胜人类,而是如何协助人类在各行业中更加落地的应用。

  值得庆幸的是,如今AI在各行业中的落地应用,已经开始有了阶段性的成果。

  目前,随着各巨头们对AI的不断研究和深度学习的不断发展,人工智能技术在经历了3次浪潮后,终于迎来了春天。人工智能目前在各行业中已经得到了大量的应用,在安防、金融、医疗、法律、教育等不同领域都有着较好的发展。

  其中,安防作为我们生活中不可缺少的重要组成部分,保障着人类和社会的安全,在人工智能落地应用上,也是最好的行业之一,而纵观目前的安防行业,能够与人工智能相联系的核心技术就是人脸识别。人脸识别在安防行业的应用将会体现的越来越重要,它不仅能够通过人脸识别技术很快找到你想找到的人、或者车辆,最重要的是可以在预防安全方面起到很总要的作用。

  安防领域的市场规模

  根据中国安防网的统计,2016年我国安防行业总体规模已达5687亿元,同比增长17%;预计未来两年国内安防市场将维持15%的增速,2018年安防市场规模将达到7521亿元。其中,在安防细分子行业中,视频监控的市场规模占比接近一半,未来两年预计保持13.4%的年复合增速,2018年市场规模预计达到1114亿元。

  目前安防市场上都有哪些典型玩家?

  为方便大家对安防领域能有较为直观的认知,我们也从产业链的角度做了简要的梳理。目前,在整个行业上下游环节的参与方分别包括:

  上游,包含了视频算法提供商、芯片制造商、图像传感器、镜头模组等其他核心零部件;

  中游,包含了硬件供应商、软件服务商、系统集成商、运营服务商;

  下游,为终端行业应用,涉及政府、行业、民用等领域,涵盖公安、交通、金融、学校、出入等方向。

  事实上,在技术进步的推动下,整个安防行业也在不断发生阶段性的变化,其中1.0阶段主要为设备提供商,2.0阶段多为解决方案提供商,3.0阶段则更多转向运营服务商。而伴随国内安防行业的迅速发展,目前已经有一批优秀的企业迅速成长为国际领先的安防龙头,如海康威视、大华股份、东方网力、苏州科达等都在布局智能化。从产品路线来看,相较于传统巨头从下往上的布局路线,现阶段的互联网创业公司则更多是从下往上切入市场。这其中典型的有:

  传统巨头,从渠道出发充分发挥其规模优势,并逐渐向产业上下游延伸。一方面在积极布局芯片、算法等上游关键技术领域,一方面也在向下游整合集成商或运营商业务延伸。据悉,目前海康和大华两家便占据了43%的市场份额,营收过百亿,净利在十亿以上。

  ·海康威视,作为国内安防龙头,海康威视在视频监控智能化上已有上十年,其以视频为核心的物联网解决方案和数据运营服务提供商,面向全球提供安防可视化管理与大数据服务。

  ·大华股份,自2013年开始借助自身行业龙头优势,顺应终端用户需求,开始发展成为提供整体端到端的视频监控解决方案、系统及服务的提供商。

  创业公司,具有技术算法优势但较难独立实现商业化,前期多通过与传统巨头合作的方式实现市场布局。其中,从计算机视觉方向切入的典型公司有:

  ·商汤科技,成立于2014年,今年7月完成4.1亿美元B轮融资,核心技术包括人脸技术、智能监控、图像识别、文字识别等,目前在安防领域主要跟东方网力、公安三所合作。据悉,目前已经拿下新疆市场;

  ·依图科技,成立于2012年,今年5月完成3.8亿人民币C轮融资,核心业务包括智能安防平台、城市数据大脑、智慧医疗健康等,其中智能安防平台通过精准的人脸及车辆识别技术也已服务于苏州市公安局、福建省公安厅、贵州省公安厅等;

  ·旷世科技,成立于2011年,16年底完成亿级美元以上C轮投资,以人脸识别为切入点,产品线包括了 FaceID、Face++、智能地产、智能安防,其中在安防领域主要涉及跟侠客岛、机场案件、铁路公安方面的合作;

  ·格林深瞳,成立于2013年,14年完成数千万美元的A轮投资,产品包括深瞳人眼摄像机、皓目行为分析仪、威目车辆特征识别系统以及威目视图大数据分析平台,安防领域的合作对象包含武汉公安局及天津市交通管理局。

  AI目前在安防领域技术和场景的应用

  就目前来说,安防的本身具有两大特性,其一、在传统的以视频为主的安防行业中,经过多年的发展,已经积累了大量的数据资源,恰巧满足了人工智能基于大数据为基础的算法模型训练的要求;其二、安防行业中事前预防、事中响应、事后追查的特性刚好吻合了人工智能的算法和技术。

  也就是说,目前AI在安防领域的应用主要通过人脸识别、车辆识别,大数据及视频结构化技术等等进行作用的。而从行业角度来看,主要在公安、交通、楼宇、金融、工业、民用等领域应用较广,而又以公安应用最为核心。

  人工智能确实能带来数量众多、意义重大的收益。甚至很多收益是看得见的,从人脸识别到案情分析等。还有一些收益虽然不那么明显,但也会对日常业务流程和消费者服务提供更强大的能力和效率。与任何范式转变过程一样,有时过高的期望可能会超出短期内所能实现的潜力。

  我们期待着未来某一时刻,人们对AI的幻想能够彻底幻灭,随之而来的将会是长期、持续的价值认可,因为AI学习已经被用于改善并革新现有的系统。在历史上,工业革命曾通过新的电力和传送方式改变了生产和交流方法。第一次工业革命在十八世纪八十年代使用蒸汽机驱动了机械化的生产过程;第二次工业革命在十九世纪七十年代使用电力推动了商品的大规模量产;第三次工业革命在二十世纪七十年代使用电子和软件技术实现了生产和交流的自动化。今天,随着AI逐渐“蚕食”整个安防监控领域,我们创造价值的主要来源已成为信息本身的处理。通过用更智能的方式完成这样的工作,AI将低调地为安防带来效益和历史意义。

  现阶段AI+安防,主要存在问题

  虽然AI在安防领域的应用有着很好的前景,但目前对人、车、物的识别并没有到达真正实用化的阶段,仍然存在较多的问题需要不断完善和解决,比如环境适应性差、数据资源分散、场景理解受限等。

  (1)环境适应性差,目前鉴于车辆及道路环境的相对标准化,识别率相对较高,但对于人脸的准确识别则很容易受到光照不足、图像模糊、目标尺寸过小或相互遮挡等环境影响,以致影响到识别准确率;

  (2)数据资源分散,现阶段安防领域监控数据的开放性和共享程度相对较低,很难开展多维数据的交叉融合分析,这使得人工智能分析缺乏有效的数据支撑,同样也会影响准确率;

  (3)场景理解受限,由于缺乏有效的专业领域经验知识的积累,视频内容的理解能力偏弱,目前的智能分析多为单场景的目标检测和行为分析,很少涉及大范围场景的关联行为分析,以致很难用于异常行为分析和风险预测。

  AI+安防,在落地应用上是否靠谱

  说白了,我们每一次创造出的新物种,都是为了更好的服务于人类而诞生的,新物种是否能够很好的落地应用成了关键。因为我们不需要对人类或社会毫无帮助的创新物种的诞生,就像AlphaGo赢了人类那有如何,顶多只能算是新技术得到创新的标志,随着时间的流逝,人们根本不会在意、或者关心AI得到提升创新的标志是什么,只会更在意AI是如何更加落地应用的。

  刚刚我们说了AI是如何在公安系统中落地应用的,其实它在其它的领域也是比较落地的,不如在物流、金融、医疗、教育,那么这里以金融领域的银行为例,笔者前段时间去银行办理业务的时候,有一项是要修改初始手机号码,在大堂经理的指导下,全程都是自动柜台机办理的,而步骤里面,其中就有一个就应用到了人脸识别技术,整个过程基本上比在传统的柜台上简便多了,而且效率上也大大的提升。再者,AI在物流上也是比较落地的,就在近期,阿里巴巴和京东智能创储机器人也是炒的比较火热的。

  未来AI在安防领域发展趋势及机会

  1.视频结构化处理

  目前在安防细分子行业中,视频监控的市场规模占比接近一半,这其中蕴含着大量视频监控数据。但目前在对视频结构化处理过程中,多还停留在基于静态特征的单场景的目标识别,还没有把动作、行为等动态特征以及之间的相关性做结构化的处理。未来,如果能够做到对视频语义的理解,对视频的时间、空间、行为等动态特征做结构化处理,将对后期的视频检索、视频分析有较大的实用价值。

  2.前端设备智能化

  以往的前端设备基本只能做到高清录像,智能分析能力则相对比较弱,而目前基于深度学习的智能分析技术也仍多在服务器上进行处理,一旦未来视频数据量增多,服务器的传输带宽以及后端存储管理压力就会加大,也不能满足安防智能化在安全性、实时性、鲁棒性等方面的要求。如此,前端智能化也便成了行业发展的趋势,即可以通过内嵌深度学习算法或芯片,在设备前端实现具有结构化信息提取、人脸识别、道路实况检测、车辆识别等多种功能。目前,典型如以IP芯片算法切入的智芯原动、基于SVAC2.0标准的欣博电子、从模组切入的人人智能等。

  3.技术创新突破点

  鉴于目前对人、车、物的识别准确率仍然存在较多的限制,未来在软、硬件方面都存在相应的技术创新点。比如前端设备,未来几年内高清显示技术仍将持续发展,如在4K级别整合3D图像,从2D转向3D获取更立体的深度数据,或借鉴人眼仿生原理让光学系统与识别系统进行相互实时反馈获得远距离物体的清晰图像,或借助星光摄像机带来更高的对比度和更好的色彩表现以满足夜间高品质监控需求等;而在软件算法方面,要想摄像机采集的图像给出最适合机器去检测识别人脸,一方面需要做很多算法以根据当前的光照条件等环境计算出最好的成像效果,另一方面也需要尽可能的采集大量各种场景下数据。以停车场为例,当车辆进地库时,车头与车尾的光照差异较大,如何针对区域做局部的曝光参数调整。简单来讲,根据相机的高度、角度、环境、异常人脸等特定场景的特征提取都需要对算法做不同的改进,在此基础上针对不同的特定场景需求,都可以给出特定的软、硬件产品。

  4.多维数据融合分析

  即对多维度、多场景数据的交叉融合分析,其中包括不同设备对同一物体(人、车)的识别,也包括对不同场景的数据融合。以公共安全领域为例,在动态人脸识别中即便是只有百万分之一的错误率,也会导致系统误报率太高缺乏实用价值,而要解决此类问题,单纯从人工智能算法、芯片等维度提升识别率是不够的,需要在视频数据的基础上扩充数据维度,如手机定位数据、社交数据、车辆数据、消费数据等,通过这样的大规模的、多模态数据整合以进一步提升识别效果,并在数量级上降低错误率。

  5.细分应用场景广泛

  受益于安防领域深度学习算法的快速发展,智能安防已经得到了越来越广泛的应用。在AI+安防3.0时代,面对安防视频产品下游的需求,运营服务将有较大的市场空间,这也将成为我国安防产业未来的发展方向。以人脸识别为例,可广泛应用于公安、零售、教育、金融、医疗等行业;除此之外,未来也可以尝试新兴的场景,如智慧景区,完成物品遗留检测、客流统计以及智能巡检等;智慧商业,对客流量统计以及人流密度检测等。

  6.准确率大打折扣

  马云的“刷脸支付”兴起之后,人脸识别技术逐渐成为了热点,各大新闻媒体不乏鼓吹“人脸识别新技术准确率达99%,比肉眼更精准”等等报道,而事实根本就不是这个样子。在学术界上,或许人脸识别技术达到99%可以实现,但一旦要落地实现,准确率就会大打折扣了。

  同时,在未来的服务器承载率上,未来高清图像的识别率上等等是否能够轻松的实现就还有待技术的不断创新和改进。

新浪地产
关键词:

安防相关的智库下载

更多

安防相关的社区论坛

更多

网友观点

我要说两句

person
您好,请登录后进行评论。点击 登录 注册新账号

文明上网,登录评论,所有评论仅代表网友意见,新浪地产保持中立。

快捷导航