2017年已經成為歷史，對于這一年筆者最大的感受有兩個：一是新疆安防市場爆發，粗略估計市場份額超過全國的六分之一，而且新疆所使用的一些視頻監控設備和技術不比其他省市差，間接帶動了國內安防市場的發展；二是AI引爆了整個安博會以及整個安防行業，AI+安防趨勢明顯。在AI的風口下，本文將試圖規整2017年視頻監控的一些發展變化以及感觸。

 

　　一、視頻監控進入看得懂時代

 

　　視頻監控發展了30多年，已經解決看得見的問題，并加快步伐過渡到看得清的階段。到了2017年在AI的熱潮下，視頻監控進入了看得懂的時代，我們把這個時代稱之為“新技術時代”。具體來看，2017年的視頻監控可以用下圖1進行總結。前端的最大變化，多了一級視頻結構化處理的設備，這在以前的視頻監控系統架構中很難看到，現在已經成為主流的配置；其次是攝像機的構成中多了視頻芯片（包括AI芯片），使得攝像機更加智能，把視頻監控推向了看得懂的階段。從后端總結來看，視頻監控系統基本上已經出現了行業的領頭羊公司，也就是目前網絡界的贏者通吃的格局（當然在新技術時代，這種格局或將會被打破），系統集成商也逐漸形成了穩定的格局，在公安、交通、金融等領域出現了專業的垂直領域的大型SI，這些 SI為了擁有一定的競爭力，逐漸向前端延伸并擁有了自有技術和產品，規模和能力都上了新臺階；而視頻監控的設備制造商同樣也有進軍集成市場的，他們憑著強大的資金實力和話語權，逐步切入大型集成項目（以部分大型PPP項目為代表）。這樣的格局估計會在短期內維持一段時間。但在新經濟時代，我們需要更加宏觀的視野和高度來關注產業的發展、世界的格局，才能行走得更穩更遠。

 

　　二、視頻監控生態鏈的變革

 

　　目前視頻監控已不再局限于安防市場，就圖像識別而言擴大了就是計算機視覺，從計算機視覺的角度去看，整個產業鏈就會變為基礎支撐層、技術層和應用層?；A支撐層包含了新式的攝像機、新式的訓練方法和算法框架，可以是軟件的也可以是硬件的；技術層面，視頻監控已不局限于監視、錄像、回放三大功能，而向字符識別、人臉識別、車牌識別、物體識別等方向發展，技術發生了巨大的改變；基于基礎層和技術層，應用層也發生巨大的變化，智能安防、以圖搜圖、三維分析、醫療影像都會成為可能。這種產業鏈的變革是在更加宏觀的視野下才可以清晰觀察到。

 

 

 

　　三 、摩爾定律被打破

 

　　隨著行業的快速發展，一些業務的摩爾定律逐漸失效。比如以前要投資10億美元耗時幾年的芯片，現在2-4周就可以設計出來，甚至設計芯片就像搭積木，由專業的團隊提供設計工作，便有專業的代工廠（比如臺積電、日月光）可以生產，這也是寒武紀們能夠發展起來的重要原因。作為行業內的一名老兵，筆者日益覺得逐漸不太了解這個行業，也有點看不懂了，在以“天”為單位進行技術迭代的AI行業，摩爾定律都被打破了，可見行業技術的更新速度有多快?，F在在一個擁有1500名員工的AI初創企業，若按照10個人研究一個技術方向，就會有150個細分的技術領域每日都會取得進展，而這樣的AI初創企業在中國不止一家，準確的說不止十家甚至更多，我們如何跟得上“新經濟時代”？這是2018年視頻監控領域面臨的主要挑戰之一。

 

　　四、產品的形態、業態、功能發生巨變

 

　　從目前的發展來看，人工智能正在推動視頻監控行業繼高清化和網絡化之后的第三次技術變革。從產品形態分析，人工智能技術將會促進前端攝像機、后端存儲設備、視頻分析應用平臺的全面改革。

 

　　人工智能（artificial intelligence）主要分支是機器學習（ML），而機器學習的主要核心是深度學習（DL），深度學習和視頻監控相關的就是計算機視覺（CV）。因為算法得到了極大的提升，解決了AI長期不能落地和產業化的問題，隨著芯片技術的日趨成熟，集成度更高、速度更快、并發處理能力更大，以前我們主要通過CPU、DSP、CMOS來解決問題，而現在則可以通過GPU、TPU、FPGA、XPU、BPU、DPU等更多的芯片解決問題。算法+芯片催生了全新的產品，使得產品的形態、業態、功能發生巨大的變化，比如以前音箱是用來播放音樂，而當下的智能音箱卻可以用于人機交互，通過語音發出指令，音箱就會告訴我們答案或者幫助控制某種設備（比如燈光），再如攝像機已經可以獨立進行人臉識別、車牌識別、客流統計等功能，不用依賴后端設備或者云端設備來實現。

 

　　人工智能的核心是用機器來模仿人，而人感知這個世界最主要的兩個手段是語音和視覺（嘴巴、耳朵和眼睛），更多的依賴后者，因為眼睛可以看得更遠、圖像的信息更加豐富，尤其是當語音變為文字的時候我們還是要通過眼睛來看。而用計算機來模仿眼睛主要通過人臉識別、車牌識別、特征識別三大技術，可以說經過2017年的普及，視頻監控利用這三種技術實現商用化已經在中國得到了大面積落地，芯片更小、算法更加強大，使得不論是前端、后端還是云端的產品都更加智能，集成度也更高，隨之而來的就是功能也越來越強大。

 

　　五、視頻大數據挖掘是技術研發重點方向

 

　　數據是生產力，大數據是信息化發展的新階段。國家要“推動互聯網、大數據、人工智能同實體經濟深度融合，繼續做好信息化和工業化深度融合這篇大文章，推動制造業加速向數字化、網絡化、智能化發展。”視頻數據是大數據的一部分，是沉睡的金礦，視頻監控技術和各行各業都緊密相關，挖掘、盤活海量的視頻監控數據將是2018年技術研發的重點方向。

 

　　大數據的種類有很多種，天然沒有結構化的、雜亂無章的數據才是未來真正要去挖掘和分析的，才是大數據中最重要的核心問題。從社會治理的角度來看，以人為本就是把人放在所有服務和應用的核心地位。他/她是誰？從哪里來？到哪里去？做什么事情？活動軌跡是什么？這里面就涉及身份確認、軌跡確認和服務確認，而視頻監控系統天然具備這些功能，通過人臉識別我們可以確認人的身份，通過不同的視頻點可以分析軌跡，如果輔助于其它大數據，比如手機號碼、門禁卡、MAC地址、車牌等我們就能夠提供更多的服務，這就是視頻大數據的核心意義。以視頻大數據為核心，可全面實現多源數據的感知和整合，微信數據、淘寶數據、高德地圖數據、百度數據、政務數據、公安數據都可以和視頻大數據進行碰撞，可以激發更多的實戰應用（比方城市大腦），推動整個行業和社會的變革，這也是可預期的一種趨勢。

 

　　六、計算機視覺技術大行其道

 

　　當前，機器人、無人駕駛、智能裝備都離不開計算機視覺技術。而在城市治理中，最主要的活動目標就是“人”和“車”，人可以自己行走或者依賴交通工具（機動車和非機動車）出行，而物體是無法自行移動的，必須依靠于“人”和“車”。計算機視覺識別技術就是將海量視頻監控數據結構化成以人、車、物為主體的屬性信息，從而最終為城市治理服務。因此，計算機視覺是視頻監控應用的重要方向。

 

　　計算機視覺識別技術主要包括人臉識別、車牌識別、特征屬性識別、行為識別，這四種技術是識別具體對象的應用技術。目前這四種識別技術應用程度較為成熟、應用范圍較廣，其中人臉識別屬于生物識別技術的一支。

 

　　七、語音識別技術對產業的影響不可忽視

 

　　攝像機從誕生的那一天就支持音視頻，內置拾音器，但在發展中這一塊沒有得到應有的重視。目前市場上很熱門的兩個語音AI就是智能音箱和聲紋識別，如果你有試過亞馬遜的Echo和天貓精靈就知道語音可以做很多事情，你只要告訴智能音箱一個指令，它就能夠幫你做一件事情，比如當你發出指令“天貓精靈，天氣預報”，其就會告訴你當天的天氣，“天貓精靈，放一首歌”，其會放歌曲。其實智能音箱完全可以這樣應用，“天貓精靈，調用第328號攝像機”、“天貓精靈，執行第一號預案”，這樣的應用將使得我們的視頻監控系統更加智能，這些應用在2018年或將得到更多關注。而聲紋識別主要用于身份確認和物體識別，物物有聲紋，系統可以通過聲紋判斷你的權限，確認你的身份，不同的人可以下達不同的命令，也無需密碼了。用于公安實戰也很有前景，通過不同物體的聲紋一樣可以開發出不同的應用來，誰能說聲紋識別和安防沒有關系？和視頻監控沒有關系呢？

 

　　八、軟件越來越重要

 

　　視頻監控發展到這個階段，軟件在視頻監控系統的重要性會越來越高。曾經市場上好多安防系統軟件不收費，靠硬件產品補貼，因此軟件受冷落。而在新技術時代，軟件的比重必將越來越高，無論是人臉識別、車牌識別、視頻結構化，還是聲紋識別、語音識別，必將以軟件為核心，和硬件關系本身不大（芯片除外）。尤其是現在隨著視頻監控系統AI化，更多的是技術對行業的變革，除了芯片屬于硬件之外，其余的都是軟件的影響，發展人工智能主要依賴于前端的算法、后端的平臺、系統和軟件。在硬件日趨成熟的情況下，誰的芯片運行的算法更高效、誰能夠提供最大的算力、誰能夠最有效的利用視頻大數據，誰就是王者。無論是視頻結構化、合成作戰平臺、聯網平臺，還是運維平臺、視頻云大數據平臺，這些都是通過軟件實現?？梢灶A見的是2018年軟件在視頻監控領域受到的重視與發展會更多，不重視軟件的公司未來就不一定那么美好。

 

　　九、區塊鏈技術有可能變革視頻監控行業

 

　　按理說區塊鏈看上去和安防沒有太大的關系。但區塊鏈是“安全+信用”的網絡，未來必將和AI走在一起。區塊鏈最大的改變就是顛覆現在的金融模式，你到底有沒有錢，你能不能支付，區塊鏈說了算。微信和支付寶的誕生摧毀了ATM機、收銀機、POS機。而區塊鏈一定會顛覆微信和支付寶的支付模式，雖然現在看不到區塊鏈短期內對視頻監控系統的影響，但畢竟區塊鏈的主要特性是安全，而我們從事的是安全防范行業，自然就離不開區塊鏈，預計很快區塊鏈技術也會滲透到安防行業，就像國內的一家大型比特幣挖礦公司已經研發了好幾款AI安防芯片，主要技術就是來自挖礦積累的技術。

 

　　十、智能前端化就是邊緣計算

 

　　邊緣計算是一個不可回避的話題，傳統的視頻大數據、分析大多數通過后端或者云端來實現，但在一些特定的場景，需要將計算能力前置（比如無人駕駛）。隨著芯片技術的成熟、算力的提高，攝像機前端就必須具備計算的能力，也就是邊緣計算。攝像機可以在前端完成人臉采集、識別、車牌識別、語音識別，直接往后端傳輸經過邊緣處理的數據，會大大減輕網絡的壓力和云端的計算壓力，使得更多的應用成為可能。因此，2018年將AI算力注入邊緣，賦能邊緣智能是大勢所趨。

 

　　結語

 

　　當前，AI+安防已經成為一種趨勢。AI技術具有天然在安防行業落地的場景、需求和應用，在2018年必將有更多的AI算法、AI芯片、AI產品被應用到視頻行業，而視頻行業的收入占比會成為AI企業的重要組成部分，這可以解決目前AI企業普遍面臨的收入和盈利問題。

 

　　此外，視頻監控將改造整個安防行業。目前人臉識別技術可以應用于門禁系統，車牌識別可以應用于停車場出入口管理和停車誘導系統，視頻分析技術可以用于周界防范、入侵報警，傳統的三大安防系統視頻監控、門禁系統和報警系統都可以統一由視頻監控系統來完成，這也將在2018年得到更大范圍的普及。

 

　　視頻監控行業在2018年將進入風口期，進入AI時代。