AI前端的落地應用現狀與發展趨勢

□ 文/杜秀龍 李世研

AI是未來，是幾乎所有行業的未來。然而，在不同的行業，都會遇到AI的場景化、算法準確度、解決方案等諸多瓶頸，而唯一能打破瓶頸的就是需求的迫切程度。AI與安防的結合并非偶然，這是趨勢使然，因為安防對音視頻需求的天生特點，促使了AI落地，必然安防先行。因此AI+安防越來越引起公眾的關注，尤其是在智慧城市應用中，如公安、交通、民用等領域，第一批建設已經在如火如荼地展開，再加上華為、阿里、百度互聯網巨頭企業的參與，讓行業競爭更為白熱化。安防是眼睛，越雪亮、越安全，AI是跳動的心臟，是思考的智慧核心，越智能、越有活力。AI+安防的落地應用已成為各家必爭之地。

AI前端落地應用現狀

縱觀安防歷史，我們經歷了這樣幾個時代，2006年以前的模擬時代，2006-2016年的數字時代，2016年之后的智能時代，AI為安防開啟了新的紀元。

我們通過一組數據來證實AI是如何為安防賦能的。拒不完全統計，目前全國約有2億攝像頭，總計存儲容量超過400000PB，約1億塊硬盤。傳統安防架構在這樣的情況下會捉襟見肘，首先存儲成本非常高，未經過結構化原始視頻數據占據了大量的硬盤空間，存儲成本高昂；其次數據可讀性差，原始視頻查找大多需要人工參與；第三取證難度大，在海量的素材中找到敏感錄像幾乎是災難性的。大家熟知的周克華案，調用了1500名民警，在18萬小時的錄像中查找線索，破案耗時45天，這是傳統安防架構的弊端，也給我們帶來很多思考，安防光靠震懾和取證是不夠的，需要在信息采集的同時進行分析，通過“主動布防+主動告警+業務聯動”來完善處理鏈條，提高視頻監控的效率。同樣的一個實例，在云南某公安局，采用AI+安防架構的視頻監控系統，7月24日布控了嫌疑人照片，7月25日即通過天地偉業的人臉識別卡口發現嫌疑人，及時同時民警，順利實現抓捕，從案發到破案不到一天的時間。

▲天地偉業AI人臉識別卡口發現嫌疑人的界面

▲天地偉業球機觀察到的抓捕現場畫面

這是AI前端應用的一個小小縮影，從事后查證到主動預警，AI賦予系統新的能力。

AI前端重點的分析對象無非就是人和車，涉及到身份識別和行為識別，這是要解決問題的主線，要通過視頻主動分析明確“是誰在做什么事兒”，將違規的行為進行第一時間準確判斷，并聯動預警。

現階段，AI技術落地于視頻領域，在廠家的積極推進中已進入產業化，感知智能時代已來臨。車的識別技術突破后，視頻領域又迎來了人臉識別技術的突破，通過應用于實際場景，引領視頻監控建設與發展的新趨勢。以智慧城市為例，2015年，九部委高屋建瓴提出16字建設方針：“全域覆蓋、全網共享、全時可用、全程可控”，指導平安城市向有序、高效的方向發展。從平安城市視頻監控體系來看，國標聯網互聯互通的視頻專網建設階段已進入了智能視頻網的建設階段，基于新技術、新規劃、新標準，平安城市正式開啟4.0時代：智能應用階段。主要應用包括：

人體分析：人臉識別、體態識別、人體特征提取等；

圖像分析：視頻質量診斷、視頻摘要分析等；

車輛分析：車牌識別、車輛識別、車輛特征提取等；

行為分析：目標跟蹤監測、異常行為分析等。

人是城市的主體，基于“人”的AI應用必是主角。目前人臉識別、人流量統計、人體屬性分析等技術已經開始落地應用，其中以人臉識別需求更為旺盛。基于低成本、低功耗、標準化的產品策略，延伸出更多的應用。

現在正在刮起的AI風之于智能網絡攝像機，到底是噱頭還是未來，需要從用戶的角度出發，真正做到實用化、體系化、多業務融合，才能讓這股風吹得更久，勁兒更大。實用化：這一點主要是針對各廠家對AI智能的數據宣傳，“單畫面抓取100個人臉、每幀識別30個人臉，每天1億人臉建模，支持人臉角度側臉45°、千億數據秒級檢索、50米外人臉識別、人臉抓取率99.5%、十億庫一秒比對、百億人/秒人臉識別比對，800路實時視頻結構化”，讓人充滿了對邊緣AI的無限遐想，但實際上，能否適應更多的場景，能否穩定實現所宣傳的指標，大家心里還是打鼓的。體系化：除了個別民用領域之外，前端設備從來沒有單獨使用的，一定會配合平臺實現更為細分的業務，所以智能要成體系，從軟件到硬件，從前端到后端，同時配合公安、智慧、政法等業務平臺實現大數據的處理。多業務融合：好的系統一定是將優勢模塊進行有效的整合，如將智能AI與超星光、熱成像技術融合，實現低照或無光下的高精度識別；與聲光警戒技術融合，實現主動預警，將危險消滅在萌芽狀態；與深度學習算法融合，模擬人的神經網絡，通過不斷學習，提高傳統算法的準確行，并且解決傳統算法識別種類少、場景受限的問題。

▲深度學習與超星光技術融合，實現超低照度識別

隨著安防近幾年產業結構的調整安防廠家硬件技術的進步和快速推廣為AI向安防行業滲透提供了先天的有利條件。通過近一兩年的探索，一批優秀的安防生產廠家如海康威視、天地偉業等將人工智能技術應用于安防行業，并開發出交通卡口、人臉布控、警戒系統、案情分析等多種垂直應用功能。

隨著各大安防廠家對人工智能持續的產業化應用，以人工智能算法為主要形式的安防智能化已呈爆發式增長。從2016年下半年開始，政府類安防監控項目中人工智能功能從無到有，占比懸殊擴大。此外從項目形式上講，PPP訂單有條不紊的持續推進，全國范圍內的智能化平安城市建設將成為安防行業的重要發力點，AI將成為安防企業下一階段的核心競爭力。

前端AI與后端AI

AI與傳統安防的結合方式包括：視頻+AI、數據+AI、視頻+數據+AI。

視頻+AI主要是邊緣端產品，也就是前端AI，對視頻進行深度學習分析，形成抽象、歸納、分析的結果，對人、車、物等進行智能化判斷，隨著智能芯片成本的降低和深度學習算法的日漸成熟，前端算力逐漸增強，因為其部署靈活、運算節點分散等特點，可以極大拓寬智能的空間廣度；數據+AI主要是邊緣域產品，如NVR、綜合管理一體機、集中存儲等、智能服務器等，有的基于視頻流對視頻進行智能提取，有的可以通過對前端抓拍的圖片進行二次比對分析，得出最后的結果，目前應用最為廣泛的就是前端抓拍+后端識別的這種協同模式，人臉識別、結構化等應用皆如此。視頻+數據+AI，主要只云端的應用，不僅識別出結果，還要基于時間、空間進行場景化落地應用，給出狀況分析、態勢分析、綜合信息分析等研判數據。

AI算力部署在前端還是后端與使用環境、點位數量、智能高低等都有關系。當涉及的智能點位較多時，前端AI+后端AI的協同模式最為合適，這種方案經濟型更高，前端檢測與抓拍，將目標簡化，后端進行識別、比對、結構化等進一步的分析，這樣前端可以分擔很多后端的算力壓力，同樣算力的后端可以接入更多的前端點位。在立舊項目中，主要采用后端AI的模式，這樣前端點位部署無需變化，后端直接分析視頻流，但是這種方式單路智能的成本較高。點位不多的情況下，可以采用前端AI+后端管理的方式，如前端人臉識別、前端結構化，這樣后端只需具備一定的數據管理能力就可以，沒有算力要求，系統架構相對簡單，此外，近兩年華為、阿里等也在推進軟件定義攝像機的落地，這讓前端AI的適應能力和可塑性更強，讓前端AI又有了新的活力和生存空間。

AI前端應用案例解析

AI應用：行人闖紅燈

提起“中國式”過馬路，你會想到什么？“湊一堆”就往前走、對機動車“視而不見”、影響城市形象、困擾城市交通的頑疾……

近日，天津市和平區南京路營口道交叉口上線的“電子警察'抓拍行人闖紅燈系統將這些問題一并解決。這套系統為天津市試運行第一套，此交叉口地處商業區，周邊交通流量大，行人無視紅燈造成的交通事故時有發生。但系統上線運行后，行人闖紅燈會被抓拍，并被識別出身份，實時上傳至行人闖紅燈曝光屏進行公告。

交警部門還將在'行人闖紅燈曝光臺'顯示屏進行公布，其內容為違法者的違法地點、抓拍時間和違法行為的照片，提示當事人盡快接受調查處理。屬地交警大隊將根據比對出的當事人信息進行告知，當事人現場或前往交警部門接受調查處理，相關信息將會從曝光臺撤下。對于不接受調查處理的當事人及多次闖紅燈的違法當事人納入誠信記錄。

這是AI實戰落地的典型應用。通過人臉識別攝像機，快速提取人臉特征，生成特征值，同時與數據庫中二代身份證的照片進行動態比對，當識別準確率超過90%時，即比對成功，確定闖紅燈人員身份，同時聯動大屏報警顯示，一整套流程無縫連接，以場景為依托，對行人闖紅燈行為進行有力震懾和警示。

▲實景智慧+AI

AI不僅是一個獨立的概念，更多地是帶動整個視頻產品鏈條的發展，如天地推出的實景指揮系統與AI的融合應用。

▲天地實景智慧系統界面

視頻即地圖

系統通過全景拼接攝像機采集360°全景畫面，可以覆蓋周圍幾公里的區域，但它不僅僅是看看視頻，而是用它當作地圖，通過AR增強現實技術，對視頻畫面中的建筑物、道路、重點目標、移動終端、方位方向進行信息標注和動態顯示，融合視頻/圖片/文字等信息，提供靜態標簽和動態標簽，可快速檢索和實時定位。實時推送數據到對應的標簽，直接查詢區域內的商場、酒店、學校、醫院等詳細信息（樓層分布、從業人員等），便于應急指揮決策。

可以高低聯動

高點做整體態勢分析，聯動低點的治安監控、人臉抓拍、車輛識別等，直觀、便捷。還可以動定結合，顯示單兵的視頻和警力的分布，不再通過蹩腳的界面找半天，更利于應急指揮。還具有地名、單位名、乃至樓層的綜合查詢。可對接移動單兵設備，通過映射GPS坐標，實時顯示低點移動終端的當前位置，掌握警員具體信息和現場實況情況，進行警力快速精準調度。

多維感知

結合人臉布控、車輛卡口等智能分析系統，將重點人員、目標車輛等警情信息在實景指揮系統中直觀展示輔助決策，便于領導掌握宏觀態勢，提高指揮決策效率。與人臉布控、車輛卡口系統的報警比對信息實時聯動，可回放警情位置的錄像，可快速調看周邊低點攝像機，準確圍堵。

大可以到城市的一個區域，小可以到大家的家門口，隨心所欲。這套系統，是目前業務最好用的實景智慧平臺。

AI前端的應用前景與趨勢

協同分析，云邊融合

面向各個城市級復雜應用系統，相互難以共享的垂直系統依然存在，但在數據融合走向應用協同的趨勢下，視頻因其非結構化數據、不間斷傳輸、海量存儲、實時響應、動態監控跟蹤等特性，需要云計算、結構化智能、大數據存儲、物聯網等不同技術綜合使用，這就是所謂的云邊融合

隨著前端相機清晰度提高、可拍攝距離增大，回傳的數據量也越來越大，將全部數據回傳云端分析會遇到網絡傳輸壓力、實時性要求達不到、準確性降低等問題。“云+邊緣”的邊緣計算解決方案，把AI算力注入邊緣，提升AI服務器的響應速度，也大幅降低了網絡運營成本。云邊結合的趨勢下，前端智能芯片迎來更大機會。通過在網絡攝像頭上添加人工智能芯片，前端攝像頭可以實時對視頻數據進行結構化處理。

智能下沉，AI普及

公安部門屬于比較高端的市場，但從歷史來看，都是從政府這邊去切入，然后成熟之后再往民用方向普及，隨著AI成熟度的進一步加強，很多安防產品已經開始逐步下沉到更多細分的民用場景，如社區、學校、工業園區、智能家居等，這也是智慧應用的一部分。受益于安防領域深度學習算法的快速發展，智能安防已經得到了越來越廣泛的應用。面對安防視頻產品下游的需求，運營服務將有較大的市場空間。

結語

安防系統的建設趨勢，那就是全覆蓋、多融合、大共享、深應用。尤其在近兩年的的安博會上，紛紛攘攘都在講，但是大家看下來又覺得有些支離破碎，技術特點比較明顯，我們概括為ABC，也就是AI人工智能、大數據、云。ABC缺一不可，雖然AI前端目前在局部上小有成就，但是要做到“全域覆蓋、全網共享、全時可用、全程可控”，還有一定差距。AI+安防，未來向好，市場前景不可估量！