智能安防技術(shù)，是指視圖采集、傳輸、存儲、視頻分析和大數(shù)據(jù)處理，以及涉及到機器視覺、AI芯片、算法、圖像傳感、生物識別(人臉識別、虹膜識別、指紋識別等)以及智能視頻分析、多維數(shù)據(jù)融合、大數(shù)據(jù)分析等新技術(shù)。從另外一個角度來看，一個完整的智能安防系統(tǒng)則主要包括門禁出入口、報警和視頻監(jiān)控三大部分。新冠肺炎疫情可以阻礙市場的發(fā)展，但不能阻擋安防技術(shù)的進步，今年各大安防企業(yè)在智能化、網(wǎng)絡(luò)化、物聯(lián)網(wǎng)化等技術(shù)方面的應(yīng)用更加深化。隨著科學(xué)技術(shù)的發(fā)展與進步，當前智能安防已邁入了一個全新的領(lǐng)域。a&s根據(jù)產(chǎn)品實測，從數(shù)據(jù)采集、視頻智能分析、生物識別、數(shù)據(jù)智能以及零部件等技術(shù)預(yù)測智能安防技術(shù)發(fā)展趨勢。

多模態(tài)是生物識別技術(shù)的發(fā)展方向

人工智能技術(shù)體系中，生物識別是最早進入落地應(yīng)用的技術(shù)。生物特征識別技術(shù)背后涉及到計算機科學(xué)、光學(xué)與聲學(xué)等物理科學(xué)、生物科學(xué)、生物傳感器和生物統(tǒng)計學(xué)原理，安全技術(shù)，以及人工智能技術(shù)等眾多基礎(chǔ)科學(xué)與創(chuàng)新應(yīng)用技術(shù)，是一個完整的多學(xué)科技術(shù)解決方案。目前可用于身份識別的人體特征包括指紋、虹膜、面部、掌紋、靜脈等生理特征和步態(tài)、筆跡、聲音等行為特征。生物特征識別技術(shù)具有安全性好、不易丟失、難以仿冒和攜帶方便等諸多優(yōu)點。不可否認，從指紋認證、掌紋識別、指靜脈識別到人臉識別、虹膜識別，生物識別技術(shù)變得更加成熟的同時，也正在邁進“視覺”時代。

指紋識別是最“傳統(tǒng)”的生物識別技術(shù)，其地位比較特殊，與人臉識別、聲紋識別相比，其識別準確度、區(qū)分度要高很多，甚至可以說，指紋身份識別是很多場景下唯一可行的一種方式。從2018年指紋識別技術(shù)取得重大突破開始，更高效的推動全國性的社會公共服務(wù)及商業(yè)模式變革。但是，隨著2020年初的一場疫情，非接觸式門禁出入口控制技術(shù)的應(yīng)用得到了高度的重視和發(fā)展。

掌紋識別是一種新型的生物特征識別技術(shù)，它以人體的掌紋作為目標特征，通過多光譜成像技術(shù)采集生物信息。多光譜掌紋識別算得上是多模態(tài)和多種目標特征融合的生物特征識別技術(shù)的典范。這種新技術(shù)將皮膚光譜、掌紋紋路與靜脈脈絡(luò)三種可識別特征結(jié)合，一次性提供更加豐富的信息，增加了目標特征的可區(qū)分度。目前，行業(yè)中共識是，單種模態(tài)的識別無論在識別性能還是在安全性上均存在瓶頸，而多模態(tài)融合是人臉識別乃至生物特征識別的重要突破——不僅能通過多因子的方式提升識別精準度，也能在一定程度提升生物識別技術(shù)的場景適應(yīng)性和隱私安全性。相比傳統(tǒng)單模態(tài)算法，更能滿足金融級誤識率(低至千萬分之一)，也是生物特征識別發(fā)展的主要趨勢。

在非接觸生物識別技術(shù)中，人臉識別是最重要模塊，從2019年“刷臉”應(yīng)用已經(jīng)較為廣泛，疫情更進一步的推動了發(fā)展，未來仍將是很長時期內(nèi)AI落地安防的重要方向。目前傳統(tǒng)人臉識別困難包括面部旋轉(zhuǎn)，遮擋，相似性等都有了很大的算法提升，使得人臉識別的精準度得到極大的提高，以2D人臉、3D人臉、多光譜人臉等多種模態(tài)為代表，每種模態(tài)都具有不同的采集適應(yīng)場景、數(shù)據(jù)安全程度和隱私敏感度等，而大數(shù)據(jù)的深度學(xué)習的加入，使3D人臉識別算法補充2D投影的缺陷，能快速識別人員身份，為二維人臉識別的應(yīng)用帶來了一定的突破。同時，目前基于活體檢測技術(shù)正作為提高人臉識別安全性的關(guān)鍵性技術(shù)，可以有效抵御照片、視頻、三維模型、假體面具等仿冒欺詐，自主判斷操作用戶身份。人臉應(yīng)用一方面主要是面向交通樞紐場景，比如機場、車站等，主要應(yīng)用于實名認證和重點人員布控。另一方面是面向城市級應(yīng)用，通過對接天網(wǎng)工程，構(gòu)建由前端攝像機布控，后端是識別平臺以及大數(shù)據(jù)分析平臺組成的綜合實戰(zhàn)平臺。在公安、交通領(lǐng)域，AI四小龍商湯科技、曠視科技、云從科技、依圖科技的人臉算法水平在AI企業(yè)中技術(shù)領(lǐng)先，傳統(tǒng)企業(yè)則是主要由海康威視、大華股份這些傳統(tǒng)巨頭引領(lǐng)市場。伴隨人臉識別技術(shù)的快速發(fā)展，智能設(shè)備、線上金融、人臉支付等諸多創(chuàng)新應(yīng)用已日趨普遍，為大家生活、工作帶來快捷和方便。

另外，面對人臉識別的局限，以步態(tài)識別為代表體態(tài)識別以難隱藏性、非接觸性和非侵入性等特點從眾多技術(shù)中脫穎而出，成為目前生物特征識別領(lǐng)域的一匹“黑馬”。步態(tài)識別通過身體體型和行走姿態(tài)來識別目標的身份，是一種頗為復(fù)雜的行為特征，體態(tài)識別技術(shù)不需要人為配合，能夠適應(yīng)更為普遍的應(yīng)用場景，特別適合用來進行遠距離身份識別。目前，國內(nèi)已經(jīng)有幾家企業(yè)識別精度已經(jīng)達到了非常高的水平。

值得一提的是，虹膜識別技術(shù)也是一種較為成熟的生物識別技術(shù)，目前虹膜識別技術(shù)也正普及開來，虹膜識別誤識率低至1/100萬，主要利用虹膜壽命不變性和差異的特征來識別身份。但由于成本以及對產(chǎn)品端的要求限制，其落地速度比較緩慢，不過，近一兩年來，隨著政府機關(guān)包括金融機構(gòu)，已經(jīng)開始重視虹膜識別，其落地速度正在逐漸加快。下一步或?qū)⑹侨四樅秃缒さ慕Y(jié)合?？偨Y(jié)來說，生物識別本身并不是完全的替代關(guān)系，更多的是組合甚至融合應(yīng)用。

隨著技術(shù)的進步和成熟，以及市場應(yīng)用需求的逐漸演變，多模態(tài)生物識別技術(shù)的聲音越來越響亮。展望未來，多模態(tài)生物識別技術(shù)將成生物識別市場的主流發(fā)展趨勢，并將迎來越來越寬廣的應(yīng)用領(lǐng)域和市場。a&s Research調(diào)查顯示，單一的生物識別并不能夠解決所有場景下的身份認證問題，每一種技術(shù)都有一定的局限性。而多模態(tài)識別技術(shù)，一方面豐富了場景數(shù)據(jù)，使識別更為高效精準;另一方面，它更適合復(fù)雜場景的應(yīng)用變化，在很多場景中是最適合的生物識別技術(shù)。不可置否，多模態(tài)識別是未來生物識別技術(shù)發(fā)展的主流的一個方向。而多模態(tài)統(tǒng)一認證平臺，不但融合多種識別技術(shù)，而且可以根據(jù)決策權(quán)重和場景需求，靈活自動配置適合的生物識別技術(shù)，將成為多模態(tài)生物識別技術(shù)發(fā)展的理想狀態(tài)。當前來看，多模態(tài)識別技術(shù)的落地還面臨著市場教育的過程，需要生物識別技術(shù)企業(yè)共同努力促進技術(shù)的商業(yè)化和規(guī)?；瘧?yīng)用。

視頻智能從感知階段走向認知智能

視頻智能分析是AI落地安防的重要技術(shù)之一。所謂視頻智能分析是利用基于深度學(xué)習的各類智能算法來分析前端設(shè)備采集的視頻信息，實現(xiàn)對各種安全事件主動預(yù)警，并將報警信息反饋至監(jiān)控平臺及客戶端。不過，從安防企業(yè)發(fā)展的產(chǎn)品和技術(shù)實現(xiàn)的功能來看，視頻智能分析還處于感知智能發(fā)展階段。

視頻智能分析主要包括行為分析和特征識別。行為分析是基于背景模型為基礎(chǔ)，技術(shù)應(yīng)用表現(xiàn)在人員聚集、物品遺留、物品丟失、人員徘徊、人員倒地、安全帽/工裝檢測、區(qū)域人數(shù)統(tǒng)計、進入/離開區(qū)域以及跨越警戒線、火焰檢測等方面;而特征識別主要包括車牌識別和人臉識別。較于傳統(tǒng)視頻分析，視頻智能分析的重大突破在于，能夠?qū)鼍爸械谋尘昂湍繕朔蛛x，識別出真正的目標，也就是具備對風、雨、雪等多種背景的過濾能力。從技術(shù)角度來看，就是通過建立人體活動算法模型，并借助計算機的高速計算能力，排除監(jiān)視場景中的干擾因素，準確判斷并動態(tài)跟蹤人類在視頻監(jiān)視圖像中的各種行為，達到有效預(yù)警。

當前，主流廠商推出的智能產(chǎn)品，視頻智能分析技術(shù)均已實現(xiàn)了排除干擾背景因素，動態(tài)實時跟蹤目標并分析目標行為的目的，大大提升了報警準確率。并且實現(xiàn)對人臉、人體、車輛等并行綜合檢測，精準全息化感知業(yè)務(wù)場景數(shù)據(jù)，提升綜合研判能力，當前這類技術(shù)主要應(yīng)用周界防范、人臉布控應(yīng)用中。除了視頻的智能分析識別之外，物聯(lián)網(wǎng)技術(shù)的結(jié)合應(yīng)用也是人工智能的發(fā)展方向之一，將溫度、濕度、水浸(水位)、SF6、O2濃度等環(huán)境信息集成進視頻中并智能分析和識別，目前的技術(shù)發(fā)展已經(jīng)可以做到物聯(lián)網(wǎng)視頻智能處理。不過，相較到人臉識別和車牌識別等特征識別，行為分析技術(shù)發(fā)展還不夠成熟，但無疑它們是未來視頻智能分析一個重要方向，在智能安防領(lǐng)域應(yīng)用前景廣闊，未來仍需要主流廠商大力投入研發(fā)不斷進行技術(shù)迭代。

雖然視頻智能分析在準確率和融合檢測能力有很大的突破，但是從當前來看，智能安防行業(yè)的視頻智能分析基本還處于視頻結(jié)構(gòu)化分析的感知智能階段。公安系統(tǒng)包括其他監(jiān)控系統(tǒng)，在數(shù)據(jù)應(yīng)用上只是就結(jié)構(gòu)化數(shù)據(jù)進行簡單應(yīng)用，數(shù)據(jù)價值并未完全發(fā)揮出來。未來整個智能安防行業(yè)中的智能視頻分析將走向知識圖譜即認知智能、決策智能階段。所謂的知識圖譜是一種針對應(yīng)用語義理解技術(shù)實現(xiàn)更高質(zhì)量、可計算、計算機可理解的大數(shù)據(jù)結(jié)構(gòu)，也就是針對多類異構(gòu)數(shù)據(jù)源的知識結(jié)構(gòu)化、關(guān)聯(lián)化分析，屬于實用型認知應(yīng)用，能夠更高效的實現(xiàn)決策智能，當前已經(jīng)有一些主流廠商和技術(shù)商實現(xiàn)了在視頻智能分析技術(shù)應(yīng)用上實現(xiàn)一部分認知智能。

邊緣計算與中心智能結(jié)合應(yīng)用發(fā)展

隨著深度學(xué)習算法的突破，安防領(lǐng)域的目標識別、物體檢測、場景分割、信息提取標簽化、數(shù)據(jù)檢索及分析研判等各項技術(shù)應(yīng)用也在不斷取得新的進展，相比于傳統(tǒng)智能帶來的應(yīng)用效果，AI深度智能在識別準確率、環(huán)境適應(yīng)性、識別種類等方面的效能提升顯著。

在終端和邊緣端，主要體現(xiàn)為內(nèi)置高達30多種算法，其中混合目標檢測模式支持同一場景下人臉、人體、車輛圖片并行抓拍，人臉人體關(guān)聯(lián)，以及人臉、人體、非機動車和機動車結(jié)構(gòu)化屬性提取，也就是輕量級的多維數(shù)據(jù)融合。當前技術(shù)領(lǐng)先的廠商推出的相關(guān)產(chǎn)品，已經(jīng)可以支持前端多維數(shù)據(jù)的提取和分析，包括全場景和細分感知數(shù)據(jù)采集和融合。這類技術(shù)產(chǎn)品比較適合小規(guī)模項目場景應(yīng)用，相當于一機多用，不僅大大減化項目部署的復(fù)雜性，而且降低工程實施成本。

邊緣智能是將邊緣計算與用戶、業(yè)務(wù)結(jié)合，其不是簡單的把邊緣計算搭建起來，而是對管道能力的整體提升，是物聯(lián)網(wǎng)應(yīng)用的使能者。邊緣智能具有數(shù)據(jù)處理實時性、業(yè)務(wù)數(shù)據(jù)可靠性、應(yīng)用開發(fā)多樣化等的優(yōu)勢。目前，安防領(lǐng)域邊緣智能的發(fā)展一日千里，許多智能安防產(chǎn)品已經(jīng)從具有邊緣計算的能力開始進化為邊緣智能，但是，邊緣智能依然處于發(fā)展的初級階段，技術(shù)、業(yè)務(wù)、商業(yè)模式等各方面的挑戰(zhàn)仍然具有不確定性，接下來需要在標準化、產(chǎn)業(yè)聯(lián)盟、場景驅(qū)動、產(chǎn)業(yè)鏈協(xié)同、安全隱私等方面做好工作，推動邊緣智能的規(guī)?；涞?。驅(qū)動邊緣智能發(fā)展的業(yè)務(wù)場景主要包括網(wǎng)絡(luò)傳輸?shù)膱鼍昂蛻?yīng)用特征產(chǎn)生的場景，從而形成對邊緣智能的需求。目前，邊緣智能已經(jīng)在智能城市、智能工業(yè)、智能社區(qū)、智能家居、車聯(lián)網(wǎng)等大量的垂直行業(yè)中形成示范應(yīng)用，給垂直領(lǐng)域帶來新的價值。

需要提及的是，現(xiàn)階段，數(shù)據(jù)資源大多歸屬于不同地區(qū)不同部門，未來是否有這樣一種機制，讓數(shù)據(jù)既能夠本地化又能實現(xiàn)跨地域互通，可以在降低數(shù)據(jù)傳輸?shù)娘L險和成本的同時滿足數(shù)據(jù)計算的需求。也就是說，多維數(shù)據(jù)融合和智能分析需要視頻流媒體的分布式計算引擎和大數(shù)據(jù)動態(tài)分布式架構(gòu)來支撐實現(xiàn)。

除了邊緣智能的發(fā)展應(yīng)用，以大數(shù)據(jù)分析為代表的中心智能分析技術(shù)也有了長足進步，通過多維數(shù)據(jù)融合分析平臺，初步實現(xiàn)輿情監(jiān)控和事件預(yù)警功能。多維數(shù)據(jù)融合是充分利用多源數(shù)據(jù)的互補性和計算機的高速運算與智能來提高結(jié)果信息的質(zhì)量。包含有人流管控、交通熱力圖等應(yīng)用。同時，預(yù)警的另一個方向，利用行為大數(shù)據(jù)來預(yù)判潛在犯罪，在具體技術(shù)涉及對人物目標特征和行為識別、分析，以及目標歷史數(shù)據(jù)的線性研判方面，也有很大進步。安防大數(shù)據(jù)的多維數(shù)據(jù)融合應(yīng)用初步成熟，邊緣端和中心端的結(jié)合應(yīng)用使安防大數(shù)據(jù)的實用性有了強大進步。從技術(shù)發(fā)展水平和未來方向看，“大智能”在中心端，“小智能”在邊緣是長期趨勢。

AI芯片發(fā)展構(gòu)建智能應(yīng)用基礎(chǔ)

安防智能化時代，芯片是構(gòu)建智能安防產(chǎn)業(yè)鏈的第一環(huán)。芯片技術(shù)的突破實現(xiàn)了安防產(chǎn)業(yè)的智能化，基于芯片設(shè)計的AI計算加速卡、模組等，在智能分析應(yīng)用中更能發(fā)揮巨大的作用，基于PCIE的多芯片互聯(lián)，更易于橫向擴展和支持大規(guī)模數(shù)據(jù)中心。AI芯片、加速卡、模組為工業(yè)自動化、安防智能化、機器人、智慧城市、軍工和航空航天等應(yīng)用提供可操作的洞察力。

縱觀整個芯片市場，頂層依然是Nvidia、Intel得天下。而針對安防監(jiān)控市場，視頻編解碼芯片被集中于SoC系統(tǒng)級芯片之上，基于芯片開發(fā)的模組、加速卡在國內(nèi)的芯片產(chǎn)業(yè)中發(fā)展迅速，并在安防行業(yè)應(yīng)用廣泛，從終端IPC到邊緣端、云端，AI芯片及集成產(chǎn)品發(fā)展如日中天?？梢哉f，中國芯片產(chǎn)業(yè)崛起幾乎是板上釘釘?shù)氖聝骸?/p>

從需求市場來看，憑借行業(yè)內(nèi)快速增長的優(yōu)勢，AI芯片發(fā)產(chǎn)業(yè)發(fā)展的機遇已經(jīng)到來，傳統(tǒng)市場可能認為安防芯片的主導(dǎo)權(quán)掌握在國外公司手中。但是，隨著近幾年智能安防的飛速發(fā)展，國產(chǎn)安防監(jiān)控芯片在技術(shù)水平上與國外先進產(chǎn)品已相差無幾，并且在性價比上明顯占優(yōu)。隨著安防智能化的深入，高技術(shù)含量的深度學(xué)習芯片進入到安防領(lǐng)域中，這為國產(chǎn)芯片廠商提供了突破的方向。

未來，AI 勢必將改變安防，賦予安防系統(tǒng)更加智能化，自動化處理視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)，讓整個社會更安全、更有秩序，而要實現(xiàn)這樣的轉(zhuǎn)變則有賴于行業(yè)上下游的通力配合。上游AI芯片即成為了構(gòu)建智能安防的第一環(huán)，具有創(chuàng)新性、性價比高的AI芯片必將成為成功選擇的基石。

基礎(chǔ)零部件軟件走向集成化、場景定制化

從2018年開始，智能安防應(yīng)用的底層零組件就開始趨向系統(tǒng)化、集成化，同時也在提升監(jiān)控系統(tǒng)本身的硬件系統(tǒng)整體性能。AI芯片、傳感器等基礎(chǔ)硬件和算法軟件集成化，讓產(chǎn)品可以根據(jù)不同業(yè)務(wù)算法進行定制化開發(fā)。當前AI芯片廠商已經(jīng)在朝著算力和算法集成的方向進行研發(fā)，也就是根據(jù)特定場景算法來設(shè)計AI芯片架構(gòu)，以更高效的應(yīng)用于場景業(yè)務(wù)。

在以視覺為核心的安防監(jiān)控系統(tǒng)中，CMOS圖像傳感器是核心角色。為了更好的AI智能應(yīng)用，CMOS圖像傳感器從成像設(shè)計上需要做針對性的改善。從這幾年來成像技術(shù)廠商推出的安防專用CMOS傳感器產(chǎn)品來看，由于需要考慮到場景環(huán)境、光照、氣溫等各種因素的影響，監(jiān)控用CMOS圖像傳感器的設(shè)計也開始進入到“場景定制化”階段，不同的應(yīng)用場景所適用的產(chǎn)品不一而同。

除了將多樣化的智能算法灌注到傳感器器件外，也可以同時植入到AI芯片中封裝。隨著視覺類AI算法的深度學(xué)習計算逐步從云端部署擴展到邊緣部署，邊緣的設(shè)備比云端多1-2個數(shù)量級，業(yè)內(nèi)對邊緣AI計算硬件的需求快速升溫，需要具有高算力、低功耗、接口豐富的芯片、模組、板卡等方案來替代原來的CPU、GPU方案?？梢哉f，隨著AI技術(shù)的應(yīng)用及普及，在大數(shù)據(jù)及深度學(xué)習的要求下，安防對CPU及GPU的硬件要求逐步提升，基礎(chǔ)零部件的集成化、定制化應(yīng)用需求逐漸成為發(fā)展趨勢。

責任編輯：lq