2021年安防行業流行哪些技術

對于一個科技型産業，技術與市場是驅動與接受的邏輯關系。繞開外部不利因素，整體而言，2021安防市場，行業市場應用将進一步加深與拓寬，與之帶來的是，行業技術進一步的大調整與大變革，一切向新出發。

　　AI+安防，技術大格局已定

　　記者不止一次提及，2016年是安防行業AI應用元年，從那一時期開始，傳統安防行業與跨界而來征戰安防的外來企業，就緊緊圍繞AI+安防展開了你争我奪無休止的市場競争，而這場市場争奪戰最為有利的武器，即技術創新。

　　2020開啟了AI+安防更好的十年。而随之新基建、“十四五規劃”重大利好加持，在加上之前諸如智慧、數字城市還未釋放的商機，智能成為這個新時代最顯著的技術符号，一切安防技術都以智能為基點來展開應用，市場格局改變其實本質上就是市場供需的變化，應用方對AI的需求，是安防以AI為主攻方向驅動力。

　　AI視覺，更大的技術舞台

　　不管是AI機器視覺還是AI視覺，這一概念都是“舶來品”，源于ICT。如果把ICT廠家入安防比喻成“華山派”，那最具代表性就是劍氣二宗的華為機器視覺和紫光華智。兩個“武林新秀”盡管都是基于ICT技術，也同時在2018年戰安防。

　　先看華為機器視覺技術如何變局安防。其實在2019年，華為推出5G手機後，華為安防已經定了未來五年的技術基調，即5G+AI+視頻，所以即便是2020年初将華為安防更名機器視覺，其技術戰略步伐依然照舊。

　　2021年，安防正從傳統的視頻監控走向智能安防，從傳統的防控輔助系統走向效率提升的生産系統，智能安防走向千行百業。

　　在走向千行百業的進程中，不同行業對于覆蓋的縱深要求不斷提升；為了獲取更多的細節信息支撐決策分析，對于視頻圖像全天候高清化越來越高，4K/8K圖像成為主流，對于網絡上行帶寬的要求越來越高；

　　機器視覺技術的不斷發展，視頻圖像可以承載越來越多的信息，但仍需要更多的與前端多維感知設備之間進行數據的交互，提升決策準确率，并盡量在前端決策，減少後端處理壓力；

　　多維感知數據的端雲協同和對數據的實時交互對于網絡的時延、帶寬要求越來越高；同時防控走向深水區，對于防控的立體化、系統化、機動化要求不斷提升。

　　由于華為的機器視覺技術太過于繁多，為此歸納性的看，其機器視覺技術要做的和想做的是：将推動安防行業在覆蓋、視頻采集、感知運用、防控能力、産業轉型等不斷升級，推動安防産業進入大安防時代，從“專制專用”的公安行業走向共建“和諧民生”的千行百業。

　　智能安防将加速安防體系的重構，打破時空的界限，結合最新的技術，既可以從物理世界投射到數字世界，也能把數字世界疊加渲染進物理世界，形成虛實協同的安防數字孿生。

　　重構全天候、全時空、全要素、全融合為特征的安防新體系。

　　倚借AI視覺，紫光華智在安防攻城略地。他們的AI視覺，就是基于視覺形成框架的大腦中樞與感知的經脈網絡，來做應用。

　　AI視覺技術要落地，算法隻是其中一環，除此之外，需要構建高價值的場景解決方案。因為在百行百業數字化轉型中，用戶需求更加複雜和多維，業務和商業模式，甚至是組織運作模式都将改變。所以，AI視覺始于安防，但也溢出安防。

　　如何從不确定中找尋确定性，AI視覺要做的還有很多，而提供一站式AI視覺服務，打造AI視覺中樞解決方案，打造一個價值創造的閉環。

　　紫光華智AI視覺中樞具備“快、準、省”三大核心應用價值。“快”源于對硬件資源的全面雲化及優化調度，比如：率先推出萬倍速解析技術，實現行業内解析速度第一等；“準”源于應用驅動，在實戰中反複打磨，獲得MIT Scene Parsing Benchmark場景解析評測全球第一、CUHK03（香港中文大學開源）大規模跨鏡測試集排名第一、最接近實戰的msmt17（CVPR2018會議開源）測試集排名第一等；

　　“省”則緻力于通過軟件定義硬件，把效率發揮到極緻，比如：單機最大800路實時解析能力，實現TCO業界第一。快+準+省，務實樸素，直擊痛點，鑄就了紫光華智闖蕩AI視覺江湖的三闆斧。

　　AI超微光，黑夜裡值得被點亮的光

　　明亮世界，并不是每一束光都值得被點亮，因為“光污染”的存在。

　　那什麼是AI超微光技術呢，粗略來看，是有蘇州科達2019年年底推出，是在基礎ISP圖像調制技術上的積累，并創新性地采用了自主研發的深度學習圖像增強算法的一種技術方案。

　　該算法對夜間低照情況下車輛卡口的圖像抓拍問題進行了數學建模，設計了一個端到端的深度學習模型。在低照環境下，該模型跳過了傳統意義的攝像機ISP成像方式，通過對大量卡口抓拍圖片的學習，直接對傳感器輸入數據進行圖像恢複，大幅減少了卡口對補光燈的依賴，在提升圖像亮度的同時，充分還原物體顔色與紋理等細節信息。

　　正是由于AI超微光技術的大流行，也催生了環保卡口的欣欣向榮。

　　深圳市安全防範行業協會副會長王達接受采訪時認為，卡口視頻監控攝像機對進入道路（包括高速公路，一般城市道路）的機動車抓拍，對過往車輛做記錄。為抓拍到清晰車輛圖片，需要補光以保證抓拍現場的光照度能滿足拍照要求，而市面上大多數卡口補光采用爆閃燈方式。

　　爆閃燈有個缺點，瞬間點亮，可以滿足拍照要求，但對駕駛車輛的司機眼睛造成影響，有些司機眼睛會被突然閃亮的爆閃燈刺激，造成短暫時間的失明，引起車輛失控，形成交通事故。

　　來看看AI超微光的馭“光”之術：AI降噪之術，弱化光線依賴：依托超強算力硬件平台，采用先進的AI圖像處理方法，對圖像進行時空降噪、圖像亮度提升，色彩飽和度提升，極大降低夜間對白光補光的依賴；

　　AI增強之術，提升畫面能力：針對白天車窗玻璃強反光，甚至一些特殊車窗鍍膜導緻的彩條紋，對車窗進行AI圖像處理，有效解決車内圖像模糊問題，提升摳圖率和清晰度；

　　智能補光之術，減少光污染：行業采用的LED燈，雜散光非常嚴重，駕乘人員遠處就看到光污染。

　　華為通過創新設計，實現對感興趣目标和感興趣區域進行智能定向補光，有效截止50米以上的雜散光，減小光污染區域，來降低對司機的影響，并且在18—40米補光效率最高，抓拍效果更好。

　　繞不開的5G，打開想象之門

　　如果從産品形态來看，5G安防産品僅限于前端，而從市場來看，目前階段智能交通是其應用之地。

　　華為5G攝像機參與了“新銳産品”評測，記者有幸近距離與之接觸。5G攝像機具備如下特征：無線接入（随時随地接入）、智能編碼（降低帶寬消耗）、極緻傳輸（保障視頻質量）。

　　華為基于對5G技術和傳輸技術的理解，對于5G攝像機圖像的編解碼、無線傳輸方面的軟件優化，結合智能編碼和對無線傳輸的優化。

　　此款5G攝像機與業界未經優化的5G攝像機相比，可提升5G網絡攝像機的接入數量2-3倍。5G在安防，将加速安防體系的重構，重構全天候、全時空、全要素、全融合為特征的安防新體系。據了解，華為5G攝像機已經登頂珠穆朗瑪峰，将一切美景盡收眼底。

　　如果5G是天上一張網，F5G是地上一張網。

　　F5G是以光纖為介質的第五代固定網絡通信技術，是歐洲電信标準協會(ETSI)定義的固定網絡的第5代技術和标準，以光纖通信為主，具備超大帶寬、安全可靠、确定性低時延的特點，智能交通中高速公路、軌道交通正是它的舞台。

　　那F5G技術，大容量低時延：單波100G~800G帶寬，單纖80波，滿足客戶未來5~10年帶寬需求，節省光纖資源。網絡扁平化，光纖一跳直達，超低時延；端到端時延可視、可管、可保障；

　　靈活多業務：MS-OTN架構，4合1平台，支持2M~100G 任意業務接入。兼顧PDH、SDH接口，平滑兼容現有網絡，保護客戶投資；以太網、高清視頻等接口，保證網絡平滑演進；安全高可靠：光纖、波長和ODUk多級物理硬管道隔離；L1層加密，保證業務安全傳輸。設備級和網絡級多層次保護，99.999%可靠性，業務“0”中斷。

　　視頻全結構化技術，AI深度應用的必經一環

　　視頻結構化技術在安防行業也被提及多年，并不新鮮，但是流行，諸多監控大廠都在研究視頻全結構技術，希望在原有技術基礎上在突破。

　　2021年為什麼安防行業需要視頻全結構技術，還是基于AI應用。之前也提到AI已經定義了安防的技術大格局，而行業化應用一旦需要深度進行，就當前而言必須，視頻監控内容（人、車、物、活動目标）特征屬性需要自動提取，對視頻内容按照語義關系，采用目标分割、時序分析、對象識别、深度學習等處理手段，分析和識别目标信息，組織成可供計算機和人理解的文本信息。這也是視頻全結構化技術的意義和價值所在。

　　那麼，2021年在實際應用中，我們如何将視頻内容結構化呢？

　　依據視頻監控目标具體分析，在人體結構化方面，在視頻中除了包括人員的面部精确定位、面部特征提取、面部特征比對，人員的性别、年齡等特征範圍外，還可對人的衣着、運動方向、是否背包、擰包、打傘、是否騎車等信息進行全結構化描述；

　　以及包含人體行為如越界、區域、徘徊、遺留、聚集等多種行為特征描述；

　　人體特征的全結構化需要在人體結構化基礎上進行檢索查詢，可以解決快速目标查找問題，如将嫌疑人的截圖輸入至偵查系統中，利用人形檢索的功能，系統會根據目标嫌疑人的衣着、顔色分布、體态特征快速地在案發點附近的多路攝像頭中進行全局搜索，查找出相似的目标，并将結果以快照的形式輸出，結合GIS地圖進行時空研判分析，刻畫出嫌疑人的行動軌迹；

　　車輛結構化是随着智能交通高清電警、卡口、虛拟卡口、停車場的廣泛建設和應用、借助智能識别算法将電警、卡口、停車場出入口等場所的車輛相關結構化信息存入車輛主題庫，包括車牌、車牌顔色、車輛品牌、車輛類型、車身顔色、車标及遮陽闆、是否系安全帶、打電話、車輛年檢标、擺件挂件、司乘人員的人臉，基于這些車輛關鍵特征信息，形成上億條過車記錄數據，從而推動了後台大數據分析服務的發展應用和行業數據挖掘，形成隐匿車輛挖掘、套牌車輛篩選、初次入城、一車多牌、一牌多車、頻繁過車、相似車輛串并、高危車輛積分模型、車輛行駛軌迹分析、時空碰撞等實戰技戰法的應用。

　　總之，視頻全結構化技術并非新鮮事物，但在安防行業AI深度應用中，将會随着AI應用的下沉而深度挖掘。

　　舉一例子，我國智慧新警務建設已經大面積鋪開，公安各部門要實現監控網絡之間、終端之間、警種之間的信息共享和主動互操作，實現主動監控、自動聯網分析等網絡功能；

　　要全方位拓展視頻在警務工作中的應用模式，大幅度提高技術的易用性，實現以業務民警為中心的随時随地的靈活、簡單、多樣的視頻按需服務應用，這些都是視頻全結構化的研究内容。

　　科技向善，大數據技術抗疫的力量

　　AI和大數據就與多年前高清智能是一個“組合拳”類似，隻有依靠大數據，智能的能力才能更多展現。而2020一次疫情下，全球都是圍繞如何科技戰“疫”來做深入研究。

　　以城市為場景來看，城市中各個系統猶如一個生命體一般，而如果把抗疫行為比如成免疫系統，其與神經系統之間是存在交互的，免疫系統離不開神經系統的“指揮”。

　　毫無疑問，以大數據技術為代表的信息與網絡系統是我們現代社會的中樞神經。充分運用大數據技術，對于社會免疫系統的高效運轉，打赢這場抗疫攻堅戰至關重要。

　　記者在高新興總部展廳看到他們的抗疫大數據平台，該平台通過建立專題數據庫的方式，構建一個包含重點人群個人身份數據、個人行蹤數據、身體狀況等數據的大數據平台，通過公安部門和公共部門兩個不同渠道彙聚數據。

　　公共部門彙聚民航、銀行、民政、鐵路、衛健委、人社等不同委辦局數據，公安部門彙聚情報、網安、治安、人管、技偵、刑偵和指揮中心的數據，疫情一線工作人員可以在大數據平台實時上傳數據和事件流傳處置，最大程度上節省了不同單位之間疫情信息交流溝通的時間。

　　工作人員還可以從平台上，一鍵獲取重點人員運動軌迹、輻射人群等信息，變人工處理為智能流轉，及時可靠；

　　平台提供了大量的業務模型，例如可以看到當日管控新增人數和管控總人數等動态分布和趨勢；

　　根據截止到前一天的數據，平台能運算出當天的情況的發展趨勢；

　　針對于某一天忽然走高或降低的數據異常，後台管理人員也可以及時登錄平台查看，采取關鍵地域監控，謹防漏報、錯報；能對風險人群鎖定監測和疫情發展趨勢預判，提前介入風險點。（來源：CPS中安網）

　　結束語

　　綜上所述，2021行業市場在持續深化，而這一進程中智能技術成為一個技術基點，圍繞智能，各種新技術成為百花齊放态勢。如果科技圈有技術風景，那安防未必是最靓麗的一道，但肯定是最獨好的風景。

文章轉載自中國安防行業網：http://news.21csp.com.cn/c15/202105/11406613.html