人工智能最早始于20世紀50年代中期，之后數(shù)十年發(fā)展起起伏伏。80年代末隨著人工神經網絡研究的興起，人工智能進入一個新的階段。近年深度學習在人工神經網絡優(yōu)化方面獲得突破，使得機器輔助成為可能，拓展了人工智能的應用領域。

人工智能發(fā)展歷程

資料來源：公開資料整理

人工智能芯片發(fā)展歷程

資料來源：公開資料整理

　　包括硬件產品、軟件和服務在內的全球人工智能相關產值將在2020年以前達到3千億美元。人工智能產業(yè)鏈中的硬件裝置包含了核心元件處理器、高速運算、網路通訊產品，個人終端產品、家庭裝置、虛擬現(xiàn)實和增強現(xiàn)實相關產品、無人機、機器人、自動駕駛等，這些硬件都融入了深度學習網絡，采用GPU和大數(shù)據(jù)等技術，在未來幾年內將快速推動人工智能的發(fā)展速度。2008年約有1,000萬個節(jié)點連接GPU，這個數(shù)字在2015年增長到1,000億個，人工智能滲透到電子科技領域的進展迅速！

　　安防視頻監(jiān)控產生海量數(shù)據(jù)，約占大數(shù)據(jù)總量60%，并且99%都是非結構化的視頻數(shù)據(jù)，這些數(shù)據(jù)需要結構化處理后才能進一步使用。海量數(shù)據(jù)結構化后需要進一步深度學習，幫助傳統(tǒng)安防實現(xiàn)從“看清”到“看懂”，從事后查找到事前預防/決策和事中報警的智能化過程。然而當前時點，安防面臨：1）數(shù)據(jù)煙囪現(xiàn)象嚴重；2）升級擴容難度大；3）智能化程度不足；4）數(shù)據(jù)利用效率低四大問題，極大阻礙行業(yè)繼續(xù)發(fā)展和智慧城市平安城市建設。

SDT時代面臨四大問題

資料來源：公開資料整理

　　安防行業(yè)產生海量數(shù)據(jù)，視頻占大數(shù)據(jù)總量高達60%。隨著視頻監(jiān)控點位越來越多，從最初的幾千路，到幾萬路，甚至到幾十萬路的規(guī)模，被大量布置在各個行業(yè)各個區(qū)域的監(jiān)控系統(tǒng)都會產生實時的海量數(shù)據(jù)，例如視頻監(jiān)控、RFID、GPS、門禁系統(tǒng)等，如何對這些數(shù)據(jù)進行有效處理并加以利用至關重要。以北京為例，政府及各公共部門所屬攝像頭就多于200萬路，每天產生的錄像以年計大約5000多年；其次還有多類型的圖片數(shù)據(jù)，約有1億以上多類型的圖片數(shù)據(jù)；再有1億以上的門禁數(shù)據(jù)，100億WifiI探針等。

　　安防行業(yè)99%以上的數(shù)據(jù)是非結構化數(shù)據(jù)，難以直接被計算機處理。視頻監(jiān)控系統(tǒng)產生的海量的視頻或圖片均為非結構化或半結構化數(shù)據(jù)，這類數(shù)據(jù)均不能有效地被計算機處理。如何將視頻或圖片中的內容進行結構化提取，需要智能前后端硬件和算法結合。

結構化數(shù)據(jù)和非結構化數(shù)據(jù)

　　智能分析有效減少存儲空間，緩解帶寬壓力。目前監(jiān)控系統(tǒng)中，存儲和傳輸問題是首要面臨的難關，大量無用視頻信息被存儲、傳輸，既浪費了存儲空間又增加了帶寬，智能分析的目的是減少存儲空間，從而緩解帶寬壓力。對有用信息結構化處理，對無用視頻則采用低碼流方式進行壓縮或傳輸，更方便整套系統(tǒng)調查或查詢使用，提升監(jiān)控系統(tǒng)的應用價值。

　　大數(shù)據(jù)利用率不足0.4%，大量數(shù)據(jù)資源被浪費。井噴式的數(shù)據(jù)產生，使得即使將非結構化數(shù)據(jù)轉變?yōu)榻Y構化數(shù)據(jù)后，仍會產生龐大的數(shù)據(jù)堆積而使其無法被便捷使用，導致數(shù)據(jù)利用效率低下、智能化程度不足、數(shù)據(jù)煙囪等問題。據(jù)統(tǒng)計，當前我國對大數(shù)據(jù)的利用率不足0.4%，極大量的數(shù)據(jù)被塵封、丟棄。例如交通數(shù)據(jù)，各區(qū)域、部門間數(shù)據(jù)相互隔絕，以及各交通設施的缺乏統(tǒng)一規(guī)劃等，大量數(shù)據(jù)未聯(lián)網，使得數(shù)據(jù)無法被整合發(fā)揮其應有的價值。

　　受傳統(tǒng)算法及芯片技術的制約，智能安防的發(fā)展長期停步不前。隨著高清、網絡攝像頭逐漸普及，深度學習硬件架構和算法也需取得突破，以對目標進行識別，對物體進行檢測，對場景進行分割，對人物和車輛屬性進行分析。在2016年北京安博會上，深度學習被視為突破當前難題的關鍵，技術的突進也讓安防不再停留在解決用戶安全防范的需求，朝著更快、更廣的領域延伸，視頻被賦予了更多的價值。

安防行業(yè)最需要與人工智能結合

資料來源：公開資料整理

　　政策助力、技術突破，安防智能化萬事俱備

　　頂層設計，人工智能被首次寫入政府工作報告和十三五規(guī)劃。今年兩會期間，人工智能首次被寫入政府工作報告，并且之前已經被寫入十三五規(guī)劃中，我們認為政府將牽頭，逐步破解一個個互不相連的“信息孤島”和“數(shù)據(jù)煙囪”，除涉及國家安全、商業(yè)秘密、個人隱私外，其他數(shù)據(jù)和信息都有望向社會開放。

安防智能化需要具備的四大能力

資料來源：公開資料整理

　　技術突破推動視頻數(shù)據(jù)結構化進程。近年來計算機視覺、圖像處理、模式識別、深度學習等人工智能技術取得突破，奠定了視頻數(shù)據(jù)結構化和安防智能化的基礎。視頻結構化可以分為三個步驟：目標檢測、目標跟蹤和目標屬性提取。

視頻數(shù)據(jù)結構化過程

資料來源：公開資料整理

　　智能視頻監(jiān)控設備的實現(xiàn)方式有兩種，前端智能和后端智能。兩種智能分析方式最大的區(qū)別在于前者是利用前端攝像機自身的芯片和算法進行計算，而后者則是利用后端計算機軟硬件方式進行分析。

前端智能vs后端智能

資料來源：公開資料整理

　　安防模式識別技術主要包括身份識別、軌跡識別和環(huán)境判斷補償識別等。身份識別包括人臉識別、車牌號識別、車輛類型識別、船只識別、紅綠燈識別等等。識別類的智能監(jiān)控技術，最關鍵的要求就是識別的準確率，最好在98%以上;軌跡識別主要包括虛擬警戒線、虛擬警戒區(qū)域、智能跟蹤、人數(shù)統(tǒng)計、車流統(tǒng)計、物體出現(xiàn)和消失、人員突然奔跑、人員突然聚集等等;環(huán)境判斷補償識主要包括雨、雪、大霧等惡劣天氣、夜間低照度情況、攝像頭遮擋或偏移、攝像頭抖動等。

三大智能視頻監(jiān)控技術

資料來源：公開資料整理