2017年人工智能行业发展做面临的挑战分析

　　人工智能最早始于20世纪50年代中期，之后数十年发展起起伏伏。80年代末随着人工神经网络研究的兴起，人工智能进入一个新的阶段。近年深度学习在人工神经网络优化方面获得突破，使得机器辅助成为可能，拓展了人工智能的应用领域。

人工智能发展历程

资料来源：公开资料整理

人工智能芯片发展历程

资料来源：公开资料整理

　　包括硬件产品、软件和服务在内的全球人工智能相关产值将在2020年以前达到3千亿美元。人工智能产业链中的硬件装置包含了核心元件处理器、高速运算、网路通讯产品，个人终端产品、家庭装置、虚拟现实和增强现实相关产品、无人机、机器人、自动驾驶等，这些硬件都融入了深度学习网络，采用GPU和大数据等技术，在未来几年内将快速推动人工智能的发展速度。2008年约有1,000万个节点连接GPU，这个数字在2015年增长到1,000亿个，人工智能渗透到电子科技领域的进展迅速！

　　安防视频监控产生海量数据，约占大数据总量60%，并且99%都是非结构化的视频数据，这些数据需要结构化处理后才能进一步使用。海量数据结构化后需要进一步深度学习，帮助传统安防实现从“看清”到“看懂”，从事后查找到事前预防/决策和事中报警的智能化过程。然而当前时点，安防面临：1）数据烟囱现象严重；2）升级扩容难度大；3）智能化程度不足；4）数据利用效率低四大问题，极大阻碍行业继续发展和智慧城市平安城市建设。

SDT时代面临四大问题

资料来源：公开资料整理

　　安防行业产生海量数据，视频占大数据总量高达60%。随着视频监控点位越来越多，从最初的几千路，到几万路，甚至到几十万路的规模，被大量布置在各个行业各个区域的监控系统都会产生实时的海量数据，例如视频监控、RFID、GPS、门禁系统等，如何对这些数据进行有效处理并加以利用至关重要。以北京为例，政府及各公共部门所属摄像头就多于200万路，每天产生的录像以年计大约5000多年；其次还有多类型的图片数据，约有1亿以上多类型的图片数据；再有1亿以上的门禁数据，100亿WifiI探针等。

　　安防行业99%以上的数据是非结构化数据，难以直接被计算机处理。视频监控系统产生的海量的视频或图片均为非结构化或半结构化数据，这类数据均不能有效地被计算机处理。如何将视频或图片中的内容进行结构化提取，需要智能前后端硬件和算法结合。

结构化数据和非结构化数据

　　智能分析有效减少存储空间，缓解带宽压力。目前监控系统中，存储和传输问题是首要面临的难关，大量无用视频信息被存储、传输，既浪费了存储空间又增加了带宽，智能分析的目的是减少存储空间，从而缓解带宽压力。对有用信息结构化处理，对无用视频则采用低码流方式进行压缩或传输，更方便整套系统调查或查询使用，提升监控系统的应用价值。

　　大数据利用率不足0.4%，大量数据资源被浪费。井喷式的数据产生，使得即使将非结构化数据转变为结构化数据后，仍会产生庞大的数据堆积而使其无法被便捷使用，导致数据利用效率低下、智能化程度不足、数据烟囱等问题。据统计，当前我国对大数据的利用率不足0.4%，极大量的数据被尘封、丢弃。例如交通数据，各区域、部门间数据相互隔绝，以及各交通设施的缺乏统一规划等，大量数据未联网，使得数据无法被整合发挥其应有的价值。

　　受传统算法及芯片技术的制约，智能安防的发展长期停步不前。随着高清、网络摄像头逐渐普及，深度学习硬件架构和算法也需取得突破，以对目标进行识别，对物体进行检测，对场景进行分割，对人物和车辆属性进行分析。在2016年北京安博会上，深度学习被视为突破当前难题的关键，技术的突进也让安防不再停留在解决用户安全防范的需求，朝着更快、更广的领域延伸，视频被赋予了更多的价值。

安防行业最需要与人工智能结合

资料来源：公开资料整理

　　政策助力、技术突破，安防智能化万事俱备

　　顶层设计，人工智能被首次写入政府工作报告和十三五规划。今年两会期间，人工智能首次被写入政府工作报告，并且之前已经被写入十三五规划中，我们认为政府将牵头，逐步破解一个个互不相连的“信息孤岛”和“数据烟囱”，除涉及国家安全、商业秘密、个人隐私外，其他数据和信息都有望向社会开放。

安防智能化需要具备的四大能力

资料来源：公开资料整理

　　技术突破推动视频数据结构化进程。近年来计算机视觉、图像处理、模式识别、深度学习等人工智能技术取得突破，奠定了视频数据结构化和安防智能化的基础。视频结构化可以分为三个步骤：目标检测、目标跟踪和目标属性提取。

视频数据结构化过程

资料来源：公开资料整理

　　智能视频监控设备的实现方式有两种，前端智能和后端智能。两种智能分析方式最大的区别在于前者是利用前端摄像机自身的芯片和算法进行计算，而后者则是利用后端计算机软硬件方式进行分析。

前端智能vs后端智能

资料来源：公开资料整理

　　安防模式识别技术主要包括身份识别、轨迹识别和环境判断补偿识别等。身份识别包括人脸识别、车牌号识别、车辆类型识别、船只识别、红绿灯识别等等。识别类的智能监控技术，最关键的要求就是识别的准确率，最好在98%以上;轨迹识别主要包括虚拟警戒线、虚拟警戒区域、智能跟踪、人数统计、车流统计、物体出现和消失、人员突然奔跑、人员突然聚集等等;环境判断补偿识主要包括雨、雪、大雾等恶劣天气、夜间低照度情况、摄像头遮挡或偏移、摄像头抖动等。

三大智能视频监控技术

资料来源：公开资料整理