【智慧城市網(wǎng) 行業(yè)動(dòng)態(tài)】最近十年以來，人工智能技術(shù)已成為各傳統(tǒng)行業(yè)自我革新、提高效能的重要推手。AI賦能各個(gè)產(chǎn)業(yè)，成為了國家戰(zhàn)略。在以視頻監(jiān)控為主要應(yīng)用的安防行業(yè)，AI技術(shù)迅速落地，讓海量的視頻數(shù)據(jù)發(fā)揮了更大的價(jià)值，催生出更多更強(qiáng)大的智能產(chǎn)品，為安防行業(yè)賦予了前所未有的驅(qū)動(dòng)力。本文從應(yīng)用，算力和算法三個(gè)方面，對已經(jīng)深度融入安防行業(yè)的AI技術(shù)發(fā)展進(jìn)行分析。
AI+安防之應(yīng)用：智能場景多樣化與智能需求精細(xì)化趨勢明顯，軟件解決方案將成為主流
之所以把AI+安防之應(yīng)用放在首篇，是想強(qiáng)調(diào)AI能順利落地安防行業(yè)，是由其應(yīng)用本質(zhì)所決定的。社會(huì)安全是城市建設(shè)以及國家發(fā)展的根本性決定因素，該領(lǐng)域?qū)π录夹g(shù)的迫切需求超越了其他行業(yè)。
而隨著安防數(shù)字化、網(wǎng)絡(luò)化的發(fā)展，視頻監(jiān)控系統(tǒng)的規(guī)模日益擴(kuò)大，監(jiān)控?cái)?shù)據(jù)量迅速增加，包含的信息數(shù)據(jù)更加豐富，已經(jīng)超出了人力所能管理的范圍，必須要依賴先進(jìn)的AI算法和強(qiáng)大的算力，進(jìn)行各類海量數(shù)據(jù)的智能化分析，因此，安防行業(yè)的智能化轉(zhuǎn)型是技術(shù)發(fā)展的必經(jīng)之路，勢在必行。
在智慧城市、智能交通等各大安防應(yīng)用場景中，對重點(diǎn)目標(biāo)，如人員和車輛，進(jìn)行特征分析，并且完成數(shù)據(jù)的結(jié)構(gòu)化，是人工智能技術(shù)最為成熟的應(yīng)用。特別是在面向政府(ToG)的各個(gè)大型安防城市項(xiàng)目中，人臉識(shí)別、車牌識(shí)別、視頻結(jié)構(gòu)化等典型AI算法已成為標(biāo)配，產(chǎn)生了良好的社會(huì)效益。這些頭部應(yīng)用的成功，使得人們對人工智能技術(shù)在安防各行業(yè)的拓廣有了更多想象和試驗(yàn)的空間，行業(yè)期望在更多的社會(huì)場景中，如政法、城管、校園、醫(yī)院、工地、景區(qū)等等，全面推廣AI，能夠完全代替人工，大幅提高生產(chǎn)力。
另一方面，安防行業(yè)在傳統(tǒng)上就是一個(gè)具有長尾效應(yīng)的碎片化市場，強(qiáng)調(diào)個(gè)性化與客戶需求， 大到城市宏觀治理，小到單元樓宇監(jiān)控，應(yīng)用場景復(fù)雜多變, 不同應(yīng)用下的安防側(cè)重點(diǎn)大相徑庭，場景碎片化局面形成已久。因此，智能的泛化需求疊加在碎片化的場景之上，使得當(dāng)前各細(xì)分安防市場的AI應(yīng)用層出不窮，呈現(xiàn)出了百花齊放的局面。
不僅如此，在每個(gè)AI+安防的應(yīng)用實(shí)踐中，我們所需要的智能功能已經(jīng)越來越細(xì)，例如，在一個(gè)復(fù)雜的人像平臺(tái)中，不僅要做大規(guī)模的人臉識(shí)別，還要有各類人臉的屬性分析，以及人臉飾物的檢測識(shí)別，還會(huì)增加對人體特征的提取和人體比對、人員再識(shí)別的應(yīng)用；不僅有人員衣著的分析，還要給出人員行為姿態(tài)描述；
在一個(gè)車輛分析系統(tǒng)中，不僅需要對車輛，車型，車色等基本屬性的分析，更增加了對車內(nèi)飾物，駕乘人員，非機(jī)動(dòng)車各種屬性，是否載人等多種特征的分析；
又如在城市精細(xì)化運(yùn)營的應(yīng)用需求中，要求運(yùn)用AI分析技術(shù)，對垃圾溢出、井蓋異常、游攤經(jīng)營、亂掛衣物、廣告屏損壞、路面破損、道路積水、施工占道等多種環(huán)境秩序問題進(jìn)行細(xì)化檢測。
這些對感興趣目標(biāo)的細(xì)致入微的分析，提供了更多，更精準(zhǔn)的人員與車輛個(gè)體，和環(huán)境特征的刻畫，大大拓寬了AI在各種實(shí)際應(yīng)用的技戰(zhàn)術(shù)方法。
面對精細(xì)化和碎片化的AI應(yīng)用，安防廠商普遍期待的AI安防項(xiàng)目標(biāo)準(zhǔn)化變得更為困難和不切實(shí)際，非標(biāo)準(zhǔn)的安防項(xiàng)目整體研發(fā)和執(zhí)行周期長、產(chǎn)品和服務(wù)方案的復(fù)用率低，項(xiàng)目成本高，特別是大規(guī)模應(yīng)用時(shí)，由于AI算法本身也還在持續(xù)不斷的迭代，算法更新更延長了交付時(shí)間和運(yùn)維成本。因此，通過軟件解決，由軟件來定義安防產(chǎn)品，已經(jīng)成為了明顯的趨勢。
相比硬件而言，軟件具有高可擴(kuò)展性，可持續(xù)集成，可持續(xù)部署的應(yīng)用優(yōu)勢。首先，在系統(tǒng)層面，安防廠家應(yīng)盡可能將AI產(chǎn)品設(shè)定成通用平臺(tái)+定制化開發(fā)的模式。
其次，要真正實(shí)現(xiàn)新的AI應(yīng)用和平臺(tái)脫鉤，實(shí)現(xiàn)算法版本的不斷迭代，而不影響整體智能平臺(tái)的正常運(yùn)維，需采用更加先進(jìn)的軟件設(shè)計(jì)架構(gòu)，如當(dāng)前流行的微服務(wù)架構(gòu)，通過將功能分解到各個(gè)離散的服務(wù)中，實(shí)現(xiàn)對整體AI解決方案的解耦，降低系統(tǒng)的耦合性，并提供更加靈活的服務(wù)支持；
最后，圍繞安防業(yè)務(wù)領(lǐng)域組件，來創(chuàng)建各定制化的AI應(yīng)用，這些AI微服務(wù)可獨(dú)立地進(jìn)行開發(fā)、管理和迭代。通過容器的方式，在通用平臺(tái)中部署、管理和服務(wù)功能，使產(chǎn)品交付變得更加簡單。
AI+安防之算力：研發(fā)自主可控的AI芯片，國產(chǎn)化算力替代勢在必行
AI智能化水平的提高依賴于算力的快速增長，而AI算力的基本載體是一顆顆高度集成的芯片。隨著以AI+安防為代表的智能應(yīng)用不斷推廣，AI算力需求平均三四個(gè)月就會(huì)翻一番，已經(jīng)遠(yuǎn)超芯片集成摩爾定律的增長速度，在已經(jīng)與AI深度融合的安防行業(yè)中，AI芯片的快速迭代需求尤為迫切。
而另一方面，近年來美國企圖遏制我國科技產(chǎn)業(yè)的發(fā)展，對華實(shí)施技術(shù)封鎖，已經(jīng)斷供了我國各大安防龍頭企業(yè)的芯片供給；特別是美國對我國上游國產(chǎn)芯片生產(chǎn)企業(yè)的直接制裁，使得國內(nèi)安防芯片的生產(chǎn)中斷，各下游安防企業(yè)處于無芯可用的困難局面；
在此背景下，研發(fā)生產(chǎn)自主可控的AI芯片，保障AI芯片供給，關(guān)乎著我國安防行業(yè)的命脈，已經(jīng)成為當(dāng)前AI+安防最重要的課題之一。
現(xiàn)代化的安防終端設(shè)備上所使用的AI芯片用量極大，以智能網(wǎng)絡(luò)攝像機(jī)內(nèi)的核心SoC為例，根據(jù)IHS相關(guān)數(shù)據(jù)估算，2020年安防SoC芯片市場規(guī)模約為31億元，2023年有望達(dá)到42億元，年復(fù)合增長率為13.4%。在國外芯片斷供，國內(nèi)龍頭芯片生產(chǎn)企業(yè)受禁的當(dāng)下，國內(nèi)各芯片廠家均看到了這一廣闊真空地帶，快速推出了多款具備AI算力的安防SoC芯片；大量的創(chuàng)投資本涌入，也孕育出若干頗具潛力的安防芯片公司，一時(shí)間國產(chǎn)安防終端芯片出現(xiàn)了熙熙攘攘的繁榮局面。
但是，SoC系統(tǒng)芯片設(shè)計(jì)復(fù)雜，集成度極高，在單顆SoC芯片內(nèi)除了具有一定算力的AI加速引擎之外，還集成了視頻采集，ISP，編碼器，DSP等多種不同的功能組件，每個(gè)組件均必須具備出色的性能，才能構(gòu)成一顆優(yōu)質(zhì)的SoC系統(tǒng)芯片。此外，如此復(fù)雜的芯片，又受限于端側(cè)芯片的封裝面積，功耗和散熱的限制，需要28nm以下，甚至是7-10nm的先進(jìn)半導(dǎo)體工藝，這些對半導(dǎo)體設(shè)計(jì)企業(yè)提出了極高要求。不僅如此，AI加速引擎的軟件工具配套，需要大量的軟件開發(fā)人員，相應(yīng)的設(shè)計(jì)廠家還必須具有高超的軟件設(shè)計(jì)能力。
目前來看，國產(chǎn)終端側(cè)AI芯片，良莠不齊，在AI算力提供上，介于0.5Tops到8Tops之間，差別很大；各功能組件依賴與IP設(shè)計(jì)提供商，不具備對安防場景的定制化能力，缺少直接有力的技術(shù)支持；AI加速引擎的軟件工具鏈均不完善，對深度學(xué)習(xí)網(wǎng)絡(luò)的量化和優(yōu)化支持不足，各廠家的加速引擎開發(fā)軟件也完全不具備通用性。諸多問題，不僅使得AI算法在端側(cè)的開發(fā)周期遲滯，部署實(shí)現(xiàn)困難，甚至出現(xiàn)了AI迭代產(chǎn)品的各項(xiàng)性能指標(biāo)倒退的狀況。
在智能云側(cè)的AI芯片，則以通用圖形處理器(GPU)為算力代表，作為橫跨圖像顯示、視覺計(jì)算和人工智能計(jì)算的通用平臺(tái)，GPU擁有巨大的市場前景；特別是隨著人工智能技術(shù)的發(fā)展，GPU作為AI核心算力基礎(chǔ)，在科學(xué)計(jì)算、自動(dòng)駕駛、智能分析、大數(shù)據(jù)等云端計(jì)算領(lǐng)域有著海量的應(yīng)用空間。目前，國產(chǎn)GPU芯片設(shè)計(jì)廠家也不斷涌現(xiàn)出來，正招兵買馬，力求替代國外先進(jìn)GPU芯片算力。
盡管如此，目前的國產(chǎn)GPU雖然可滿足目前大多數(shù)圖形應(yīng)用需求，但在科學(xué)計(jì)算、人工智能方面仍然和國外領(lǐng)先水平存在較大差距，特別是國際上GPU的領(lǐng)頭企業(yè)已經(jīng)對AI算力的開發(fā)生態(tài)耕耘多年，很多深度學(xué)習(xí)的加速庫都是基于其底層加速，并且是與其特定硬件深度綁定，這成為了國內(nèi)新興GPU公司難以撼動(dòng)的壁壘。GPU芯片的競爭不僅僅是簡單的半導(dǎo)體設(shè)計(jì)之爭，更是AI算力的生態(tài)之爭。國產(chǎn)AI芯片企業(yè)在努力提升產(chǎn)品性能同時(shí)，更需關(guān)注芯片生態(tài)的建設(shè)和完善，在進(jìn)行GPU芯片推廣時(shí)，不僅要強(qiáng)調(diào)芯片的高超性能，還要強(qiáng)調(diào)對應(yīng)AI支撐軟件的易用性，兼容性和可移植性。
由上可見，無論是在邊端還是云端，國產(chǎn)AI芯片的開發(fā)設(shè)計(jì)還任重道遠(yuǎn), 其軟硬件基礎(chǔ)技術(shù)在功能、性能、成熟度等方面與國外同類型產(chǎn)品存在一定的差距，生態(tài)尚不完善。
當(dāng)前，全球半導(dǎo)體產(chǎn)業(yè)供應(yīng)鏈的局勢仍然異常緊張，部分安防芯片供應(yīng)短缺影響，安防設(shè)備普遍漲價(jià)，業(yè)內(nèi)人士估計(jì)這一周期將會(huì)延續(xù)到2022年底，這一深刻教訓(xùn)已經(jīng)警示我們，忽視對制造業(yè)的關(guān)鍵領(lǐng)域中核心科技的掌握，必然受制于人，行業(yè)的持續(xù)性健康發(fā)展難以為繼。我們必須在AI芯片方向迎頭趕上，加大投入，快馬加鞭，實(shí)現(xiàn)國產(chǎn)化算力的真正替代。
目前，國家各有關(guān)部門正大力推進(jìn)各個(gè)信息技術(shù)應(yīng)用創(chuàng)新(信創(chuàng))項(xiàng)目，信創(chuàng)產(chǎn)業(yè)發(fā)展是一項(xiàng)國家戰(zhàn)略，也是當(dāng)今形勢下對國家經(jīng)濟(jì)發(fā)展的重要保障。各信創(chuàng)項(xiàng)目從國產(chǎn)化的人工智能、云計(jì)算、軟硬件安全等方面推進(jìn)行業(yè)的創(chuàng)新發(fā)展，提升信息安全管理的技術(shù)防護(hù)能力，已經(jīng)成為促進(jìn)安防行業(yè)產(chǎn)業(yè)鏈平穩(wěn)有序發(fā)展的關(guān)鍵。安防行業(yè)各廠家必須盡快擁抱信創(chuàng)項(xiàng)目，大量開發(fā)、采購和使用信息技術(shù)應(yīng)用創(chuàng)新名錄中的廠家的人工智能設(shè)備，從根本上擺脫AI算力對國外技術(shù)和產(chǎn)品的依賴。
AI+安防之算法：向低層次圖像處理拓展，向小樣本自訓(xùn)練延伸
人工智能算法是AI+安防的根本原動(dòng)力。我們可以按低層次，中層次，和高層次三個(gè)級(jí)別對AI算法在安防中的應(yīng)用進(jìn)行分類：
低層次的AI算法，主要對監(jiān)控視頻圖像在像素級(jí)別進(jìn)行各種加工修復(fù)，以改善視覺效果、突出有用信息，或是通過有效編碼以減少對其所需存儲(chǔ)空間或傳輸帶寬的要求；
中等層次的AI算法，主要對視頻圖像中感興趣的目標(biāo)進(jìn)行檢測、分割和分析，從而建立對感興趣目標(biāo)的客觀描述；
而高層次的AI算法，則是在中級(jí)AI算法的基礎(chǔ)上，進(jìn)一步研究視頻圖像中各目標(biāo)的性質(zhì)和它們之間相互的聯(lián)系，得出對視頻圖像內(nèi)容含義的解釋，從而真正達(dá)到智能理解場景，指導(dǎo)人工行動(dòng)的目的。
過去大量的AI+安防算法，主要集中于中高層次的圖像分析與理解而忽視了低層次圖像處理這一方向；
但是，視頻圖像中的豐富信息，能否準(zhǔn)確完整的呈現(xiàn)給用戶，一直是以視頻為主要信息載體的安防應(yīng)用的根本追求。例如，視頻監(jiān)控成像受限于環(huán)境光線，在白天可以提供清晰、色彩還原度高的影像，然而在低光照的夜間環(huán)境下成像質(zhì)量大幅下降，而夜間卻正是*分子作案的高發(fā)時(shí)段，所以低照成像技術(shù)是安防應(yīng)用的關(guān)鍵點(diǎn)。
近兩年來，低層次AI圖像增強(qiáng)、超分、恢復(fù)等算法，已經(jīng)開始得到了業(yè)界的重視。如最近出現(xiàn)的AI超微光算法，就是針對這一低層次圖像處理要求，運(yùn)用神經(jīng)網(wǎng)絡(luò)完成輸入圖像到輸出圖像端到端的非線性映射，通過對應(yīng)用場景目標(biāo)圖像要求的提煉，針對性的進(jìn)行數(shù)學(xué)建模，在提升圖像亮度的同時(shí)，還能充分還原物體顏色與紋理等細(xì)節(jié)信息，完全革新了傳統(tǒng)夜視監(jiān)控產(chǎn)品的成像技術(shù)；又如由AI加持的ISP技術(shù)，已經(jīng)在多個(gè)安防廠商的產(chǎn)品中開始出現(xiàn)，并且開始在芯片設(shè)計(jì)層面逐步替代傳統(tǒng)ISP算法鏈；此外，利用AI算法進(jìn)行編碼器的性能和壓縮比優(yōu)化，也是近來學(xué)術(shù)界和工業(yè)界研究的一大熱點(diǎn)。
需要指出的是，這些底層的AI 算法，需要進(jìn)行大量的圖像數(shù)據(jù)計(jì)算，因此，正是近年來邊緣側(cè)算力的巨大提升，推動(dòng)了低層次AI算法在安防行業(yè)的爆發(fā)。
另一個(gè)安防智能算法發(fā)展的趨勢，是力圖擺脫對大規(guī)模海量數(shù)據(jù)的依賴。毫無疑問，基于深度學(xué)習(xí)的現(xiàn)代人工智能算法，在原理上需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練。但是，隨著公眾對隱私認(rèn)知的提高，我國對于個(gè)人信息的保護(hù)力度不斷加大，先后密集出臺(tái)了一系列的法律法規(guī)、國家標(biāo)準(zhǔn)文件以及其他規(guī)范性文件，以前各安防廠家對數(shù)據(jù)予取予求的狀況已經(jīng)不復(fù)存在。
而與此同時(shí)，由于場景的碎片化和需求的廣泛化，對特定數(shù)據(jù)的大量采集和標(biāo)定，一則需要大量的人力物力，二則需要漫長的數(shù)據(jù)準(zhǔn)備和清洗時(shí)間，這與和希望敏捷部署的AI應(yīng)用需求格格不入。因此，是否能僅利用少量帶標(biāo)簽的數(shù)據(jù)來訓(xùn)練得到一個(gè)可用的深度學(xué)習(xí)模型，已經(jīng)成為AI算法能否在安防行業(yè)進(jìn)一步深入發(fā)展的重要問題，引起了學(xué)術(shù)界和工業(yè)界的高度關(guān)注。目前，學(xué)術(shù)界中較為前沿的小樣本學(xué)習(xí)，弱監(jiān)督學(xué)習(xí)與自監(jiān)督學(xué)習(xí)方向，均已經(jīng)開始在各安防AI算法中率先得到應(yīng)用，各種不依賴海量數(shù)據(jù)訓(xùn)練模型的方法正被大量試驗(yàn)；例如，可利用先驗(yàn)知識(shí)來增強(qiáng)監(jiān)督數(shù)據(jù)；可利用先驗(yàn)知識(shí)來縮小模型假設(shè)空間的大小；或是利用先驗(yàn)知識(shí)來改進(jìn)最優(yōu)假設(shè)搜索等等，這些新的AI算法思路，都已成為各安防廠家重點(diǎn)研究的對象。
為了進(jìn)一步減少對數(shù)據(jù)，特別是敏感數(shù)據(jù)的需求，在AI算法的工程部署上，不少安防廠家也提出了另一種新的思路，就是設(shè)計(jì)一個(gè)自學(xué)習(xí)平臺(tái)，與只用少量樣本訓(xùn)練完成的AI算法，一同部署到用戶現(xiàn)場；在現(xiàn)場，直接利用自學(xué)習(xí)平臺(tái)和敏感的用戶數(shù)據(jù)，閉環(huán)進(jìn)行學(xué)習(xí)，持續(xù)對算法進(jìn)行迭代，這一方案，即避免了數(shù)據(jù)的無序泄露，又能保證算法對現(xiàn)場實(shí)際場景的適應(yīng)性，正逐漸得到部分對數(shù)據(jù)安全要求極高的用戶的認(rèn)可。
總結(jié)
安防行業(yè)作為AI最先得到廣泛應(yīng)用的領(lǐng)域，經(jīng)過這幾年的迅猛發(fā)展，已經(jīng)進(jìn)入了一個(gè)穩(wěn)健的成熟期?？梢钥吹?，AI產(chǎn)品已是諸多安防項(xiàng)目中的基本配置，沒有AI的視頻監(jiān)控系統(tǒng)基本被淘汰，另一方面，AI+安防所面臨的技術(shù)挑戰(zhàn)和困難也非常嚴(yán)峻，需要所有的產(chǎn)業(yè)上下游人員一起努力，順利完成繼高清化和網(wǎng)絡(luò)化之后的第三次安防技術(shù)變革。
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號(hào)
移動(dòng)版
