技术是行业变革的推动力,行业竞争将集中体现在算法、数据和硬件算力这“三驾马车”的较量上。随着安防+人工智能的发展,未来这三者将呈深化发展的趋势:
(1)算法:集中开发底层算法,优化应用层算法
深度学习本质就是一种算法,通过模拟大脑的神经网络,使得设备能够像人脑一样思考。在安防行业,基于深度学习人脸识别、图像识别、车辆识别、语音识别等算法将会推动行业快速发展,算法迭代将会是推动安防+AI技术发展的根本:
准确率更高:深度学习算法可以从原始数据中提取具有更高阶、表达能力更强的特征,从而使得识别分类对象的准确率更高;
环境适应性更强:深度学习算法可以自行提取更丰富、更适合的特征参数,从而达到更强的抗环境干扰能力。
识别种类更加丰富:深度学习能够实现比较精准的目标分类识别、自主特征识别的特点,又让深度学习特别适用于抽象、复杂的人、车、物体的特征和行为势态的分析领域。
(2)算力 :智能前端的边缘计算+智能云端的规模化计算
深度学习过程中“训练”与“推演”均涉及大量并行计算,传统的CPU明显算力不足,而GPU、FPGA、ASIC具有良好并行计算能力,AI芯片可提供数十倍乃至上百倍于CPU的性能,大幅缩短计算过程,同时也方便调整多种模型架构,显著提升模型的速度。
特别是随着低功耗AI专用芯片的迭出,逐渐形成智能嵌入式前端(通过边缘计算在前端完成结构化算法预处理,获取高质量结构化数据)和后端云智能(大规模计算、存储资源、多维度大数据信息分析)协同加速发展的势态
(3)数据:边缘计算+规模化计算的结构化数据
上千万的摄像头和庞大的监控网络,瞬间就会产生海量监控视频数据,从海量视频数据中高效提取出有效的结构化数据,就成为智能安防的关键技术。而通过人工智能算法,则可自动抓取视频中的目标图片,并提取其语义化的属性数据以及可用来比对检索的特征数据,形成以数据为驱动的决策机制,根据实时数据和各类型信息,调配和调控用户的数据资源,最终实现系统的自动智能化和运行效率最优化。
人工智能是安防领域的未来,安企在通往未来的道路上,将会出现更多新的应用及技术,从而满足安防领域日益增长的新需求,推动安防产业的升级换代。