導(dǎo)讀

生活中處處可見的攝像頭為我們的生活提供了安全保障，但是這些安全小衛(wèi)士并不能百分百保證我們工作生活的安全。當(dāng)前安防設(shè)備有哪些弊端？如今在新科技的加持下，安防又有哪些改善和提升？一起往下看吧。

PS：文末互動有禮

幾十年前，一個老大爺外加一條大黃狗基本上構(gòu)成了大多數(shù)廠房、倉庫安防的“標(biāo)配”。隨后，人工逐漸被機器取代，大量的攝像頭、錄像機（NVR）、紅外探測器等設(shè)備被投入到公共及私人的安防系統(tǒng)中。但是機器肯定不是萬能的，這些安防設(shè)備不僅一次次在電影中成為被“玩弄”的對象，甚至其中的橋段還被一些法外之徒有樣學(xué)樣地搬到了現(xiàn)實中，一把鉗子、幾塊口香糖就能將其輕松破解。在一個幾乎什么都要帶些智能的現(xiàn)代社會，安防也是時候痛定思痛，來一波智能化的升級改造了。

傳統(tǒng)安防面臨的痛點

“看”不過來

在城市公共場所中，人流密集、人口流動量大是監(jiān)控系統(tǒng)面臨的一大難題，在這些區(qū)域很難做到全方位的覆蓋以及準(zhǔn)確定位。此外，在一些大型會議、活動舉辦時期或節(jié)假日內(nèi)，所在區(qū)域的人口流動量會瞬間擴大也會增加安防監(jiān)控的實施難度。

被動“防守”

傳統(tǒng)的監(jiān)控系統(tǒng)多偏向于事后響應(yīng)，缺少事前主動出擊和主動預(yù)防的能力。工作人員通常只能在事后調(diào)取監(jiān)控錄像機中存儲的錄像，利用大量的人力對其進行逐秒逐幀的分析，好比在一本沒有目錄的紙質(zhì)書中查找?guī)仔形淖?，對于已?jīng)習(xí)慣用搜索引擎的我們，這樣工作的效率和難度可想而知。

占資源

視頻資源數(shù)據(jù)量大、利用率低也是目前傳統(tǒng)安防亟需智能化的主要原因。2020年全球視頻監(jiān)控產(chǎn)生的數(shù)據(jù)約為18.1PB（1PB=1024TB），如此龐大的數(shù)據(jù)占同期物聯(lián)網(wǎng)數(shù)據(jù)量的83.1%。然而在實際應(yīng)用中，由于各種人力和技術(shù)條件的限制，這些數(shù)據(jù)的利用效率依然很低。如今，搭建基礎(chǔ)的視頻監(jiān)控網(wǎng)絡(luò)和基礎(chǔ)設(shè)施并不難，難的是如何利用這些數(shù)據(jù)為安防業(yè)務(wù)提供既快又準(zhǔn)的支持。

信息孤立

數(shù)據(jù)孤島是整個智慧城市建設(shè)中避不開的議題，也是安防智能化升級需要突破的問題。傳統(tǒng)的安防體系中，各個管轄區(qū)域、各平臺系統(tǒng)之間，無論是硬件匹配還是平臺架構(gòu)之間都有難以填平的溝壑，在規(guī)模聯(lián)網(wǎng)和智能化改造中，工程實施難度和成本都成為了棘手的問題。

傳統(tǒng)安防技術(shù)的局限性越來越突出，各行業(yè)對安防技術(shù)應(yīng)用場景也有不同的要求。受益于人工智能（AI）和物聯(lián)網(wǎng)（IoT）等新技術(shù)的實現(xiàn)，安防產(chǎn)業(yè)也迎來和AI牽手的契機，視頻識別、人臉識別等機器視覺技術(shù)得以在安防場景中應(yīng)用。尤其在疫情之后，包括園區(qū)、辦公樓宇帶來了新一波人臉識別需求，也加快了智能安防落地和成熟的速度。AI賦能安防也成為眾多技術(shù)領(lǐng)域熱衷的方向。

AI賦能安防升級

傳感升級

人們通常會用眼睛與攝像頭進行類比，雖然這個“要求”在現(xiàn)在看來仍然很高，但也為攝像頭的智能升級提供了參考的方向。眼睛的作用首先要能看見和看清，我們也見證了視頻分辨率從720P到1080P、2K、4K的不斷升級。但是高分辨率卻并不是“看清”的充要條件，一旦環(huán)境條件沒法滿足要求，這些數(shù)字也成了虛標(biāo)的參數(shù)。要讓攝像頭更加主動地“看清”，便需要攝像頭的圖像傳感器（CIS）完成一系列的智能感知功能。

在安防應(yīng)用中，對于成像的清晰度以及場景覆蓋率的要求將會持續(xù)提升，除了在光照良好的白天能夠提供細(xì)節(jié)清晰、色彩逼真的圖像信息外，晨昏及夜間等光線復(fù)雜的環(huán)境對CIS夜視性能的要求也更為嚴(yán)苛。因此，圖像傳感器的暗光成像、產(chǎn)品性能、色彩表現(xiàn)力以及近紅外成像性能也成為安防智能化落地的基礎(chǔ)技術(shù)條件。

機器視覺

傳統(tǒng)的安防系統(tǒng)，導(dǎo)致效率低的一大原因就是錄像機幾乎是以“無腦”的方式將攝像機拍攝的畫面存儲下來，雖然畫面的分辨率在不斷提升，存儲空間也在一直擴容，但是所獲得的更多是“高品質(zhì)”的無效數(shù)據(jù)。要提高效率，就得為系統(tǒng)增加一層智能分析的環(huán)節(jié)，借助分析系統(tǒng)的計算能力，對海量數(shù)據(jù)進行分析、篩選、處理，以提取人們需要的信息。

機器視覺技術(shù)的應(yīng)用為安防行業(yè)帶來了新的改變。機器視覺的主要目標(biāo)是使計算機具有通過二維圖像認(rèn)知三維壞境信息的能力，從而處理三維環(huán)境中物體的形狀、位置、姿態(tài)、運動等幾何信息，在其門類下也衍生出了目標(biāo)識別、目標(biāo)追蹤、雙目技術(shù)、多球機跟蹤聯(lián)動技術(shù)等。機器視覺提供的分析功能，讓安防系統(tǒng)實現(xiàn)“看懂”成為了可能。比如，它可以與圖像處理技術(shù)相結(jié)合，設(shè)計出實時監(jiān)控系統(tǒng)，該系統(tǒng)在監(jiān)控錄像的同時就可以通過機器視覺技術(shù)，增加視頻變化檢測和自動錄像功能，能夠同時做出識別場景、發(fā)出警報等功能，實現(xiàn)了從被動到主動的根本性提升。

數(shù)據(jù)實時處理

在對數(shù)據(jù)進行AI分析的過程中，實時和近實時的數(shù)據(jù)處理能力是必不可少的，這往往要求系統(tǒng)在智能邊緣平臺就要開始進行AI的推理和識別。目前這些分析推理過程主要是在圖像/視覺處理器和視頻處理器芯片中進行，要實現(xiàn)數(shù)據(jù)“就地處理”，就需要各模塊之間能夠協(xié)同運行。首先，有效數(shù)據(jù)要經(jīng)過ISP獲得清晰的圖像數(shù)據(jù)，接下來讓NPU（神經(jīng)網(wǎng)絡(luò)處理器）對數(shù)據(jù)進行實時計算。這時，端側(cè)的算力的大小就決定了它能夠?qū)崿F(xiàn)多少功能。例如，當(dāng)端側(cè)算力達到1.5T時就可以滿足同時運行3到5種算法的需求，進行人臉檢測、識別、跟蹤等功能。為了能使端側(cè)具有足夠的AI算力，在性能上需要SoC有很強的集成能力，包括ISP、NPU、視頻編解碼等模塊。

目前市場上的邊緣計算大多面向的是4-16路的視頻分析處理，例如車路協(xié)同、加油站等，或是支持200路左右的小型數(shù)據(jù)中心，例如采油廠、變電站等場景。在這些場景中，數(shù)據(jù)的實時處理能力對于用戶的數(shù)據(jù)隱私保護以及節(jié)約成本和節(jié)能方面起到很大的幫助。

高算力性價比

專業(yè)的人干專業(yè)的事，這是一條適用于各個行業(yè)的真理，在智能安防的AI計算中，采用專門的AI視覺芯片相比于通用的CPU/GPU便能夠得到更優(yōu)的計算性能、高效、低成本等諸多好處。

以一家國內(nèi)的AI視覺芯片為例，在一個使用100臺AI服務(wù)器來處理25000路視頻分析的數(shù)據(jù)中心場景中，如果采用AI專用且算力性價比更高的數(shù)據(jù)流AI芯片，能在實測算力上高出4倍以上的性能。這就意味著，同樣一個應(yīng)用達到相同的性能，從原來需要100臺AI服務(wù)器減少到只需要25臺，為數(shù)據(jù)中心帶來了70%以上的成本降低。這筆合算的“經(jīng)濟賬”也保證了智能安防不僅是一次需求上的更新?lián)Q代，在商業(yè)上也具有很大的潛力。

近幾年，“AI+安防”在B端企業(yè)和C端個人安防市場需求逐漸擴大。相關(guān)數(shù)據(jù)顯示：2020年中國AI+安防軟硬件市場規(guī)模為453億元，預(yù)計2021年達到542億元，同比增長19.5%。在這條新賽道上，玩家們比拼的不僅僅是自身擅長的看家本領(lǐng)，而且還得能夠?qū)崿F(xiàn)多種技術(shù)的跨門類、跨行業(yè)融合，看來，想要“安全感”十足，也一定少不了周到的考慮。

原文標(biāo)題：AI為安防再加一把鎖

文章出處：【微信公眾號：安富利】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。