你的位置:首页 > 新闻动态

浅谈安防江湖之变局

2019-01-21

如今,再说起安防江湖风云,貌似多少有些老生常谈,但小编对安防江湖倒有不同见解,今日闲暇,还望一吐为快。
2018年,AI时代下的安防圈看似格外喧器,关于传统安防大厂PK新创四小龙、BAT华为“下海”、中美贸易摩擦、业绩下滑等话题被圈内外人士津津乐道,乐此不疲,俨然已经成为人们茶余饭后的谈资。   
如今,再说起安防江湖风云,貌似多少有些老生常谈,但小编对安防江湖倒有不同见解,今日闲暇,还望一吐为快。   
市场变局,无非是新技术变革或巨头争锋导致矩阵变化,因此,笔者仅从技术和市场两个角度试做一番分析。
技术:AI被“捧杀”
近年来,AI对安防产业的催化作用,业界有目共睹,特别是刚刚过去的2018年,可以称得上是AI落地元年,随着AI产品化、工程化等商业价值逐渐显现,更坚定了安防企业和外入者对AI安防化的执念。
业界皆知,安防产业经历从模拟到数字、然后从标清到高清化、智能化的变迁。不可置否,人工智能将成为新一轮安防产业变革的新驱动力,正在持续释放的巨大能量, 为产业链的各个环节都带来了新的发展机遇,使安防产业进入真正的智能安防时代。那么AI技术真的能给安防产业带来巨大的价值吗?或者说人工智能普及化还有多远?
首先看下何为人工智能?根据百度释义,人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器人。人工智能是由算力(芯片)、算法(模块)和数据(场景应用)这三大因素构成,同时也是驱动人工智能商业化落地的三驾马车,三者缺一不可。而这轮人工智能浪潮能够真正在商业中应用落地的技术主要包括语音识别和机器视觉,就安防领域来讲,主要表现为智能视频分析的应用,也就是机器视觉技术应用,涉及到人脸/人体、车牌、周界入侵等方面的芯片和算法技术。
从产品方面来看,AI技术贯穿安防产业链的前端摄像头和后端中控系统/云,也就是说,AI既可以在前端做,也可以在后端做。在前端的“AI+摄像头”环节中,即可以选择将算法模块直接嵌入到视频监控SoC芯片中,同时也可以将通用的视觉处理器应用到摄像头内,另外也可以通过连接外设模块,将原有的摄像机AI化;在“AI+后端”环节,即是利用后端服务器的计算能力来处理采集到的前端视频信息,当前来看,由于安防数据安全和实时响应需求,前端智能越来越受宠。不过,在一些复杂应用场景,前端智能和后端智能相结合是未来AI技术应用趋势。
现阶段,人脸识别和车牌识别技术最为成熟,大部分企业人脸无异常识别率可达到95%以上,而车牌识别率可达到99%,可以说,这两项技术基本可以满足实际场景应用需求,因此其应用也最为广泛。在写字楼、公寓/酒店、社区等门禁通行领域,人脸识别可谓已经遍地开花,一度造成AI繁盛的幻想。
不过,根据实测结果来看,在戴口罩、帽子、眼镜、胡子以及特殊表情等异常人脸识别比对方面,就算是技术领先企业推出的前端智能设备,识别率基本仅保持80%左右,应用价值大打折扣。
而且,实际上来讲,人脸识别仅是最基础、最简单的AI技术,技术门槛极低,应用场景也十分有限,因为视频信息除了人脸还有人体特征、行为、微表情等复杂的识别分析,这也是AI算法中最难的技术环节,当前这些技术的表现差强人意,技术上有很大的提升空间,而且很多场景应用价值也有待深挖。
在车牌识别领域,当前无论是复杂的车牌还是车身颜色、车牌颜色、车标、驾驶员行为等特征识别都已经基本成熟。而且前端设备人脸和周界、人脸和车辆、车辆和周界的集成已经实现,头部企业还可以实现一机多用,但是,各类算法的融合方面不足,而且,在对处于干扰中的车牌进行识别,识别率更是大失所望。
而且,安防智能化的比例还比较低,所谓的智能化能做的事情也很少,主要就是人脸识别,以及一些行人和机动车、非机动车的简单属性识别等。当前大部分安防企业对于AI技术的应用还处于接受尝试的阶段,AI摄像机的普及率相当低。据权威数据显示,AI摄像机所占比较仅为1%,智能安防应用规模不足5%。超过90%的市场份额仍被传统安防占据。
究其原因,主要是AI前端价格过高,据了解,1台AI摄像机的价格几乎相当于4台普通摄像机,而且负载复杂计算能力的后端服务器,成本更是昂贵。对于公安、交通等政府渠道来讲,更追求产品性能和应用价值,价格因素影响不大,但是对于商用、民用领域中小企业来讲,则是一笔不菲的投入,何时能够规模化替换,还有待商榷,而且这一块领域占比远高于政府渠道。
最值得一提的,有些场景应用,其AI应用价值远远高于其投入成本,可以说是得不偿失,甚至有些场景根本不需要智能摄像机,普通摄像机即能满足场景应用需求,但是一些厂商极尽吹嘘AI价值,用户为了赶时髦,赶鸭似的上架AI各类产品,结果却适得其反。
笔者认为,AI确实可以给安防产业带来巨大的市场,但从当前来看,AI则处于被企业大肆捧杀阶段,存在巨大的泡沫。鉴于深度学习对于模型训练的大量数据要求,AI技术的提升依赖于海量视频数据的自我训练,而这需要很长时期的积累和自我提炼,而且,由于安防应用场景的碎片化特征以及客户的定制化需求,AI产品化和工程化仍然是道阻且长。作为企业,应该看透泡沫的幻象,坐怀不乱,脚踏实地。