2015年，由中國安防協會組織編撰了中國安防行業“十三五”發展規劃，從戰略、政策法規、“平安建設”推進、產業發展、市場應用、技術創新、行業發展、行業管理、問題和不足以及國內外等方面對中國安防行業的發展現狀和發展環境進行了全*位、系統性的分析，高屋建瓴的提出了安防行業“十三五”發展目標和具體的措施建議，為中國安防行業發展指明了方向，規劃了路線。“十三五”已步入尾聲，徐玉波多年從事人工智能、機器視覺技術創新應用工作，就這一方面對“十三五”期間的發展做一個粗淺的回顧與分析，供同行批評指正。
一、機器視覺技術發展與應用遠超規劃預期
“十三五”規劃在發展目標中提出“深入研究和應用人工智能、機器視覺等前沿技術并取得若干突破”；在措施與建議中提出要推動“機器視覺、語音識別、生物特征識別、安保機器人等關鍵技術的突破，提升智能技術在安防各領域的實戰應用和效能”和視頻結構化等智能化應用。從實際發展情況來看，在機器視覺技術突破和應用方面應該說是超出了“十三五”規劃時的預期。
以人像識別為代表的機器視覺技術在安防領域的應用在“十三五”期間得到了飛速的發展。早在2013年，徐玉波作為公安科技顧問參與某城市軌道交通安防系統的設計，就提出了利用人像識別技術來進行布控追逃的思路并得到了主管單位的認可，為此分別在2014、2015和2016年先后組織了三次現場技術測試，邀請了國內的企業和團隊參與測試，前兩次測試結果沒有得到主管單位的認可，直到2016年，邀請到依圖、商湯、曠視等人工智能新秀參與測試，測試結果與前兩次相比有了質的提升，管理單位很滿意。后來在實際運行中，在短短的半個月時間內就先后比中并抓獲在逃人員十多名，引起了轟動。在這段時間內，各地也都在開展動態人像識別布控系統的試點應用，均取得了不少成效，從而掀起了一波動態人像識別布控系統的建設高潮。
隨著人像卡口建設數量的不斷增多，單靠人像比對布控已無法發揮其應用價值，投入產出比越來越低。2018年，人像特征關聯聚類技術出現，在不依賴人臉比對庫的前提下，把同一個人在不同時間、地點拍攝到的人像進行聚類歸檔，生成基于虛擬身份的時空軌跡庫，為公安機關提供直觀、真實、有價值的基于“人”的時空軌跡大數據，參與到警務大數據應用，取得了很好的實戰效果。人像聚類技術的突破*地推動了人像卡口的大規模布建，截止到2020年6月份，某東部省份的人像卡口建設規模已接近十萬路。
在視頻結構化方面，基于人體、車輛(機動車/非機動車)和行為特征的識別技術在日間和較好照度環境下已達到實用化程度，也超出了規劃中僅僅基于視頻結構化描述的“語義視頻監控系統”的預期，基于人體、車輛目標特征的模糊比對的準確率有了突破性的進展，更接近于實戰。
借鑒人臉特征聚類，基于目標特征模糊比對技術的人體特征聚類技術也有了突破，通過人臉+人體的特征關聯聚類，把人臉卡口和常規監控圖像數據融合在一起，在實戰中發揮出了更大的威力。
在算力方面，除了在GPU上不斷提升優化運算效率外，國產AI芯片的開發上也有了很大的突破，投身到AI芯片設計的企業有30余家，華為海思、寒武紀、深鑒、百度等以及安防AI四小龍也都已經推出或即將推出不同架構的AI芯片，涵蓋云端與邊緣、訓練和推理，多數基于ASIC架構，在運算效率、功耗、成本等方面有明顯的優勢，從而推動了AI在各應用場景的快速落地和規模化部署。
機器視覺的云端計算已具規模，但邊緣計算能力還有待提升。目前邊緣計算還主要以人臉檢測和抓拍攝像機為主，受限于邊緣計算的成本、功耗等因素，在計算能力和識別精度還有很大的發展空間。
二、安防AI行業發展異軍突起
隨著深度學習的再次興起，恰巧在“十三五”期間，人工智能在范圍全面爆發，來勢洶洶，勢不可擋。2016年(有說2017)被稱為AI元年，“十三五”也就順理成章的成為的AI的“一五”。在這個“一五”年里，資本市場在AI產業投入巨大，是自互聯網產業后的又一次大規模產業投資。2017年，*印發《新一代人工智能發展規劃》，2017年11月，為充分發揮人工智能企業、研究機構的示范作用，*分別依托科大訊飛(智能語音)、阿里巴巴(城市大腦)、騰訊(醫療影像)、百度(自動駕駛)四家企業推出了首批新一代人工智能開放創新平臺；2018年7月，依托商湯科技建立了智能視覺開放創新平臺；2019年8月，*印發《新一代人工智能開放創新平臺建設工作指引》，先后又有10家企業入圍，從政策引導層面對人工智能行業發展起到了*推動作用。
國內人工智能技術首先在安防領域得到快速普及和應用，特別是人像識別技術在公共安全領域內成為熱點，“平安”“天網”“雪亮”工程從“補點、補空、補盲”向“補臉、補腦、補智”轉變。除了傳統的安防企業和互聯網企業大舉進入AI產業外，也產生了一大批人工智能獨角獸企業，的有公認的機器視覺算法領域的AI四小龍—商湯、依圖、曠視、云從，還有寒武紀、深鑒、地平線等AI芯片獨角獸企業。
在安防AI產業領域，可分為四大陣營：一是包括AI四小龍和寒武紀、深鑒、地平線等AI芯片類公司在內的AI新興企業，二是海大宇為代表的傳統安防企業，三是BAT為代表的互聯網企業，四是以華為、紫光為代表的通信類企業。從“十三五”期間各自競爭與合作態勢來看，這幾大陣營之間既有競爭也有合作。在競爭層面，AI新興企業之間、傳統安防企業之間以及新興企業與傳統安防企業之間的競爭尤為激烈；而在其它陣營之間，合作大于競爭，如互聯網巨頭阿里巴巴先后投資了曠視、依圖和商湯三家獨角獸企業，華為也以“黑土地”戰略與算法企業之間存在著良好的合作關系。
四大陣營在安防市場的競爭也體現出不同的方向和側重點——以BAT為代表的AI企業主要從智慧城市項目入手來撬動安防市場，以AI四小龍為代表的新興企業則以算法賦能安防行業各應用場景，以華為、紫光為代表的通信類企業則以提供多算法融合的通用化算力調度平臺為主，傳統安防企業則以提供從前端邊緣智能設備到云端AI解析運算平臺的全面解決方案為主。AI四小龍之一的商湯科技依托其自主原創的深度學習框架逐漸從算法賦能向平臺賦能轉型，幫助政府打造集模型訓練到視覺解析的城市級智能視覺中樞系統，已經走出了一條獨特的道路。
三、機器視覺為安防產業帶來新的市場增長點
“十二五”期間，由于技術更新迭代慢，傳統的安防需求幾近飽和，安防產業發展增長放緩。“雪亮”工程的啟動雖然為安防行業帶來一波市場機會，但在具體建設過程中往往是重數量考核指標，輕產品和建設質量，造成安防企業之間的低技術層次的競爭。機器視覺——尤其是人像識別技術的快速發展和應用為安防產業帶來了新的市場增長點，以東部某經濟發達城市為例，在2018年以前，歷經平安城市、天網工程和雪亮工程建設積累，全市公安自建的視頻監控點位只有4萬路左右，但在2018和2019兩年時間，新增人像卡口的建設數量就達到2萬路之多，僅前端點位和存儲系統建設投入就達數億元；基于人像卡口數據，建設了市縣兩級人像識別與大數據系統，軟硬件總投資上億元。
筆者從各地公安機關了解到，雪亮工程的建設都在重點圍繞人像識別和視頻結構化等智能視覺技術應用來展開。從智慧城市、城市大腦等政府層面的信息化系統建設情況來看，也把“視覺神經中樞”作為建設的重點，為各政府職能部門和視頻圖像智能化應用提供算法算力和數據支撐。
四、機器視覺安防行業進入了一個新時代
如前所述，傳統安防僅僅致力于解決“看得見、看得清、查得到”的問題，大量的視頻監控還需要人來解決“看得懂”的問題。歷經多年的平安城市、天網工程和雪亮工程的建設，城市公共安全視頻監控的覆蓋密度已經達到了接近飽和程度，除了個別區域補點補盲、城市發展規劃和設備故障帶來的局部增量外，已經缺乏大規模的建設需求基礎，傳統安防產業的發展已經遇到了天花板。反而過去積累的存量視頻監控圖像數據資源需要盤活，現有的監控設備需要升級換代。在這樣的需求背景下，機器視覺技術的出現為安防行業帶來了生機，通過機器來解決“看得懂”的問題，催生了兩個增量市場——一是對現有存量視頻圖像的云端視覺解析，二是對前端監控設備的智能化升級。
在現有的算力條件下，由于對視頻的解碼和解析需要龐大的算力資源支撐，以業界通用的NVIDATeslaP4卡算力來看，單卡大可支持30路左右的1080P監控圖像的解析處理能力，按照1萬路監控規模來計算，需要300多塊GPU卡，折合80余臺GPU服務器。如果支持目標特征模糊比對，還需要增加20臺特征比對服務器，同時也對視頻網絡傳輸帶來*的壓力。因此對存量視頻圖像的云端視覺解析只能解決部分問題，或者說只能作為一個工具，在需要時才對與案件相關的監控錄像進行解析處理。假如要對全量的視頻圖像進行解析，做到隨查隨有，就必須采用云+邊的策略——即利用邊緣計算來檢測提取所關注的目標并進行粗略解析，再通過云端計算來進行精細化特征解析和比對。這樣就同時催生了兩個增量市場，安防行業進入一個新的時代。
五、未來展望
從技術發展和市場需求態勢來看，未來安防領域機器視覺的發展將呈現以下兩個方面的特點：
一是邊緣計算將成為主流。隨著機器視覺ASIC芯片的技術突破，算力不斷提升、耗電和成本不斷降低，未來的邊緣設備智能化程度和普及率將越來越高。預計在“十四五”末，經濟較發達城市的公共安全視頻監控設備的智能化率將超過80%，邊緣智能設備預計可以承擔80%以上的計算任務。
二是算法模型訓練將從“象牙塔”走到“田間地頭”。機器視覺，算法是核心，數據是基礎，算力是加速器。目前算法的產生主要來源于“象牙塔“——人工智能實驗室，由于實驗室遠離實際應用場景，造成算法模型場景適應能力差、迭代周期長等缺點。隨著深度學習平臺和算法訓練的專業化程度不斷降低，預計到“十四五”末，算法模型訓練將更靠近應用場景側，和算法應用一起將成為城市和行業機器視覺中樞的標配雙引擎。
原標題：“十三五” 安防領域機器視覺發展回顧與展望
我來評論
昵稱 驗證碼 請輸入正確驗證碼
所有評論僅代表網友意見，與本站立場無關。