溫馨提示：如需原文檔，可在PC端登陸未來智庫官網（www.vzkoo.com）搜索下載本“人工智能深度研究”。

AI 讓行業應用插上騰飛的翅膀-電子應用篇

近年來，在計算、大數據、深度學習等技術的綜合應用下，AI 技術得以大 幅度提升，應用場景也越來越多。2017 年人工智能市場中，計算機視覺位居第 一，佔比達到 37%，語音第二，達到 22%，而在計算機視覺應用中，安防佔比 高達 68%，基於計算機視覺開發的人臉解鎖、人像美顏功能在 AI 手機應用中 滲透率分別高達 75%與 90%，而語音主要應用在智能手機、可穿戴設備、智 能家居中。

1、AI 讓安防升級換代，催生更多應用場景

A、穩健發展中的安防產業

根據中安協發佈《中國安防行業‚十三五‛(2016-2020 年)發展規劃》，‚十三五‛期間，安防行業將向規模化、自動化、智能化轉型升級，且到 2020 年，安防企業總收入達到 8000 億元左右，年增長率達到10%以上。

B、AI 技術助力安防行業智能化升級

隨著 GPU 等硬件設備的研發和人工智能相關軟件算法的成熟，人工智能 逐漸被大規模 應用各個 領域，而 安防行業 對實時性 、準確性 要求極高 ，人工能 +安防應運而生。在安防產業鏈中，硬件設備製造、系統集成及運營服務是產 業鏈的核心， 渠道推廣 是產業鏈 的經脈。 未來安防 產業的運 營升級勢 在必行， 通過物聯網、 大數據與 人工智能 技術提供整 體解決方 案是眾多 企業的發 展趨勢。

安 防是人 工智能 最理想 的落地 行業之 一。 隨著深度學習、大數 據等技 術持 續突破，‚人工智能+‛已成為我國經濟 增長的新引擎。人工智能的產 業化 是‚AI+垂直行業‛的一場變革。安防行業的海量數據以及事前預防、事 中響應、 事後追查 的訴求 與人工 智能訓 練需求及 技術邏 輯完全 吻合， 是人 工智能最理想的落地行業之一。‚A I+安防‛已 經從概念普及、技術比 拼， 進入到產品、場景、實戰應用和生態構建階段。

智 能安防 雲邊結 合成為 新趨勢 。 目前安防系統中，常 見的中心 計算架 構問 題已經日 趨嚴重， 主要體 現為網 絡傳輸 帶寬問題 、及時 性問題 得不到 有效 解決。邊 緣計算的 出現有 效緩解 了上述 問題。雲 計算聚 焦非實 時、長 週期 數據以及 業務決策 場景， 而邊緣 計算在 實時性、 短週期 數據以 及本地 決策 等場景方 面有不可 替代的 作用。 這使得 雲端及邊 緣端結 合成為 新趨勢:一 些需要集 中式處理 的計算 繼續交 由大型 雲計算中 心，如 大數據 挖掘、 大規 模學習;大量實時的需要交互的計算、分析在邊緣節點完成。

海康威視提出雲邊 融合 AI Cloud 架 構。 海康威視 AI Cloud 架構由邊緣節 點、邊緣 域和雲中 心三個 層級構 成。邊 緣節點側 重多維 感知數 據採集 和前 端智能處 理;邊緣 域側重 感知數 據匯聚 、存儲、 處理和 智能應 用;雲 中心側重業務 數據融合 及大數 據多維 分析應 用。數據 從邊緣 節點到 邊緣域 ，實 現‚聚邊到 域‛; 從邊緣 域到雲中 心，實 現‚數 據入雲‛。邊緣 域和雲 中心 可多級多 類，根據 不同應 用，邊 緣域匯 聚的數據 和傳到 雲中心 的數據 在格 式和內容上也會不同。邊緣域所發揮的作 用就像足球‚中場‛，負責決 定在 什麼時候 ，將什麼 樣的數 據，處 理到什 麼程度， 發送到 雲中心 ，實現‚按 需匯聚‛。

智 能安防 產業鏈:上游有零組 件供應商 、算法 和芯片供 應商等;中游 為軟 硬件設備 設計、制 造和生 產環節 ，主要 包括前端 攝像機 、後端 存儲錄 像設 備、音視 頻產品、 顯示屏 供應商 、系統 集成商、 運營服 務商等;下游 為產 品分銷及 終端的城 市級、 行業級 和消費 級客戶應 用。上 遊零部 件供應 商， 代表企業有華為海思、索尼、中星微，還有視頻算法提供商Object Video 等;中游 軟硬件供 應商、 系統集 成商的 主力廠商 包括海 康、大 華等。 下游 為終端客 戶，主要 涉及到 政府、 公共行 業、民用 行業等 。在智 慧城市 的普 及下，安 防市場容 量持續 增加， 安防產 品的智能 化程度 不斷提 高，數 字監 控技術日 益成熟， 人工智 能技術 在安防 市場上的 應用大 規模落 地，推 動傳 統安防產 業進化革 新，從 而帶動 了安防 產業市場 規模的 擴大。 智慧安 防產 業鏈中， 上游的算 法、芯 片和其 他零組 件供應環 節屬於 技術集 成部分 ，是 智能安防產業的發展基礎。AI+安防產業鏈公司眾多，系統廠商有海康威視、 大華股份，芯片公司有英偉達、華為海思、寒武紀，比特大陸，而AI 算法 公司有商湯科技、依圖科技、雲從科技等。

智能安 防算法: 算法環節主要包括圖像處理、視頻壓縮和內容識別三個分 類。計算 機視覺、 深度學 習、集 成算法 等重要的 人工智 能算法 的引入 和革 新，助力 安防產品 適應大 眾不斷 增長的 安防需求 。在安 防領域 智能算 法的 運用主要 體現在， 利用無 間歇工 作的智 能算法對 視頻畫 面進行 監控， 以彌 補人力無 法長時間 保持監 控狀態 的缺失;利用生 物識別 技術解 決人臉 、指 紋、語音 等生物特 徵被盜 用的情 況;提 高安防產 品保密 和防禦 級別， 確保 場所安防 布控。此 前，算 法的基 礎框架 的研發幾 乎被國 外企業 壟斷， 但近 年來，伴 隨人工智 能深度 學習算 法的快 速成熟， 中國芯 片設計 公司和 設備 產品廠商 都致力於 在基礎 算法上 進行改 進和優化 ，培養 自己獨 有的算 法技 術，部分優質的圖像內容識別、算法供應商陸續出現。

安 防監控 芯片: 在智能安防監 控領域， 芯片是 硬件設備 中成本 佔比最 高的 零組件之 一，也是 安防視 頻監控 設備的 核心部件 ，通過 前端攝 像機內 置人 工智能芯 片，可實 時分析 視頻內 容，檢 測對象， 識別人 、車屬 性信息 ，並 通過網絡 傳遞到後 端人工 智能的 中心數 據庫進行 存儲。 目前， 安防視 頻設 備中所需要的處理器芯片主要包括網絡攝像機中的 SoC 芯片、後端 DVR/NVR 中的 SoC 芯片以及深度學習算法、加速器芯片以及前端模擬攝 像機中的 ISP 芯片四種類型。目前，高性能的深度學習算法加速器芯片仍 由國外芯 片廠商提 供，但 其餘三 類處理 器芯片已 實現了 較大程 度的國 產化 替代。

安防用人工智能芯片: 目前安防領域最主流的深度學習芯片方案是GPU， 但 GPU 存在成本、效率、功耗等瓶頸，現已有針對安防產業開發的FPGA/ASIC智能芯片，如深鑑科技(去年被 Xilinx 賽靈思以 3 億美元併購) 的 DPU 芯片(FPGA)、北京君正的 NPU 協處理器(ASIC)、寒武紀的 AI 服務器芯片(ASIC 等) 。當前安防智能化進程中，算法層面已經接近成 熟，宏觀 架構上雲 邊融合(即雲 端計算 和邊緣計 算的融 合)的 理念成 為行 業共識， 雖然具體 場景的 解決方 案層面 需要通過 大量前 期項目 進行摸 索， 但政府部 門和大企 業客戶 對於安 防智能 化的趨勢 已經有 較為充 分的認 知， 而當下對 智能化落 地的進 度最為 關鍵的 影響因素 便是芯 片的成 本。為 了實 現智能化的功能(即運行深度學習算法)，安防監控系統的前端和後端 設備 中需要加入英偉達或是英特爾等國際大廠所設計的 GPU、FPGA 或者 ASIC 加速芯片，與原有的承擔圖像處理和編解碼功能的主處理器芯片一起 構成雙芯片方案，而採用這些芯片一般要為安防監控設備新增高額成本(2017 年僅前端攝像機中採用的 AI 加速器芯片的成本就高達上百美元)， 因此導致 智能化設 備的成 本普遍 偏高， 在很大程 度上影 響了智 能化的 大面 積應用。未來隨著根據應用場景定製的ASIC或專用 SoC 智能監控芯片的 逐漸成熟(安霸、 海思的 方案已 經在小 排量測試 ，而海 康及大 華也都 在開 發自研智能監控 ASIC/SoC芯片)，高性價比的專用芯片對邊緣運算及部分雲端通用GPU芯片的替代，將使得智能監控設備的成本有望大幅降低， 安防監控智能化進程在未來加速落地可期。

C、智能安防才剛進入初級階段，AI 佔比低於 1%，未來大有可為

目前 AI 在安防領域仍處在發展階段，具有較好的發展前景:《2018 年中國 AI+ 安防行業發展研究報告預告版》 的報道中指出，人工智能在安防領 域的 應用早在 2012 年就已經取得一定成就，但是無論是人臉識別、結構分析 等其他定製化服務，也就 2016-2017 年左右才稍有起色。

安防領域智能攝像頭應用率1%:智能攝像頭無疑在智能安防領域充當著 最基礎也最重要的眼睛作用，單單就智能攝像頭來說，我國一年有5000 萬個攝像頭需求。實際上我們只有 50 萬不到智能攝像頭進入到安防領域應 用，用率也就剛剛達到 1%而已。

AI 攝 像機在 公安動態識別系統滲透率 0.4 %:2018 年市場較為理性，從鋪 設速度看，AI 攝像機在公安動態識別系統項目中滲透約達到 16.6%，而若 考慮全國近 2300 萬路現存公安監控攝像頭，則滲透率約 0.4%，從設備能 力看，符合應用場景可用指標為核心準則。

智慧安防 22.6%複合增長:在安防領域，智能化逐漸成為行業轉型升級的 方向，智能安防在安防行業佔比也逐步提升。據中商情報網數據，2018 年 中國安防行業市場規突破六千億元，其中，智慧安防行業市場規模約2001 億元，預計到 2022 年智慧安防行業市場規模將達到 4514 億元，2018- 2022 年均複合增長率達到 22.6%。

2018 年安防 AI 產品營收在前端營收佔比中增長 100%，後端增長 70%: 2017 年和 2018 年人工智能開始真正落地安防場景，其中 2018 年更是飛 速發展的 一年。按 前端產 品、後 端產品 、中控產 品、工 程施工 和其他 劃分 的營收結構在這兩年中基本沒有發生變化，而AI 產品的營收在前端營收佔 比中增長了 100%，在後端營收佔比中增長了 70%(注:圖中藍色區域 AI 產品佔比為 前端產 品或後 端產品中 的佔比 ，並非 整體營收 佔比。)，說 明在 符合已有市場需求結構的基礎上，AI 產品越來越受到市場的重視與歡迎， 雖然整體 佔比還很 小，但 在公安 部門‚ 新建一批 、利舊 一批、 淘汰一 批‛的準則下，2019 年 AI 產品在安防廠商視頻監控業務中的佔比增速不會低 於 2018 年。

AI、安防企業有望整合: 新興 AI 企業比部分安防上市企業要更早推出智能 安防產品，且在技術方面更領先一些，但 AI 需要通過數據進行機器學習， AI 創企在數據方面稍遜，若沒有數據支撐難以實現更大的突破，而大量數 據都在政 府國安手 裡，若 沒有數 據支撐 也難以有 更大的 突破; 大型安 防上 市企業儘管早已提出結合深度學習、AI 技術的研發策略，且擁有大數據和 綜合指揮平臺優勢，但大部分在2017 下半年才真正推出智能安防產品。 這也就形成了資源與技術不能很好地匹配，有資源的手裡缺 AI 技術，而 AI 產品難以 規模化應 用。不 過，存 在問題 並不意味 著智能 安防達 到了瓶 頸。 從 2017 年中國智能安防行業下游需求分析中可以看出，平安城市、智能 交通是智 能安防崛 起的主 因，目 前這些 領域均處 於快速 發展期 ，此外 ，智 能安防企 業在物流 、旅遊 、能源 等領域 開闢了新 的應用 。未來 智能安 防無 疑擁有非常大的發展空間。

D、安防 AI 面臨的三大挑戰

安防 AI 的發展主要面臨以三個方面的挑戰:算法的場景適應能力、大規模應用的技術與經濟可行性和麵向業務應用的解決方案。

算 法的場 景適應 能力:以人臉識別為例 ，目前 絕大多 數廠商的 算法來 源於 對人臉靜 態圖片的 學習訓 練—比 如標準 證件照， 對所採 集的人 臉照片 的清 晰度、光 照、角度 、妝容 都有著 嚴格的 要求，但 在實際 監控場 景中， 除了 室內個別環 境外， 絕大多 數現場環 境採集 的人臉 圖片無法 滿足這 樣的要 求， 造成人臉 識別精度 的大幅 度衰減 。如國 內某知名 廠商的 人臉識 別算法 在靜 態人臉比 對測試中 總是名 列前茅 ，但其 複雜環境 下動態 人臉識 別的效 果就 比較差，特別是在偏轉角度較大(超過 30°)、化妝、戴墨鏡、戴口罩等 情況下識別率會大打折扣。

大 規模應 用的技 術與經 濟可行 性:目前計算機視覺的 大規模運 算還主 要依 賴 GPU 和 CPU 的算力，以人臉識別和視頻結構化分析為例，一般利用 GPU 做視頻圖像處理與特徵解析運算，用 CPU 做人臉特徵比對運算。在 複雜動態人臉採集環境下，1 臺 8 卡 GPU(TESLA P4)+2 個 16 核 CPU 服務器每秒可支持 80 路 1080P 高清視頻實時動態解析和 100 萬庫的實時 動態比對運算，硬件成本摺合 4000 元人民幣/路，電力消耗(服務器自身 耗電+散熱製冷耗電)摺合每年 800 元/路。如果採用 800 萬像素的監控圖 像，硬成本會再增加 3 倍，這還沒有計算算法與應用軟件系統的費用，如 此高昂的建設與運行費用很難得到大規模的應用推廣。

面向業務應用的解 決方案:AI 是一項技術，從 AI 技術 到客戶價值，需要一 整套的產 品與解決 方案， 向客戶 最終交 付的是應 用，尤 其是面 向業務 的應 用軟件， 不同行業 、不同 場景、 不同用 途的業務 應用都 不盡相 同，需 要針 對性的集 成與應用 軟件開 發，否 則無法 規模化推 廣。而 目前情 況來看 ，無論是 AI 算法廠商、安防產品商還是系統集成商，都不具備全行業應用軟件 的開發能力。

E、AI+安防使用技術

( a) 視 頻結構化技術

一 是目標 檢測——從視頻中提取 出前景 目標， 然後識別 出前景 目標是 有效 目標(如:人員、 車輛、 人臉等)還是 無效目標(如: 樹葉、 陰影、 光線 等)。在目標檢測過程主要應用到運動目 標檢測、人臉檢測和車輛檢測 等技 術。

二 是目標 跟蹤——實現特定目標 在場景 中的持 續跟蹤， 並從整 個跟蹤 過程 中獲取一 張高質量 圖片作 為該目 標的抓 拍圖片。 在目標 跟蹤過 程中主 要應 用到多目標跟蹤、目標融合以及目標評分技術。

三 是目標 屬性提 取——對已經檢測到的 目標圖 片中目標 屬性的 識別， 判斷 該目標具 有哪些可 視化的 特徵屬 性，例 如人員目 標的性 別、年 齡、著 裝， 車輛目標 的車型、 顏色等 屬性。 目標屬 性提取過 程主要 基於深 度學習 網絡 結構的特徵提取和分類技術。

(b)情感計算技術

情感計算在 安防領域 具有廣泛 的應用前 景。計算 機通過對 人類面部 表情、 語音表情、姿 態表情、 生理表情 和文本情 感的獲取 、分類和 識別，可 以及時獲 取目標對象的情感變化，並對異常危險行為提出預警，實施相應的應對措施。

臉部表情: 國際著名心理學家Paul Ekman 和研究夥伴 W.V.Friesen 對 人臉面部表情作了深入的研究，通過觀察和生物反饋，於 1976 年描繪出 了不同的臉 部肌肉 動作和 不同表情 的對應 關係，即 面部表 情編碼 系統 FACS。FACS 根據人臉的解剖學特點，將人臉劃分成若干既相互獨立又相 互聯繫的 運動單元 ，分析 了這些 運動單 元的運動 特徵及 其所控 制的主 要區 域以及與之相關的表情，並給出了大量的照片說明。FACS 是如今面部表 情的肌肉 運動的權 威參照 標準， 也被心 理學家和 動畫片 繪畫者 使用。 為滿 足視頻信 息傳輸的 需要， 人們進 一步將 人臉識別 和合成 的工作 融入到 視頻 圖像編解碼之中。典型如 MPEG4 V2 視覺標準，其中定義了 3 個重要的參 數集:人 臉定義參 數、人 臉內插 變換和 人臉動畫 參數。 當前人 臉表情 處理 技術研究的熱點多側重於對三維圖像的更加細緻的描述和建模。通常採用 複雜的紋 理和較細 致的圖 形變換 算法， 達到生動 的情感 表達效 果。在 此基 礎上，不同的算法形成了不同水平的應用系統。

語音理解 : 目前，國際上對情感語音的研究主要側重於情感的聲學特徵的分 析。中國 科學院自 動化研 究所模 式識別 國家重點 實驗室 的專家 們針對 語言 中的焦點 現象，首 先提出 了情感 焦點生 成模型。 這為語 音合成 中情感 狀態 的自動預 測提供了 依據， 結合高 質量的 聲學模型 ，使得 情感語 音合成 和識 別達到了實用水平。

姿態變化 : 針對肢體運動，科學家專門設計了一系列運動和身體信息捕獲設 備，例如 運動捕獲 儀、數 據手套 、智能 座椅等。 國外一 些著名 的大學 和跨 國公司，例如麻省理工學院、IBM 等則在這些設備的基礎上構築了智能空 間。也有 人將智能 座椅應 用於汽 車的駕 座上，用 於動態 監測駕 駛人員 的情 緒狀態，並 提出適 時警告 。意大利 的一些 科學家 還通過一 系列的 姿態分 析， 對辦公室的工作人員進行情感自動分析，設計出更舒適的辦公環境。

生理 識別 : 不同的生理信號的特徵模 式也是情感 識別的重要依 據之一。 人 的生理信 號比起面 部表情 和語音 ，識別 難度更大 ，所以 目前生 理模式 的情 感識別研 究還處於 初級階 段。哪 些信號 可以轉化 為情感 參數、 信號各 個方 面的權重、比例應該是多少，這些都還需要進行進一步的研究和探索。

文本情感計算 : 文本情感計算是自然語言處理的一個研究分支，其工作展開 的關鍵在 於情感特 徵提取 和情感 分類方 法的不斷 進步優 化。盡 管經過 了大 量研究， 文本情感 計算取 得了很 大的進 展，但整 體仍處 於探索 階段， 存在一些亟待 解決和研 究的問 題:缺 乏規範 統一的實 驗語料 和詞典 。目前 針對 語言規律和句子語義成分的分析問題，還沒有成熟的解決方案。

多模態的情感計算 : 雖然人臉、語音、姿態、生理、文本均能獨立地表示一 定的情感， 但只有 實現多 通道的情 感信息 採集， 才能實現 完整的 情感識 別。 這通常要 求系統集 自然語 言、語 音、手 語、人臉 、脣讀 、頭勢 、體勢 等多 種交流通 道於一體 ，進行 綜合的 採集、 分析和識 別。目 前，多 模態技 術正 在成為情 感計算的 研究熱 點，實 現情感 的多特徵 融合， 能夠有 力地提 高情 感計算的研究深度。美國麻省理工學院、日本東京科技大學、美國卡內 基·梅隆 大學均在 情感機 器人和 情感虛 擬人的研 究領域 做出了 較好的 演示 系統。中 科院自動 化所模 式識別 國家重 點實驗室 也已將 情感處 理融入 到了 多模態交 互平臺中 ，結合 情感語 音合成 、人臉建 模等技 術，構 築了栩 栩如 生的情感虛擬頭像。

(c)大數據技術

大數據技術 為人工智 能提供強 大的分佈 式計算能 力和知識 庫管理能 力，是人工智能分析預測、自主完善的重要支撐。

一是海量 數據管理 被用於 採集、 存儲人 工智能應 用所涉 及的全 方位數 據資 源，並基 於時間軸 進行數 據累積 ，以便 能在時間 維度上 體現真 實事物 的規 律。同時 ，人工智 能應用 長期積 累的龐 大知識庫 ，也需 要依賴 該系統 進行 管理和訪問。

二是大規 模分佈式 計算使 得人工 智能具 備強大的 計算能 力，能 同時分 析海 量的數據，開展特徵匹配和模型仿真，併為眾多用戶提供個性化服務。

三是數據 挖掘是人 工智能 發揮真 正價值 的核心， 利用機 器學習 算法自 動開 展多種分 析計算， 探究數 據資源 中的規 律和異常 點，輔 助用戶 更快、 更準 地找到有效的資源，進行風險預測和評估。

F、AI+安防場景應用

安防與人工智能技術結合是大勢所趨，‚A I+安防 ‛朝著視頻結構化、數據 可視化、安防 移動化、 雲防立體 化演進。但 在發展過 程中軟硬 件問題尚 待解決， 只有妥善解決 這些問題 ，才能滿 足市場需求 ，提升整 個安防領 域的智能 化水平， 從而推動安防產業的升級換代。

公 安行業 場景應 用:公安行業用戶的迫 切需求 是在海量 的視頻 信息中 ，發 現犯罪嫌 疑人的線 索。前 端攝像 機內置 人工智能 芯片， 可實時 分析視 頻內 容，檢測 運動對象 ，識別 人、車 屬性信 息，並通 過網絡 傳遞到 後端人 工智 能的中心 數據庫進 行存儲 ，再利 用強大 的計算能 力及智 能分析 能力， 對嫌 疑人的信 息進行實 時分析 ，為案 件的偵 破節約寶 貴的時 間。其 強大的 交互 能力，真正成為辦案人員的專家助手。

交 通行業 場景應 用:在交通領域，利用 人工智 能技術， 可實時 分析城 市交 通流量，調 整紅綠 燈間隔 ，縮短車 輛等待 時間， 提升城市 道路的 通行效 率。 城市級的 人工智能 大腦， 實時掌 握著城 市道路上 通行車 輛的軌 跡信息 ，停 車場的車 輛信息， 以及小 區的停 車信息 ，合理調 配資源 、疏導 交通， 實現 機場、火 車站、汽 車站、 商圈的 大規模 交通聯動 調度， 提升整 個城市 的運 行效率，為居民的出行暢通提供保障。

智 能樓宇 場景應 用:在智能樓宇領域， 人工智 能是建築 的大腦 ，綜合 控制 著建築的 安防、能 耗，對 於進出 大廈的 人、車、 物實現 實時的 跟蹤定 位， 區分辦公 人員與外 來人員 ，監控 大樓的 能源消耗 ，使得 大廈的 運行效 率最 優，延長大廈的使用壽命。

工 廠園區 場景應 用:在工廠園區場所， 利用可移 動巡線 機器人， 定期巡 邏， 讀取儀表 數值，分 析潛在 的風險 ，保障 全封閉無 人工廠 的可靠 運行， 真正 推動‚工業4.0‛的發展。

民 用安防 場景應 用:在家庭安防中，當 檢測到 家庭中沒 有人員 時，家 庭安 防攝像機 可自動進 入佈防 模式， 有異常 時，給予 闖入人 員聲音 警告， 並遠 程通知家 庭主人。 而當家 庭成員 回家後 ，又能自 動撤防 ，保護 用戶隱 私。 夜間期間 ，通過一 定時間 的自學 習，掌 握家庭成 員的作 息規律 ，在主 人休 息時啟動佈防，確保夜間安全，省去人工佈防的煩惱，真正實現人性化。

G、2018 年安防 AI 發展情況

2015 年以來，曠視、依圖、商湯、雲從等人工智能算法團隊率先將人臉識 別技術應用到 公安科技 中，幫助 公安機關 偵破了很 多舊案積 案，抓獲 了不少長 期潛逃的案犯，引起了轟動，安防 AI 應用才始見廬山真面目。經過 2016、 2017 兩年的認知、試用和推廣，2018 年開始進入一輪人臉識別初級階段應用的 小高潮。

(a)2018 年安防 AI發展特點

2018年安防 AI 市場發展的特點可概括為四句話十六個字:‚看臉時代‚風正起時‚群雄並起‚兩營對壘。

看臉時代:2018 年談到安防AI就離不開人臉識別，一方面是因為一流 算法團隊 的人臉識 別技術 已經超 越人眼 的辨識能 力且得 到了眾 多現實 場景 的檢驗， 技術上完 全達到 了實用 化階段;另一方 麵人臉 識別的 應用範 圍和 場景比較 寬，如公 安追逃 、身份 核查、 案件偵查 和所有 需要身 份鑑別 認證 的場景都用到人臉識別技術，人臉識別是目前最成熟、最廣泛的安防 AI 應 用。

風正起 時：作為全國性的安防行業最大的工程項目——雪亮工程和天網 工程的建設重點都已經從原來點位建設轉移到 AI 應用上來，以及其它垂直 應用領域的安防系統建設也都在關注 AI 應用，從而催生出了未來巨大的安 防 AI 產品與應用市場，安防 AI‚風‛已經吹起，AI 算法團隊、AI 芯片廠 商、傳統安防廠商、系統集成商、傳統 IT 廠商都吹響了‚集結號‛，意欲 掘金未來龐大的安防市場。

群雄並起：受安防 AI 風口的驅動，除了目前國內幾家知名的視覺 AI 算 法團隊外，傳統安防廠商、新 AI 創業團隊、垂直行業應用集成商也都在投 入人力物力來開發自己的 AI 技術和產品，形成了群雄並起的局面。

兩營對壘：2018 年以前，率先在安防AI市場颳起旋風的是依圖、商湯、 曠視、雲從等 AI 新銳。2018 年，傳統安防廠商佈局AI技術產品，在市場 競爭層面主要是 AI 算法專業團隊與傳統安防廠商兩大陣營的對壘，在到底 是 AI+安防還是安防+AI 的問題上各自演繹。從當前競爭的初步結果來看，AI算法團隊在算法精度和雲端算力上具有較為明顯的碾壓優勢，傳統安防 廠商在 AI 邊緣產品——特別是人臉檢測抓拍攝像機產品化和安防 AI 行業 應用方面處於領先地位。

(b)安防 AI 技術、產品應用落地情況

目前安防 AI 技術主要集中在人臉識別與人、車、物視頻結構化解析兩個方 面，其中人臉識別技術已經成熟，人臉靜態識別準確率已經達到98%以上，人 臉動態識別(利用監控攝像頭進行實時人臉識別)的準確率也已達到 90%以上(百萬人臉比對 庫以內)， 已經滿足 絕大多數場 景下的應用 需求。人/ 車/物視頻 結構化解析在機動車特徵解析上的準確率已達到95%以上，而在人體特徵和非 機動車識別上 準確度與 實戰要求 還存在一定 的差距， 特別是在 大場景、 多目標、 複雜光照條件下，準確度還難有保證。

在 AI 產品上，雲端產品主要是基於 GPU 運算的人臉識別與視頻結構化解 析服務器，受 限於前端 芯片算力 的影響， 邊緣運算 產品主要 是人臉抓 拍攝像機 和支持小規模 人臉庫的 人臉門禁 終端機， 其中以人 臉抓拍攝 像機和人 臉閘機的 市場銷售已經 初步放量 。在落地 應用場景 上，以雪 亮工程、 天網工程 等社會公 共安全為主要應用場景，佔安防 AI 市場的 80%以上，但目前還僅僅是小規模試點和少量項 目落地應 用，還遠 沒形成規 模化應用 的格局。 另外，人 臉門禁在 政府機關、對 安全有較 高要求的 企事業單 位、居民 小區、校 園等也有 試點場景 落地。

H、AI+安防發展趨勢

( a) 從 最初的‚誰是你，到你是誰

近些年因為 AI 技術的出現，視頻監控層面從最初的數字化、網絡化、高清 化向智能化快 速轉變， 安防行業 達成的共識 是從‚看 得清‚到 ‛看得懂‚，從‛看視頻‚到‛用視頻‚ 進行過渡 。最初攝像 頭解決的 是圖像傳 輸和處理 ，網絡、 互聯網普及後 開始進行 萬物互聯 ，無論是 依託大數 據還是雲 計算技術 來判別人 與人、人與物之間的關聯性。但最近在近期 AI 或安防上市企業發佈會或展會上， 我們看到一些多功能 AI 產品面世。

比如感知型 IPC，在車輛識別方面精細化程度從車牌、車型、車身顏色、 品牌到駕駛員 是否系安 全帶、是 否打電話 、是否開 啟遮陽板 ，再到車 輛通過的 時間、道路名 稱、車輛 行駛方向 進行車輛 軌跡分析 ，包括人 員以圖搜 圖，整理 你的行為軌跡。AI+安防要解決的將不再是人與人之間、人與車之間的結構聯繫， 而是能自主判斷‚你是誰‛，相信在不久的將來人工智能技術將會取代眾多傳統 的安防技術，整個安防行業的發展已經到了比拼核心技術的關鍵節點。

(b)投資併購，完美結合

因為 AI 技術和供應鏈資源參差不齊的事實客觀存在，我們發現，不少傳統 安防企業通過投資/併購 AI 公司的方式來彌補各自短板，向完美結合體演進。2008年，全球視頻監控領域三大巨頭 AXIS、BOSCH、Sony 宣佈合作，安防 領域內企業開放、合作呼聲漸高。2015 年英飛拓收購藏愚科技，高新興收購創 聯電子，東方網力收購華啟智能、動力盈科等 6 家新技術企業;2016 年海康威 視收購英國報警企業 SHL，佳都收購華之源，東方網力再次投資愛耳目、數智 源等等。我們 看到安防 市場格局 逐漸明朗 ，已經形 成了‚兩 超多強‛的格局， 海康威視和大 華股份領 跑市場， 東方網力 、佳都、 蘇州、漢 王等第二 梯隊企業 奮起直追。當有了新技術的運作，尤其在 AI 應用正式落地安防之後，投資或收 購 AI技術公司成為傳統安防企業最有效創新升級的方式，而 AI+安防企業也將 面臨行業集中度提高，市場份額向頭部集中的洗禮。

(c)AI+安防企業的業務邏輯是先 TO b

公安部門 屬於比較 高端的 市場， 但從歷 史來看， 都是從 政府這 邊去切 入， 然後成熟之後再往民用方向普及，隨著AI成熟度的進一步加強，很多安防 產品已經開 始逐步 下沉到 更多細分 的民用 場景， 如社區、 學校、 工業園 區、 智能家居等。

受益於安 防領域深 度學習 算法的 快速發 展，智能 安防已 經得到 了越來 越廣 泛的應用。在 AI+安防時代，面對安防視頻產品下游的需求，運營服務將 有較大的 市場空間 ，這也 將成為 我國安 防產業未 來的發 展方向 。以人 臉識 別為例，可 廣泛應 用於公 安、零售 、教育 、金融 、醫療等 行業; 除此之 外， 未來也可 以嘗試新 興的場 景，如 智慧景 區，完成 物品遺 留檢測 、客流 統計 以及智能巡檢等;智慧商業，對客流量統計以及人流密度檢測等。

而對於具體做法，AI 初創公司未來需要選擇和深挖垂直行業解決方案。做 解決方案 的好處就 是能夠 端到端 地瞭解 行業應用 ，從系 統化、 全局化 的角 度才能真 正理解業 務對於 技術的 需求， 重新定義 問題才 有可能 更好解 決問 題。

AI 對安防領域的改造才剛開始，這一點從幾家傳統安防企業的 AI 產品落地 情況可以看出來。2017 年是AI+安防企業正式落地應用的第一年，具備深 度學習算法或 AI 產品開始在政府國安得到小範圍運用，包括提供個性化定 制解決方 案，隨著 未來技 術的成 熟，以 及國家政 策的推 動。在 原有安 防場 景裡，AI+安防產品大規模運用最多隻有 5 年左右時間，這些年彎道超車的AI 初創企業，以及積極擁抱 AI 新技術的傳統安防企業的行業格局變化值得 期待。

(d)安防 AI 應用場景落地需要算法、算力、產品與應用共同推動

安防 AI 應用場景落地需要算法、算力、產品與應用四個方面的合力才能推 動，其中算法仍然是核心。隨著算法、算力、芯片的快速發展和泛AI業務場景 的深度應用，行業將迎來泛 AI 時代，預計到 2022 年，AI 將成為幾乎所有安防 監控系統的必備能力。

算 法層面:除了需要不 斷提升應 用場景 的環境 適應能力 外，還 需要在 保證 算法精度 的前提下 對模型 的持續 精煉， 以降低對 算力的 消耗， 從而控 制硬 件資源的 投入、系 統建設 成本和 電力消 耗，為大 規模泛 智能化 應用創 造條 件。因此 誰掌握了 深度學 習的核 心技術 ，具備算 法的持 續優化 迭代能 力， 誰就會在未來的市場中佔據主導地位。雖然安防 AI 市場的參與者都宣稱具 有自主開 發算法的 能力， 但絕大 多數是 利用開源 深度學 習框架 進行二 次開 發和模型 訓練，本 身並不 掌握核 心技術 ，而開源 框架多 數來源 於美國 的公 司或研究機構，未來在算法的迭代能力上將面臨極大的考驗。

算 力層面:無論是雲端 算力和邊 緣算力 將會得 到大幅度 提升， 英偉達 不斷 刷新其推理型 GPU芯片的運算性能和能耗比，為雲端運算提供強大的算力 支撐。Intel、NXP、AMD、GOOGLE、蘋果、IBM、ARM、高通、博通、 三星等國 際知名芯 片廠商 以及華 為、寒 武紀、比 特大陸 ，深鑑 、地平 線、 中星微等國內芯片廠商都在 AI 芯片上持續發力，未來必將呈現眾彩紛呈的 局面，讓每個安防設備都具備強大的 AI 能力。

產品層面:目前雲端產品主要以 GPU 服務器為主，未來會出現集成 ARM、 高通、華為海思、FPGA 等芯片架構的雲端AI運算服務器。隨著高性能、 微功耗、低成本 AI 芯片的推出，未來最值得期待的將會是邊緣節點泛智能 產品，如可同時運行多種 AI 算法模型的 AI 攝像機、智能NVR等產品，AI 將會是安防監控設備的標配能力。

應用層面: AI來源於深度學習與大數據，AI同時也產生大數據，如基於人 臉、人體、車輛特徵的時空軌跡大數據。AI 的核心是算法，本質是大數據， 特別是在公安行業，AI 給警用大數據注入了新鮮血液，有了 AI 才算真正有 了警用大數據。因此未來在安防 AI 應用層面，不僅僅是目前簡單的人臉比 對、黑名單布控、身份甄別等簡單化應用，而是具備更大可挖掘價值的 AI 大數據應用，也將會湧現出一批專注於面向各行業的 AI 大數據挖掘和應用 的企業。

2、智能手機 AI 應用勢如破竹

隨著移動互 聯網的發 展，智能 手機已經 從單純的 通訊工具 成為了人 們生活 和工作的入口，智能手機的快速普及也帶動了諸多產業的發展，AI 也瞄準了智 能手機這個大蛋糕市場，同時手機廠商意識到了 AI 給智能手機行業帶來的價值， AI 手機應運而生，從 2017 年開始，‚AI 手機‛如雨後春筍，2018 年主流手機 廠商更是在各自的旗艦機型中全面引入 AI 技術，甚至搭載 AI 芯片的手機正在 成為市場的主流。

A、AI 視覺給手機帶來新方向

目前手機 AI 應用較多的還是體現在攝像頭上，無論是拍照、解鎖，還是認 知、優化、分析等都是基於這個‚AI Camera‛。最淺層的AI Camera 即人臉解 鎖，再往上則可能是 AI 的智能優化。視覺應用是手機 AI 應用中最主要的訴求， 從圖中我們可 以明顯地 看到，目 前主流的 手機應用 大多與視 覺應用相 關(藍色 柱狀圖)，可以說，提升視覺技術在當前是改善用戶體驗的最直接和最有效的手 段。目前，計 算機視覺 技術在手 機種的應 用主要可 以分為三 大方向: 識別與認 證、AI 攝影、3D 感知。AI 手機基於計算機視覺開發的人臉解鎖、人像美顏功 能在手機應用中滲透率分別高達 75%與 90%。與此同時，AI 視覺需求的日益 強烈對產業鏈 因此提出 了更高的 要求，應 用、算法 、解決方 案、硬件 將會環環 相扣、缺一不可。

想要給用戶 帶來超預 期的視覺 體驗，需 要產業鏈 的協同發 展。視覺 技術的 推陳出新與產業鏈的發展緊密相連。IDC 將計算機視覺技術對安手機的影響分 為四個層面， 每一個層 面的創新 既相對獨 立又相互 促進。利 用新器件 、新算法 打造新方案探索新應用，改善用戶體驗，提升用戶粘性是 AI 手機快速普及的重 要助推力。

AI 視覺方案對手機產業鏈的革新需求:隨著人工智能視覺需求的日益強烈， AI 視覺解決方案整合將加速，對產業鏈提出了更高的要求。計算機視覺技 術將成為 手機產業 鏈的關 鍵環節 ，可見 計算機視 覺技術 在手機 領域的 應用 正在趨於 成熟，但 就技術 本身來 講還有 太多應用 場景尚 未被開 發出來 。當 前市場關 注度、滲 透率及 技術採 用度相 對較高的 應用場 景，如 人臉識 別、 物體識別 、物體檢 測等還 停留在 較為基 礎的物體 探測階 段，在 更具體 的事 件檢測、 更靈活的 人機交 互及更 複雜的 信息重組 、自主 行為等 方面的 應用 明顯不足。

AI 視 覺產業生 態的整合正在發生:以高通、聯發科、紫光展銳等公司為代 表的芯片 廠商，以 及以奧 比中光 、艾邁 斯、舜宇 光學、 歐菲科 技為代 表的 光學器件 和模組廠 商正在 通過戰 略合作 資本等形 式與上 層算法 和應用 公司 進行深度合作。未來，無論是計算機視覺技術本身還是‚AI 手機‛行業的 市場前景，都還具有非常大的想象空間。

AI 算法加持，手機攝像頭實現 AR 測量:2018 年 11 月，OPPO R17 Pro 正式發售，其搭載的‚AR 測量‛令人矚目，成為首款實現景深距離測量的 安卓手機。‚AR 測量‛就是可以直接藉助手機 AR 代替尺子、量角器等工 具測量實際物體長度、角度、距離、面積的應用。開啟‚AR 測量‛創意功 能，用戶可以測量物體的角度、長度、測距離以及面積。那麼，OPPO AR 測量的精度如何呢?OPPO AR 通過景深距離的測量，透過手機屏幕，用 戶可以直觀看到被標記物體與自己的距離，其絕對精度為 1%，相對精度 為 0.5%。

B、解放雙手，AI 語音助手發展在路上

語音助手是‚人工智能‛應用的一種具體表現方式，‚人工智能‛最初的形 態就是語音助手;特別是 AI 語音助手可以通過不斷學習和整合服務，從而變得 更智能和更實用。AI語音助手應用在智能手機中，可以實現智能對話和即時問 答等智能交互，幫忙手機用戶解決各種問題。因此，智能手機搭載AI語音助手， 也是希望智能手機變得更加智能。

2023 年，智能手機 AI 助手滲透率將達90%:AI 語音是僅次於AI視覺的 在智能手機中第二大應用， 2017 年，全球銷售的智能手機中，只有 36.6% 的智能手機配置 AI 語音助手，而2018年，這個數字將達到 47.7%; Strategy Analytics 預測到 2023 年前，全球90%的智能手機勢必會配置 AI 語音助手。這說明智能手機配置AI語音助手功能，已經成為一種越來越流 行的發展趨勢。

谷歌 Assistant 的 AI 技術明顯超前:2017 年，谷歌的 Assistant 語音助手 就佔了 46.7%的市場份額，其次是蘋果的 Siri 語音助手，佔了 40.1%的市 場份額。預計 2018 年，谷歌 Assistant 語音助手的市場份額可能會增長到 51.3%;並且到 2023 年，它的市場份額預計增長到 60.6%。

3、智能穿戴‚錢‛途無量

A、可穿戴設備保持快速成長

Gartner 預測， 2018 年全球可穿戴設備出貨量預計將達 1.79 億部，較 2017 年的 1.41 億部同比增長 27.1%。新興市場可穿戴設備的出貨量進一步增 長，智能可穿戴設備未來五年複合年增長率將達到26.3%，預計 2022 年發貨 量將躍升至 4.53 億部。舉例而言，至 2022 年，耳戴式設備、頭戴式設備、智 能手錶的出貨量分別將達到 1.58 億臺、8018 萬臺、1.15 億臺，五年出貨量復 合增速分別為 49.1%、33.3%、22.7%，耳戴式設備將取代智能手錶成為可穿 戴設備領域最主要的產品。到2022 年，蘋果 AirPods 之類的耳機設備，將佔 可穿戴設備市場份額的 30% 以上。

B、可穿戴 AI 市場增速更快

AI 助手需求量的不斷增加、醫療行業運作量的增加、物聯網技術的出現、 無線技術的整 合、可穿 戴組件技 術的增長 前景，以 及消費者 對先進可 穿戴設備 的喜愛和需求的增加，都是全球可穿戴市場不斷增長的主要驅動力。 MarketsandMarkets 預測，2018 年全球可穿戴 AI 市場規模預計為 115 億美元， 到 2023 年，該數字餘預計將達到 424 億美元，預測期(2018 年~2023 年)內 的年複合增長率為29.75%。

可穿戴 AI 產品主要由顯示、處理器、電源管理、集成電路、存儲器/存儲、 傳感器以及用戶界面組成，按照產品種類的不同，可穿戴AI 產品擁有智能手錶、 智能耳機、智 能眼鏡以 及其他智 能產品(如 健身追蹤 器、智能 服裝、智 能飾品、 智能鞋等等)四大類;而根據操作的不同，可分為設備上的 AI 和基於雲的 AI。

C、藍牙耳機有望會成為私人‚AI 小祕

而在過去的 2018 年裡，無線耳機這個相對大的品類之中，其實也在悄然 發生著改變。國內外音頻/耳機大廠如索尼、Bose、森海塞爾、JBL 和惠威， 乃至華為、榮耀和魅族等手機品牌，也都爭先恐後的發佈TWS 類耳機(True Wireless Stereo, 真無線耳機)，TWS 耳機在 2018 年迎來了一次大爆發，結合 2018 年雙十一、雙十二電商銷量數據，無線耳機產品銷售量佔比超過 50%， 無線耳機已正式開始取代傳統有線耳機的征程。2019 年，在 AI 技術的引入下， 藍牙耳機的功 能將會更 加千變萬 化，這也 將是各家 廠商競爭 的焦點之 一，具體 有可能碰撞出什麼 火花?大致 可以分為這 些:(1)智能 降噪將成為 標配，(2) 運動耳機將加入更多檢測功能，(3) 耳機也能識別你是誰:聲紋 ID 與 AI 語音，(4)私人定製 EQ，(5)更多 AI 功能，如智能實時翻譯、聽譯功能等。

AirPods 仍是最受歡迎的無線耳機: AirPods 是蘋果設備中最具備成長動 能的產品，預計2018 年 AirPods 出貨量約 2800 萬臺，佔比全球耳戴式設 備出貨量的 80%以上。此外，蘋果新款 AirPods 獲藍牙技術聯盟認證，並 支持健康追蹤、無需手動可直接語音喚醒 Siri 等功能，其充電盒也有望增 加無線充電技術，市場預計全新設計的AirPods 將於 2020 年發佈，18-21 年蘋果 AirPods 將是全球耳戴式設備快速成長的主要驅動力。

4、安防+AI 讓智能家居正式邁入智慧家居

智能家居產品已經悄然飛入‚尋常百姓家‛，如今的智能家居產品早已不只 停留在概念階 段，各種 神奇的‚ 腦洞‛已 經紛紛落 地成為現 實。智能 語音助手 快速崛起，使其成為串聯智能家居設備的重要‚入口‛;智能安防產品不斷髮展， 明顯提升了生活質量‛。無論在國內還是全球市場，智能家居在過去一年中都交 出了亮眼的‚成績單‛。前瞻產業研究院統計數據顯示，在全球市場，智能家居 產品 2018 年的出貨量增長了 39%，預計到 2023 年，智能家居全球市場規模 將達 1550 億美元。在中國，2018 年中國智能家居市場出貨量達到 1.5 億臺， 同比增高達 35.9%。

在 2019 年的 CES(美國消費電子展)上，智能語音助手成為谷歌和亞馬遜 兩大巨頭展臺 上的主角 ，智能語 音助手連 接的攝像 頭、溫度 計、空調 和門鈴佔 據了最顯著的位置。亞馬遜方面表示，其語音助手已被安裝在超過1 億臺設備 上;谷歌則公佈數據稱，2018 年包括智能手機、智能手錶、智能家居設備等在 內，內置谷歌語音助手的產品數量從 4 億臺升至 10 億臺。

A、 智 能 音 箱，智 能家居設備的入口

搭載了智能 語音助手 的智能音 箱，被廠 商們視為 能夠串聯 起智能家 居設備 的‚入口‛。廠商們爭奪智能音箱市場的主導地位，其實就是在爭取首次購買人 群以及剛剛開始建立自己智能家居設備系統的消費者，預計到 2019 年，通過 智能音箱將可以控制超過 80%的智能家居設備，2018 年語音助手在智能家居 市場出貨量中的搭載率為 28%，預計到 2019 年將達到 39%，未來將更多應用 在智能插座、智能攝像頭以及智能網關等產品上。

B、 家 庭 智 能安防漸成剛需

如果說智能語音助手作為入口的價值在於串聯，那麼以智能門鎖、智能攝像頭等為代表的 智能安防 設備作為‚入口， 其價值則 在於剛需。全球智能安防市場規模在 2020 年有望達到 470 億美元，五分之三的美國消費者 購買智能家居產品並通過智能手機監控他們的房屋。

隨著家庭場 景自動化 需求逐漸 提升，家 庭環境、 安全和控 制類設備 市場將 迎來快速增長期，預計 2019 年增速將達到 60%。人臉識別技術作為 AI 最為成 功的應用之一 ，其雖然 已經大範 圍應用於 智慧城市 、平安城 市等大型 項目中， 但大部分技術 並未下放 至家居安 防產業中， 家居安防 依然以普 通視頻監 控為主， 而一旦家居安防與 AI 相結合，將進一步推動智能家居智能化的發展步伐，讓智 能家居正式邁入智慧家居。