智能安防技術(shù),是指視圖采集、傳輸、存儲(chǔ)、視頻分析和大數(shù)據(jù)處理,以及涉及到機(jī)器視覺、AI芯片、算法、圖像傳感、生物識(shí)別(人臉識(shí)別、虹膜識(shí)別、指紋識(shí)別等)以及智能視頻分析、多維數(shù)據(jù)融合、大數(shù)據(jù)分析等新技術(shù)。從另外一個(gè)角度來看,一個(gè)完整的智能安防系統(tǒng)則主要包括門禁出入口、報(bào)警和視頻監(jiān)控三大部分。新冠肺炎疫情可以阻礙市場的發(fā)展,但不能阻擋安防技術(shù)的進(jìn)步,今年各大安防企業(yè)在智能化、網(wǎng)絡(luò)化、物聯(lián)網(wǎng)化等技術(shù)方面的應(yīng)用更加深化。隨著科學(xué)技術(shù)的發(fā)展與進(jìn)步,當(dāng)前智能安防已邁入了一個(gè)全新的領(lǐng)域。a&s根據(jù)產(chǎn)品實(shí)測,從數(shù)據(jù)采集、視頻智能分析、生物識(shí)別、數(shù)據(jù)智能以及零部件等技術(shù)預(yù)測智能安防技術(shù)發(fā)展趨勢。
多模態(tài)是生物識(shí)別技術(shù)的發(fā)展方向
人工智能技術(shù)體系中,生物識(shí)別是最早進(jìn)入落地應(yīng)用的技術(shù)。生物特征識(shí)別技術(shù)背后涉及到計(jì)算機(jī)科學(xué)、光學(xué)與聲學(xué)等物理科學(xué)、生物科學(xué)、生物傳感器和生物統(tǒng)計(jì)學(xué)原理,安全技術(shù),以及人工智能技術(shù)等眾多基礎(chǔ)科學(xué)與創(chuàng)新應(yīng)用技術(shù),是一個(gè)完整的多學(xué)科技術(shù)解決方案。目前可用于身份識(shí)別的人體特征包括指紋、虹膜、面部、掌紋、靜脈等生理特征和步態(tài)、筆跡、聲音等行為特征。生物特征識(shí)別技術(shù)具有安全性好、不易丟失、難以仿冒和攜帶方便等諸多優(yōu)點(diǎn)。不可否認(rèn),從指紋認(rèn)證、掌紋識(shí)別、指靜脈識(shí)別到人臉識(shí)別、虹膜識(shí)別,生物識(shí)別技術(shù)變得更加成熟的同時(shí),也正在邁進(jìn)“視覺”時(shí)代。
指紋識(shí)別是最“傳統(tǒng)”的生物識(shí)別技術(shù),其地位比較特殊,與人臉識(shí)別、聲紋識(shí)別相比,其識(shí)別準(zhǔn)確度、區(qū)分度要高很多,甚至可以說,指紋身份識(shí)別是很多場景下唯一可行的一種方式。從2018年指紋識(shí)別技術(shù)取得重大突破開始,更高效的推動(dòng)全國性的社會(huì)公共服務(wù)及商業(yè)模式變革。但是,隨著2020年初的一場疫情,非接觸式門禁出入口控制技術(shù)的應(yīng)用得到了高度的重視和發(fā)展。
掌紋識(shí)別是一種新型的生物特征識(shí)別技術(shù),它以人體的掌紋作為目標(biāo)特征,通過多光譜成像技術(shù)采集生物信息。多光譜掌紋識(shí)別算得上是多模態(tài)和多種目標(biāo)特征融合的生物特征識(shí)別技術(shù)的典范。這種新技術(shù)將皮膚光譜、掌紋紋路與靜脈脈絡(luò)三種可識(shí)別特征結(jié)合,一次性提供更加豐富的信息,增加了目標(biāo)特征的可區(qū)分度。目前,行業(yè)中共識(shí)是,單種模態(tài)的識(shí)別無論在識(shí)別性能還是在安全性上均存在瓶頸,而多模態(tài)融合是人臉識(shí)別乃至生物特征識(shí)別的重要突破——不僅能通過多因子的方式提升識(shí)別精準(zhǔn)度,也能在一定程度提升生物識(shí)別技術(shù)的場景適應(yīng)性和隱私安全性。相比傳統(tǒng)單模態(tài)算法,更能滿足金融級誤識(shí)率(低至千萬分之一),也是生物特征識(shí)別發(fā)展的主要趨勢。
在非接觸生物識(shí)別技術(shù)中,人臉識(shí)別是最重要模塊,從2019年“刷臉”應(yīng)用已經(jīng)較為廣泛,疫情更進(jìn)一步的推動(dòng)了發(fā)展,未來仍將是很長時(shí)期內(nèi)AI落地安防的重要方向。目前傳統(tǒng)人臉識(shí)別困難包括面部旋轉(zhuǎn),遮擋,相似性等都有了很大的算法提升,使得人臉識(shí)別的精準(zhǔn)度得到極大的提高,以2D人臉、3D人臉、多光譜人臉等多種模態(tài)為代表,每種模態(tài)都具有不同的采集適應(yīng)場景、數(shù)據(jù)安全程度和隱私敏感度等,而大數(shù)據(jù)的深度學(xué)習(xí)的加入,使3D人臉識(shí)別算法補(bǔ)充2D投影的缺陷,能快速識(shí)別人員身份,為二維人臉識(shí)別的應(yīng)用帶來了一定的突破。同時(shí),目前基于活體檢測技術(shù)正作為提高人臉識(shí)別安全性的關(guān)鍵性技術(shù),可以有效抵御照片、視頻、三維模型、假體面具等仿冒欺詐,自主判斷操作用戶身份。人臉應(yīng)用一方面主要是面向交通樞紐場景,比如機(jī)場、車站等,主要應(yīng)用于實(shí)名認(rèn)證和重點(diǎn)人員布控。另一方面是面向城市級應(yīng)用,通過對接天網(wǎng)工程,構(gòu)建由前端攝像機(jī)布控,后端是識(shí)別平臺(tái)以及大數(shù)據(jù)分析平臺(tái)組成的綜合實(shí)戰(zhàn)平臺(tái)。在公安、交通領(lǐng)域,AI四小龍商湯科技、曠視科技、云從科技、依圖科技的人臉?biāo)惴ㄋ皆贏I企業(yè)中技術(shù)領(lǐng)先,傳統(tǒng)企業(yè)則是主要由海康威視、大華股份這些傳統(tǒng)巨頭引領(lǐng)市場。伴隨人臉識(shí)別技術(shù)的快速發(fā)展,智能設(shè)備、線上金融、人臉支付等諸多創(chuàng)新應(yīng)用已日趨普遍,為大家生活、工作帶來快捷和方便。
另外,面對人臉識(shí)別的局限,以步態(tài)識(shí)別為代表體態(tài)識(shí)別以難隱藏性、非接觸性和非侵入性等特點(diǎn)從眾多技術(shù)中脫穎而出,成為目前生物特征識(shí)別領(lǐng)域的一匹“黑馬”。步態(tài)識(shí)別通過身體體型和行走姿態(tài)來識(shí)別目標(biāo)的身份,是一種頗為復(fù)雜的行為特征,體態(tài)識(shí)別技術(shù)不需要人為配合,能夠適應(yīng)更為普遍的應(yīng)用場景,特別適合用來進(jìn)行遠(yuǎn)距離身份識(shí)別。目前,國內(nèi)已經(jīng)有幾家企業(yè)識(shí)別精度已經(jīng)達(dá)到了非常高的水平。
值得一提的是,虹膜識(shí)別技術(shù)也是一種較為成熟的生物識(shí)別技術(shù),目前虹膜識(shí)別技術(shù)也正普及開來,虹膜識(shí)別誤識(shí)率低至1/100萬,主要利用虹膜壽命不變性和差異的特征來識(shí)別身份。但由于成本以及對產(chǎn)品端的要求限制,其落地速度比較緩慢,不過,近一兩年來,隨著政府機(jī)關(guān)包括金融機(jī)構(gòu),已經(jīng)開始重視虹膜識(shí)別,其落地速度正在逐漸加快。下一步或?qū)⑹侨四樅秃缒さ慕Y(jié)合。總結(jié)來說,生物識(shí)別本身并不是完全的替代關(guān)系,更多的是組合甚至融合應(yīng)用。
隨著技術(shù)的進(jìn)步和成熟,以及市場應(yīng)用需求的逐漸演變,多模態(tài)生物識(shí)別技術(shù)的聲音越來越響亮。展望未來,多模態(tài)生物識(shí)別技術(shù)將成生物識(shí)別市場的主流發(fā)展趨勢,并將迎來越來越寬廣的應(yīng)用領(lǐng)域和市場。a&s Research調(diào)查顯示,單一的生物識(shí)別并不能夠解決所有場景下的身份認(rèn)證問題,每一種技術(shù)都有一定的局限性。而多模態(tài)識(shí)別技術(shù),一方面豐富了場景數(shù)據(jù),使識(shí)別更為高效精準(zhǔn);另一方面,它更適合復(fù)雜場景的應(yīng)用變化,在很多場景中是最適合的生物識(shí)別技術(shù)。不可置否,多模態(tài)識(shí)別是未來生物識(shí)別技術(shù)發(fā)展的主流的一個(gè)方向。而多模態(tài)統(tǒng)一認(rèn)證平臺(tái),不但融合多種識(shí)別技術(shù),而且可以根據(jù)決策權(quán)重和場景需求,靈活自動(dòng)配置適合的生物識(shí)別技術(shù),將成為多模態(tài)生物識(shí)別技術(shù)發(fā)展的理想狀態(tài)。當(dāng)前來看,多模態(tài)識(shí)別技術(shù)的落地還面臨著市場教育的過程,需要生物識(shí)別技術(shù)企業(yè)共同努力促進(jìn)技術(shù)的商業(yè)化和規(guī)模化應(yīng)用。
視頻智能從感知階段走向認(rèn)知智能
視頻智能分析是AI落地安防的重要技術(shù)之一。所謂視頻智能分析是利用基于深度學(xué)習(xí)的各類智能算法來分析前端設(shè)備采集的視頻信息,實(shí)現(xiàn)對各種安全事件主動(dòng)預(yù)警,并將報(bào)警信息反饋至監(jiān)控平臺(tái)及客戶端。不過,從安防企業(yè)發(fā)展的產(chǎn)品和技術(shù)實(shí)現(xiàn)的功能來看,視頻智能分析還處于感知智能發(fā)展階段。
視頻智能分析主要包括行為分析和特征識(shí)別。行為分析是基于背景模型為基礎(chǔ),技術(shù)應(yīng)用表現(xiàn)在人員聚集、物品遺留、物品丟失、人員徘徊、人員倒地、安全帽/工裝檢測、區(qū)域人數(shù)統(tǒng)計(jì)、進(jìn)入/離開區(qū)域以及跨越警戒線、火焰檢測等方面;而特征識(shí)別主要包括車牌識(shí)別和人臉識(shí)別。較于傳統(tǒng)視頻分析,視頻智能分析的重大突破在于,能夠?qū)鼍爸械谋尘昂湍繕?biāo)分離,識(shí)別出真正的目標(biāo),也就是具備對風(fēng)、雨、雪等多種背景的過濾能力。從技術(shù)角度來看,就是通過建立人體活動(dòng)算法模型,并借助計(jì)算機(jī)的高速計(jì)算能力,排除監(jiān)視場景中的干擾因素,準(zhǔn)確判斷并動(dòng)態(tài)跟蹤人類在視頻監(jiān)視圖像中的各種行為,達(dá)到有效預(yù)警。
當(dāng)前,主流廠商推出的智能產(chǎn)品,視頻智能分析技術(shù)均已實(shí)現(xiàn)了排除干擾背景因素,動(dòng)態(tài)實(shí)時(shí)跟蹤目標(biāo)并分析目標(biāo)行為的目的,大大提升了報(bào)警準(zhǔn)確率。并且實(shí)現(xiàn)對人臉、人體、車輛等并行綜合檢測,精準(zhǔn)全息化感知業(yè)務(wù)場景數(shù)據(jù),提升綜合研判能力,當(dāng)前這類技術(shù)主要應(yīng)用周界防范、人臉布控應(yīng)用中。除了視頻的智能分析識(shí)別之外,物聯(lián)網(wǎng)技術(shù)的結(jié)合應(yīng)用也是人工智能的發(fā)展方向之一,將溫度、濕度、水浸(水位)、SF6、O2濃度等環(huán)境信息集成進(jìn)視頻中并智能分析和識(shí)別,目前的技術(shù)發(fā)展已經(jīng)可以做到物聯(lián)網(wǎng)視頻智能處理。不過,相較到人臉識(shí)別和車牌識(shí)別等特征識(shí)別,行為分析技術(shù)發(fā)展還不夠成熟,但無疑它們是未來視頻智能分析一個(gè)重要方向,在智能安防領(lǐng)域應(yīng)用前景廣闊,未來仍需要主流廠商大力投入研發(fā)不斷進(jìn)行技術(shù)迭代。
雖然視頻智能分析在準(zhǔn)確率和融合檢測能力有很大的突破,但是從當(dāng)前來看,智能安防行業(yè)的視頻智能分析基本還處于視頻結(jié)構(gòu)化分析的感知智能階段。公安系統(tǒng)包括其他監(jiān)控系統(tǒng),在數(shù)據(jù)應(yīng)用上只是就結(jié)構(gòu)化數(shù)據(jù)進(jìn)行簡單應(yīng)用,數(shù)據(jù)價(jià)值并未完全發(fā)揮出來。未來整個(gè)智能安防行業(yè)中的智能視頻分析將走向知識(shí)圖譜即認(rèn)知智能、決策智能階段。所謂的知識(shí)圖譜是一種針對應(yīng)用語義理解技術(shù)實(shí)現(xiàn)更高質(zhì)量、可計(jì)算、計(jì)算機(jī)可理解的大數(shù)據(jù)結(jié)構(gòu),也就是針對多類異構(gòu)數(shù)據(jù)源的知識(shí)結(jié)構(gòu)化、關(guān)聯(lián)化分析,屬于實(shí)用型認(rèn)知應(yīng)用,能夠更高效的實(shí)現(xiàn)決策智能,當(dāng)前已經(jīng)有一些主流廠商和技術(shù)商實(shí)現(xiàn)了在視頻智能分析技術(shù)應(yīng)用上實(shí)現(xiàn)一部分認(rèn)知智能。
邊緣計(jì)算與中心智能結(jié)合應(yīng)用發(fā)展
隨著深度學(xué)習(xí)算法的突破,安防領(lǐng)域的目標(biāo)識(shí)別、物體檢測、場景分割、信息提取標(biāo)簽化、數(shù)據(jù)檢索及分析研判等各項(xiàng)技術(shù)應(yīng)用也在不斷取得新的進(jìn)展,相比于傳統(tǒng)智能帶來的應(yīng)用效果,AI深度智能在識(shí)別準(zhǔn)確率、環(huán)境適應(yīng)性、識(shí)別種類等方面的效能提升顯著。
在終端和邊緣端,主要體現(xiàn)為內(nèi)置高達(dá)30多種算法,其中混合目標(biāo)檢測模式支持同一場景下人臉、人體、車輛圖片并行抓拍,人臉人體關(guān)聯(lián),以及人臉、人體、非機(jī)動(dòng)車和機(jī)動(dòng)車結(jié)構(gòu)化屬性提取,也就是輕量級的多維數(shù)據(jù)融合。當(dāng)前技術(shù)領(lǐng)先的廠商推出的相關(guān)產(chǎn)品,已經(jīng)可以支持前端多維數(shù)據(jù)的提取和分析,包括全場景和細(xì)分感知數(shù)據(jù)采集和融合。這類技術(shù)產(chǎn)品比較適合小規(guī)模項(xiàng)目場景應(yīng)用,相當(dāng)于一機(jī)多用,不僅大大減化項(xiàng)目部署的復(fù)雜性,而且降低工程實(shí)施成本。
邊緣智能是將邊緣計(jì)算與用戶、業(yè)務(wù)結(jié)合,其不是簡單的把邊緣計(jì)算搭建起來,而是對管道能力的整體提升,是物聯(lián)網(wǎng)應(yīng)用的使能者。邊緣智能具有數(shù)據(jù)處理實(shí)時(shí)性、業(yè)務(wù)數(shù)據(jù)可靠性、應(yīng)用開發(fā)多樣化等的優(yōu)勢。目前,安防領(lǐng)域邊緣智能的發(fā)展一日千里,許多智能安防產(chǎn)品已經(jīng)從具有邊緣計(jì)算的能力開始進(jìn)化為邊緣智能,但是,邊緣智能依然處于發(fā)展的初級階段,技術(shù)、業(yè)務(wù)、商業(yè)模式等各方面的挑戰(zhàn)仍然具有不確定性,接下來需要在標(biāo)準(zhǔn)化、產(chǎn)業(yè)聯(lián)盟、場景驅(qū)動(dòng)、產(chǎn)業(yè)鏈協(xié)同、安全隱私等方面做好工作,推動(dòng)邊緣智能的規(guī)模化落地。驅(qū)動(dòng)邊緣智能發(fā)展的業(yè)務(wù)場景主要包括網(wǎng)絡(luò)傳輸?shù)膱鼍昂蛻?yīng)用特征產(chǎn)生的場景,從而形成對邊緣智能的需求。目前,邊緣智能已經(jīng)在智能城市、智能工業(yè)、智能社區(qū)、智能家居、車聯(lián)網(wǎng)等大量的垂直行業(yè)中形成示范應(yīng)用,給垂直領(lǐng)域帶來新的價(jià)值。
需要提及的是,現(xiàn)階段,數(shù)據(jù)資源大多歸屬于不同地區(qū)不同部門,未來是否有這樣一種機(jī)制,讓數(shù)據(jù)既能夠本地化又能實(shí)現(xiàn)跨地域互通,可以在降低數(shù)據(jù)傳輸?shù)娘L(fēng)險(xiǎn)和成本的同時(shí)滿足數(shù)據(jù)計(jì)算的需求。也就是說,多維數(shù)據(jù)融合和智能分析需要視頻流媒體的分布式計(jì)算引擎和大數(shù)據(jù)動(dòng)態(tài)分布式架構(gòu)來支撐實(shí)現(xiàn)。
除了邊緣智能的發(fā)展應(yīng)用,以大數(shù)據(jù)分析為代表的中心智能分析技術(shù)也有了長足進(jìn)步,通過多維數(shù)據(jù)融合分析平臺(tái),初步實(shí)現(xiàn)輿情監(jiān)控和事件預(yù)警功能。多維數(shù)據(jù)融合是充分利用多源數(shù)據(jù)的互補(bǔ)性和計(jì)算機(jī)的高速運(yùn)算與智能來提高結(jié)果信息的質(zhì)量。包含有人流管控、交通熱力圖等應(yīng)用。同時(shí),預(yù)警的另一個(gè)方向,利用行為大數(shù)據(jù)來預(yù)判潛在犯罪,在具體技術(shù)涉及對人物目標(biāo)特征和行為識(shí)別、分析,以及目標(biāo)歷史數(shù)據(jù)的線性研判方面,也有很大進(jìn)步。安防大數(shù)據(jù)的多維數(shù)據(jù)融合應(yīng)用初步成熟,邊緣端和中心端的結(jié)合應(yīng)用使安防大數(shù)據(jù)的實(shí)用性有了強(qiáng)大進(jìn)步。從技術(shù)發(fā)展水平和未來方向看,“大智能”在中心端,“小智能”在邊緣是長期趨勢。
AI芯片發(fā)展構(gòu)建智能應(yīng)用基礎(chǔ)
安防智能化時(shí)代,芯片是構(gòu)建智能安防產(chǎn)業(yè)鏈的第一環(huán)。芯片技術(shù)的突破實(shí)現(xiàn)了安防產(chǎn)業(yè)的智能化,基于芯片設(shè)計(jì)的AI計(jì)算加速卡、模組等,在智能分析應(yīng)用中更能發(fā)揮巨大的作用,基于PCIE的多芯片互聯(lián),更易于橫向擴(kuò)展和支持大規(guī)模數(shù)據(jù)中心。AI芯片、加速卡、模組為工業(yè)自動(dòng)化、安防智能化、機(jī)器人、智慧城市、軍工和航空航天等應(yīng)用提供可操作的洞察力。
縱觀整個(gè)芯片市場,頂層依然是Nvidia、Intel得天下。而針對安防監(jiān)控市場,視頻編解碼芯片被集中于SoC系統(tǒng)級芯片之上,基于芯片開發(fā)的模組、加速卡在國內(nèi)的芯片產(chǎn)業(yè)中發(fā)展迅速,并在安防行業(yè)應(yīng)用廣泛,從終端IPC到邊緣端、云端,AI芯片及集成產(chǎn)品發(fā)展如日中天。可以說,中國芯片產(chǎn)業(yè)崛起幾乎是板上釘釘?shù)氖聝骸?/p>
從需求市場來看,憑借行業(yè)內(nèi)快速增長的優(yōu)勢,AI芯片發(fā)產(chǎn)業(yè)發(fā)展的機(jī)遇已經(jīng)到來,傳統(tǒng)市場可能認(rèn)為安防芯片的主導(dǎo)權(quán)掌握在國外公司手中。但是,隨著近幾年智能安防的飛速發(fā)展,國產(chǎn)安防監(jiān)控芯片在技術(shù)水平上與國外先進(jìn)產(chǎn)品已相差無幾,并且在性價(jià)比上明顯占優(yōu)。隨著安防智能化的深入,高技術(shù)含量的深度學(xué)習(xí)芯片進(jìn)入到安防領(lǐng)域中,這為國產(chǎn)芯片廠商提供了突破的方向。
未來,AI 勢必將改變安防,賦予安防系統(tǒng)更加智能化,自動(dòng)化處理視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù),讓整個(gè)社會(huì)更安全、更有秩序,而要實(shí)現(xiàn)這樣的轉(zhuǎn)變則有賴于行業(yè)上下游的通力配合。上游AI芯片即成為了構(gòu)建智能安防的第一環(huán),具有創(chuàng)新性、性價(jià)比高的AI芯片必將成為成功選擇的基石。
基礎(chǔ)零部件軟件走向集成化、場景定制化
從2018年開始,智能安防應(yīng)用的底層零組件就開始趨向系統(tǒng)化、集成化,同時(shí)也在提升監(jiān)控系統(tǒng)本身的硬件系統(tǒng)整體性能。AI芯片、傳感器等基礎(chǔ)硬件和算法軟件集成化,讓產(chǎn)品可以根據(jù)不同業(yè)務(wù)算法進(jìn)行定制化開發(fā)。當(dāng)前AI芯片廠商已經(jīng)在朝著算力和算法集成的方向進(jìn)行研發(fā),也就是根據(jù)特定場景算法來設(shè)計(jì)AI芯片架構(gòu),以更高效的應(yīng)用于場景業(yè)務(wù)。
在以視覺為核心的安防監(jiān)控系統(tǒng)中,CMOS圖像傳感器是核心角色。為了更好的AI智能應(yīng)用,CMOS圖像傳感器從成像設(shè)計(jì)上需要做針對性的改善。從這幾年來成像技術(shù)廠商推出的安防專用CMOS傳感器產(chǎn)品來看,由于需要考慮到場景環(huán)境、光照、氣溫等各種因素的影響,監(jiān)控用CMOS圖像傳感器的設(shè)計(jì)也開始進(jìn)入到“場景定制化”階段,不同的應(yīng)用場景所適用的產(chǎn)品不一而同。
除了將多樣化的智能算法灌注到傳感器器件外,也可以同時(shí)植入到AI芯片中封裝。隨著視覺類AI算法的深度學(xué)習(xí)計(jì)算逐步從云端部署擴(kuò)展到邊緣部署,邊緣的設(shè)備比云端多1-2個(gè)數(shù)量級,業(yè)內(nèi)對邊緣AI計(jì)算硬件的需求快速升溫,需要具有高算力、低功耗、接口豐富的芯片、模組、板卡等方案來替代原來的CPU、GPU方案。可以說,隨著AI技術(shù)的應(yīng)用及普及,在大數(shù)據(jù)及深度學(xué)習(xí)的要求下,安防對CPU及GPU的硬件要求逐步提升,基礎(chǔ)零部件的集成化、定制化應(yīng)用需求逐漸成為發(fā)展趨勢。
? ? ? ?責(zé)任編輯:pj
評論
查看更多