安防领域是AI落地的最大领域，中国拥有全球最大的安防市场，市场规模达到8000亿。AI在智能安防领域主要包括机器视觉、自然语言处理、搜索推荐等几大方向，机器视觉又是AI在智能安防领域应用最广泛最成熟的方向。传统安防的AI受限于成像、AI成熟度、芯片算力、训练数据等因素，其准确率、性能及分析能力已无法满足智能安防时代市场对AI的多元化需求。

　　一、安防领域的发展趋势

　　安防经过半个多世纪的发展和演进，已逐渐演变成为一个普及全球的成熟行业。IHS研究表明，全球传统安防产业规模3000亿美元。中国拥有全球最大的安防市场，其市场规模达到8000亿，并且以每年10%-15%的增速递增。

　　传统安防主要涉及视频监控、楼宇对讲、出入口控制、实体防护、防盗报警等系统。经过40年的发展，安防行业经历了从模拟监控、数字监控到高清化监控，完成了从“看得见”到“看得清”的转变；从高清化监控到现阶段的智能化监控，正在从“看得清”往“看得懂”的方向转变。传统安防因受限于人工智能（Artificial Intelligence，简称AI）、摄像头、芯片、云计算等主要技术的发展，往往只能做到“监而不控”。同时，面对海量的视频数据，“监控”面临着准确率低、数据量庞大、人工分析效率低、信息关联性弱、人工决策、事后追溯、响应滞后等问题。

　　近年来，政策与市场需求推动了安防领域智能化步伐。从政策上看，近年来的《“互联网”人工智能三年行动实施计划》、《关于推进城市安全发展的意见》、“十二五”、“十三五”等政策意在加速城市、公安、交通、社区、居家等领域安防智能化落地，国内加大以5G、人工智能、工业物联网等为代表的的新基础设施搭建。从市场上看，智能安防的刚需推动了安防厂商、人工智能新兴企业、系统集成商、云服务商的协调合作，推动智慧安防领域的创新与商业发展。安防领域相关产业链上中下游在政策与市场需求的推动下，迅速发展以AI、IOT、云计算、5G、传感器、芯片等新兴技术协力促进安防领域的产品系统能力从“事后追溯”、“人工决策”往“事前预测”、“事中响应”、“智能决策”的方向上进行智能化升级。

　　相比于传统安防，智能安防在以下方面有了显著的变化。

　　1. AI占比加大。与传统安防相比，智能安防突显AI智能分析、感知及决策能力的重要性。受限于成像质量、AI成熟度低、芯片算力弱、训练数据缺等关键因素，传统安防更多以画面\视频存储并结合人工分析实现安全防范，小部分终端产品采用决策树、SVM、ANN或者浅层CNN网络等算法实现简单的目标检测、跟踪、识别等能力。传统安防产品系统分析能力弱，决策链路长。智能安防时代，AI应用及边界多线开花。依托于高清成像、AI、芯片算力平台等核心技术发展带来的承载，智能安防领域应用所需的AI能力除了人机非视频结构化、语音识别、人像识别、特征工程等核心标准能力以外，基于细分场景的物体识别、安全行为分析、环境监测等AI需求也开始普及。

　　2. 传感器质量提升、类型多元化。传统安防产品主要依赖于摄像头、红外线、麦克风等非智能单一传感器提供单一感知和弱分析能力。智能安防时代产品往往融合摄像头、红外线、MIC、激光、雷达、测温等多传感器并结合AI提供多元感知强分析能力。采集数据源质量是AI分析准确率的重要影响因素，安防领域产业链上游企业对摄像头的分辨率和解析力、MIC拾音和降噪、测距和测温等传感器性能提升也在持续进行。

　　3. 前端侧芯片智能化。传统安防硬件终端算力平台大多是以单片机或纯CPU核为主，为分析算法提供弱承载能力。受限于计算资源，AI在芯片侧只能部署一些传统分析算法和浅层CNN网络来实现智能分析，准确率和时效性受到影响。智能安防时代，高性能、高实时性的AI落地离不开算力承载，在前端进行结构化信息的提取有助于减少后端对多路原始数据传输、解码、分析等所需的带宽、耗时及成本负载，可以提高安防应用的实时性。基于场景的前端侧芯片，0.2TOPS、0.5到1.0TOPS的算力可以满足千人、10万人级的人像识别需求，1TOPS的算力可以实现大多数场景应用的视频结构化信息提取。国内的芯片厂商大多数都开始在芯片侧部署高中低多档的AI加速推理模块。未来的前端芯片侧，APU、NPU、TPU等AI硬件加速平台将会变得越来越普及。

　　4. 产品矩阵扩充。传统安防以“端”、“边”侧硬件终端为主，提供采集、分析、传输、存储的能力。智能安防产品将全面覆盖Edge、AI、IOT（物联网基础应用平台）、SAAS平台，协同“端”、“边”、“云”三侧能力提供安防领域全栈式解决方案。

　　5. 软件需求定制化与服务占比加大。场景定义产品，产品定义能力。智能安防时代，安防产品在细分场景的应用变得更加多元化，软件需求将变得更加多样化、碎片化、个性化。如何快速响应细分场景标准/非标准需求是企业取得该领域优势的关键。具有软件能力的企业开始构建系统、AI、APP应用、PAAS、SAAS等多层次软件中台架构，通过提升软件复用率、开发效率、硬件适配速度、应用配置效率来满足面向行业、场景的定制化需求。同时，市场已不再满足于传统安防硬件终端获取的直接分析结果、统计结果，如何打造使用更灵活、场景契合度更高以及挖掘数据背后的运营模式并发挥更大的数据运营价值变得更加重要，软件服务占比也将逐渐加大。

　　6. 商业模式变化。传统安防以硬件为核心，软件为辅。智能安防时代，单一的硬件产品解决方案已不满足市场的需求。市场对安防产品的能力需求从硬件产品上升到“端/边/云”三端能力融合的产品解决方案、行业解决方案、系统解决方案以及集成解决方案。

　　二、AI加持安防智能化

　　安防领域是AI落地的最大领域，中国拥有全球最大的安防市场，市场规模达到8000亿。AI在智能安防领域主要包括机器视觉、自然语言处理、搜索推荐等几大方向，机器视觉又是AI在智能安防领域应用最广泛最成熟的方向。传统安防的AI受限于成像、AI成熟度、芯片算力、训练数据等因素，其准确率、性能及分析能力已无法满足智能安防时代市场对AI的多元化需求。

　　智能安防时代产品对AI的需求已不仅是简单的人机非目标检测、人像识别、车辆识别等机器视觉算法，将全面覆盖超出以下AI能力：

　　1. 生物特征工程：千万级|亿级2D|3D人像识别、虹膜识别、步态识别、车牌识别等能力；

　　2. 基于人的AI表征分析：人像|人体目标检测、活体、人像属性、着装、微表情等能力；

　　3. 基于细分场景的AI分析：明火、烟雾、积水、裂纹等环境监测，安全帽、工装服、反光背心等着装分析，攀高、摔倒、打架、区域禁闯、聚众等危险行为等能力；

　　4.自然语言分析、搜索推荐算法、图像增强在智能安防领域的应用也会越来越普及。

　　随着AI的发展，摄像头、芯片、5G等AI应用相关技术的发展以及安防数据的积累，智能安防的AI应用受分析数据源质量、硬件平台算力及数据等因素的影响将逐渐降低。AI将通过赋能“端”、“边”、“云”三端，为智能安防领域全栈式解决方案提供大而全的AI引擎。

　　三、安防助力AI演进

　　早期传统安防行业的AI能力很弱，采用决策树、SVM、ANN或者浅层CNN网络等算法为人工分析提供参考分析结果。此时的AI可以称为增强智能-“Augmented Intelligence”，building systems to augment human intelligence。

　　得益于学术界与工业界的共同努力，近年来AI的发展非常迅猛。学术界提高了AI研究领域的深度与广度，工业界加快了AI落地的节奏。驱动AI落地的三大关键因素是数据、算法和算力。为了降低AI对数据的需求以及AI模型结构设计成本，学术界产出了诸多有效方法来降低AI落地的成本，比如从监督学习向半监督、自监督、无监督学习转变，大模型到小模型、跨能力的迁移学习Finetune，用AutoML来自动搜索最合适的网络结构等方法。并且，安防也为AI积累了大量的场景数据。安防作为AI落地的最大领域，强烈的市场需求促进了安防产业链上游半导体企业的迅猛发展，尤其是摄像头技术和芯片技术的发展为AI落地提供了良好的高质量成像和硬件算力承载平台。4K至上亿分辨率摄像头、智能ISP算法等技术的提升极大地提高了各环境下的成像质量及解析力，APU、NPU、TPU、GPU等AI硬件加速平台使得AI的落地不再受到算力约束。同时，学术界与工业界共同打造AI推理引擎生态，从训练、量化、部署上解决AI落地的难点。

       安防行业的稳定增长，加速了安防领域相关产业的迭代，高质量海量数据、算力平台、算法将不再是约束AI落地的瓶颈。同时，安防行业的快速发展，加快了学术界和工业界推动AI的研究、落地的步伐，助力AI演进成真正的人工智能-“Artificial Intelligence”，building systems to have human intelligence。