AI安防落助力智能应用和态势监控需求

AI安防落助力智能应用和态势监控需求

可见，安防市场对智能，一直有渴望。何为智能，难一概而论，不像高清有明确技术标准。

正由于概念的不固化，智能在不同时期有特定价值。用发展的眼光看当下的智能，才合适。于是，二个问题浮出，为什么行业需要智能，需要什么样的智能，也就是说，智能应有的模样与合适落脚方式。

盛世下，说安防，最绕不开的热词，便是智能。

2020，新十年的开启，智能安防也有了新的征途。蜕变与变革，是这场征途的真实写照。

瞄准智能世界，智能安防增量巨大

说智能世界，或许还远，或许也近。“罗马非一日建成”，智能世界是一个体系变革，瞄准智能世界，建设步伐需一步一个脚印。而智能世界与智能安防，息息相关。同时，2020新基建成风口，风口之下，皆为商机。

从大势上看：安平行业仍是智能安防主战场。预测到2025年，安平领域全球约50$亿市场空间。在这里，传统安防头部企业“死磕”；安防新贵们相继将以战略级来此攻城拔寨；AI初创企业以“城市大脑”形成中枢到端侧征战布局；还有诸多以平台+行为分析的新进企业都在安平领域，一争高下也寸土不让。

交通行业智能需求仅次于安平，这一细分市场蛋糕也分外诱人。从2016年起对车辆属性识别成为主流应用，最近智能非现场执*、全息路口、高速公路自由流收费都是智能安在交通的新体验。

到2025年，泛园区市场的智能化市场可参与空间达到113$亿，约占总空间的42%，其中在行业园区、智慧商业都有较大的可参与空间。而其他行业也在智能加持下遍地开花。智能在安防，“千树万树梨花开”。

千行百业，构成世界，千行百业智能化，就是智能世界，对于智能安防如何掘金“新蓝海”，又是一段征程。

这时代，智能应有的模样

智能是一发展物，进入AI安防的下半场，智能开始质变，这源于技术本身，也源于市场驱动。

如果将算力简单理解为计算能力，那么算法就是解决问题的方法。以前，传统摄像机或者伪智能产品，面对复杂场景，束手无策，难以胜任用户个性化需求等，这些其实就是算法瓶颈问题。在超强算力支持下，算法也越发成熟。

在AI安防下半场，算法就是服务场景来做落地应用，并以此形成智能安防解决方案，只有在场景不断丰富和应用不断深入，更多成熟可用算法才可融入到业务应用中。如平安城市，业务需求早已从单一的管控到城市治理阶段。

此外，如果一个硬件只有一种算法，或者说硬件植入的算法不能延展，那对于智能安防将是一个桎梏。因为一个智能算法需要大量数据进行训练和标注，智能安防场景千千万，而且还需应对全天候。华为之所以要做HoloSens Store简单理解就是让工程项目从算法加载到场景应用，无缝连接。只需要在HoloSens Store网站上选择自己的设备型号和场景需求，就能匹配到合适、高质量的算法，一键部署到设备上。

智能与数据，就如同智能高清是个组合词，谁都离不开谁。

总之，进入AI下半场，智能安防需要强算力做基础支撑，算力看似够用其实是开发利用程度远未达到市场所期；算法方面应能按需加载，一机适配多重算法；在智能力方面应该会思考，而不是仅仅识别就是智能的全部。从被动防御到主动预防，这是这个时代给予智能安防现实课题。华为智能安防ICAN智能指数之所以备受行业关注与热议，就是因为重构了安防行业的智能想象，也为智能在安防做出了循序渐进的规划。在这个指数中，AI安防下半场不再是停留于描述级的智能，而是在诊断级和预测级智能力方面，做自我进提升与进化。

AI安防落脚点，智能前置

安防全面进入智能时代，已成共识。但，长久以来，智能向前，还是往后，是行业辩题。当时间来到2020，进入AI安防下半场后，前后之争，答案已见分晓。

从市场数据看，2019相较于2018，前端智能化增速极为明显，占比增长100%；在细分市场，安平和交通前端智能化渗透率*优，新建市场占比10%，其他行业前端智能化占比3%。

智能在安防，无非两种解决方案，前端智能还是后端智能。前端智能化，就是将AI功能集成到智能摄像机，对视频数据做结构化或半结构化处理，并将处理结果移至后端。

当下时代，前端智能，优势凸显：

其一，智能世界需要万物感知，而智能摄像机就是绝佳“抓手”和“眼睛”。华为认为，智能摄像机本身就是全息感知的HUB，将各类传感信息汇入分析，赋予摄像机不再是单一的功能节点，它将会成为连接世界的万物感知中心节点。

前端智能的低延时感知特性，在智能业务实时性高的场景，前端智能秒级实时响应，可以直接采集人脸、车牌等关键信息和交通违章检测、防区入侵检测等动态场景的分析处理，帮助客户高效抽取视频中关键信息，形成算法融合和实时联动；对于视频感知，前端智能提供*致图像，提高提高智能识别率，降低智能安防的漏抓误报；提升效率后，前端智能场景适配性和适应性更优，裸数据分析，智能识别率更高。

正是由于前端智能可以在端侧进行各种智能分析，对各种异常现象报警，可以及时给中心信息提示，以便用户可以及时做出相应反应。从传统的事后查阅录像到事中及时响应，可以大大提高智能的事前能力。

其三，降低带宽与存储空间。在后端做智能，无论视频流是直接从前端获取还是从流媒体服务器转发，都会相应增加带宽消耗。随着智能摄像机点位不断增多，带宽占用将成比例增加，容易造成传输系统的压力。而前端智能只是将分析结构传输至后端，占用带宽资源较少。同时，前端智能无需将视频数据远程压缩传输，可以为后端提供更高清、高质量的现场画面，更出色的成像效果也大大提升了后端资源利用率，节省中心部署空间。

以华为HoloSens SDC为例来看，具备高性价比，在算力利用率和机房空间上压缩成本。由于前端智能减少传输带宽，交通流量摄像机只需流量信息，无需视频和图片数据，客流流量摄像机，也只是提供流量信息，不产生其他数据。

其四，AI要大规模落地做应用，工程方面的问题不得不考虑，这意味着场景需求的准确定义和算法叠加的不断进步，来解决碎片化问题。华为HoloSens SDC和HoloSens Store应运而生，旧项目如何对接新项目，甚至是变旧为新是工程商们关心之事。

之前也提到，AI算力普惠到普通摄像机可以通过算力分配和算法的动态加载让其适应智能场景。华为智能安防在普惠AI，智能1拖N摄像机就是为了将非智能产品进行智能化改造；前不久颠覆传统的华为“四无”生态型新款摄像机问世，再一次将行业关注目光重新聚焦于前端智能化。

所谓“四无”生态，即无电、无网、无光和无现场运维，对于工程安装几乎不可能实现的场景，对于水利、能源等场景具有极强的适应性。

共生之道：前后协同智能更高效

诚然，前端智能是大势所趋，但在云边端构架中，智能的前与后，二者不是对立关系，更多是协同。这利于各自发挥所长，补己之短，让智能更为高效：数据碰撞，多维数据碰撞，创造更大价值；集群联网：通过大规模集群，构建超级算力与超级存储；资源共享：共享数据信息，打破信息孤岛。华为机器视觉倡导全栈智能，就是此意。如此，安防在AI世界才能闯荡出别样的精彩。

2020，进入AI安防下半场，前端智能是“智”同道合后的行业共识。智能，让安防“变大”，让世界“变小”。        责任编辑:pj