https://www.toutiao.com/a6709720036610671118/
实际上,人工智能产业发展已有60多年,但是,一直以来AI学习能力十分有限,因此,也并未走进公众的视野。不过,得益于近年来深度学习算法技术的突破,AI技术才逐渐走向产品化、产业化和工程化。在人工智能发展火热趋势下,不同行业不断涌现各类AI产品和解决方案,而安防领域由于具有海量视频数据资源池的优势,自然成为AI工程化的着陆地。那么当前来看,AI安防产品有哪些特点以及落地情况和未来发展趋势如何?
揭密:AI产品工程化的真相
毋庸置疑,AI安防时代已来,它对于安防产业发展的价值意义不言而喻。总结来讲,AI在安防落地具有三大应用,即视频结构化、生物识别和物体识别。其中,生物识别包括人脸识别、指纹识别、虹膜识别、形体识别、声纹识别等,而人脸识别是当前公共安全领域应用广泛,技术发展较为成熟的AI技术,它可以快速实现人脸识别、人脸检测、人脸比对、活体检测、人脸跟踪等技术应用,帮助公安人员快速确定并锁定对象身份,做到事前预防、事中预警和事后核查,大大提升警方办案效率。
浅析丨AI安防产品发展现状与趋势分析
不过,AI产品的工程化落地并非是一蹴而就。
首先,不同行业的实际业务场景,对前端AI产品的算法和算力资源的要求不尽相同,而且对前端产品的形态、可靠性以及功耗网络要求也不同。而且,由于安防业务场景碎片化和复杂化比较严重,对算法提出多样化、个性化的多维分层要求,从而去适配前端产品AI产品各种应用的发挥,而这显然不是短时间内就可完成的工程。
其次,AI产品的部署成本过高,加上用户对AI理解有偏差,造成用户为AI产品买单的欲望并不强烈。再者,当前现阶段各人工智能应用领域的标准存在重大缺失,顶层设计与复杂现状一时仍然难以匹配。
最后,人工智能产品是基于二级图形分析产品,需要更精准的理解场景,而且很多复杂的场景应用并非仅靠AI就能解决,必须结合宽动态、光传感器件、变焦机芯以及安装位置与角度等因素,来解决AI工程化问题。
基于以上原因分析,当前 AI安防产品虽然已走向实用,甚至已经在平安城市和雪亮工程大项目中得到应用,但总的来看,AI安防产品在整体安防市场领域占比仍然较低,可以说,远远低于普通摄像机的布点数量。但无疑,AI安防产品规模化应用是大势所趋,未来已来!只是时间问题。
端边集成是安防产品的趋势
业界皆知,云端边融合是AI安防市场发展的主流方向。所谓的云端边融合即是通过边缘计算将人脸识别、物体识别等应用的计算力分摊至前端,从而解决由于数据量暴涨给传输和云端处理带来的压力。边缘计算其实是实现嵌入式人工智能的关键,其实时性比云端更强,更能满足用户更快的业务响应需求,而云端承载的是第三方提供的专业性服务,以及更加复杂的运算,比如对模型的优化、算法迭代等相对灵活的部署方式。
实际上,云边融合也是智能计算前移的过程,这必须对前端设备的算力提出更高的要求,而随着AI芯片算力的日益增强,边缘计算能力将得到重大突破。不过,由于前端摄像机的本身空间狭小,一般来讲,较大及复杂的数据量的边缘计算及存储则放至边域处理。
深圳市巨龙创视科技有限公司总经理孙成智在接受a&s媒体采访中表示,相对来讲,云端的算力强,前端的算力弱,而安防领域大部分业务应用场景对端侧的响应速度都有很高要求,显然全部数据传输至云端处理,将造成较长的时延性,因此,安防企业在设计AI产品架构系统方案时,一般都会采用集中的前端部署边缘计算,但纯粹的前端无法完全解决数据计算问题,而此时,需要借助边域的算力共同承担云端算力,这意味着,端和边必须先集成,形成整体的边缘智能计算,然后再和云端计算相结合,构建一体化的云边端架构。
当前来看,AI安防系统架构原理有三种方式,一是前端为普通人脸摄像机-码流传输和录像存储-NVR,采用前流后比对的原理,人脸检测、人脸识别和人脸比对放到NVR(即边域);二是人脸抓拍机-码流传输和录像存储-NVR, 采用前抓后比对的原理,人脸检测功能放至IPC端,人脸识别和人脸比对放在NVR边;二是是人脸比对机-码流传输和录像存储-NVR,采用前比后呈现的原理,即人脸检测、人脸识别和人脸比对全部放到IPC端。
在云边端架构中,端无疑侧重多维感知数据采集和前端智能处理;边则侧重感知数据汇聚、存储、处理和智能应用。而云端则是侧重于集中式处理更为复杂及庞大的数据的运算。端边集成是AI安防产品发展的趋势,而后端云化以及与端边融合的一体化系统架构,则无疑是未来AI安防市场发展的必然走向,也将是AI安防工程化的主旋律。