引言

作为十四五的开局之年，2021年将开始重装启航，在过去的5年里，我国不论是经济、文化还是其它方面都得到了巨大的发展； 科技 技术水平也在不断地提高，在这里面，视频监控系统在公共 社会 安全方面以其技术+智能的特点，成功实现 社会 安全防御保护，同时视频监控系统也完成了从“看得见”“看得清”到“看得懂”的 科技 技术发展，成功推开了智能安防的大门。

为何AI技术纷纷落地视频监控

在人工智能、5G、IoT突破融合的趋势下，各地加速智慧城市建设，城市安防更是加深发展，利用深度学习技术来理解视频内容，使得安防领域成为人工智能技术最大应用场景之一。安防，被视为下一个即将爆发的市场，是国内现阶段人工智能直接创收最多的行业。未来每个新增摄像头的背后，AI都大有可为，预计到2022年整个市场将达到万亿规模。

安防领域一直被认为是人工智能技术落地最好的行业之一。而这主要源于安防本身的两大特性：首先，以视频技术为核心的安防行业拥有海量的数据来源，可以充分满足人工智能对于算法模型训练的要求；其次，安防行业中事前预防、事中响应、事后追查的诉求与人工智能的技术逻辑完全吻合。

而从目前市场现状来看，鉴于安防领域巨大的市场规模和可观的营收利润前景，也恰恰使其成为众多AI巨头以及创业公司的必争之地。

目前，在整个行业上下游环节的参与方分别包括：上游，包含了视频算法提供商、芯片制造商、图像传感器、镜头模组等其他核心零部件；中游，包含了硬件供应商、软件服务商、系统集成商、运营服务商；下游，为终端行业应用，涉及政府、行业、民用等领域，涵盖家庭、公安、交通、金融、学校、出入等方向。

趋势之一：AI中台

“中台”一词源是活跃在IT和互联网行业的专业概念，进入智能安防产业和系统框架之后，其本质上和安防行业之前提的大数据基础云平台是同一个概念。以天地伟业为首的龙头安防企业已经在实践“AI中台”战略，推出了自家的中台架构。在他们看来，中台架构的构建可以更好地打通各产品的数据和前端业务，更直观地体现安防行业除前端、应用之外基础架构的重要性，实现数据和应用的分离，支持业务应用的快速开发，提升企业内部业务线进行协作的效率。

AI开放中台的主要作用是对上层应用平台提供开放聚合的智能分析计算的能力和标准应用接口，包括算法服务能力、视频支撑能力、数据存储能力、服务资源能力、场景应用能力等。AI开放平台为了降低开发者的使用门槛，大多能提供免费的公用硬件资源、标准规范的开发语言以及快捷易用的操作方法，有些经验的开发人员只要提供大量的样本，就能通过AI开放平台针对自己的应用需求进行优化和改进。基于AI开放平台，企业可以选择聚焦核心技术突破，针对具体应用场景进行图像分析和训练标注，也可以选择与AI生态伙伴合作，基于第三方的成熟优秀的AI技术，自己专注用户的业务应用。目前，软件算法的开源优化和芯片算力的快速提升使得人工智能形成了真正开放的巨大生态。而AI安防平台的推出，也为安防企业和AI企业快速普及、加速技术孵化演进、鼓励行业应用创新和扩大商业版图布局，提供了重要的技术支撑。

以天地伟业的 社会 治理解决方案为例，前端产品主要是用于边缘节点计算的AI摄像机，云端产品主要是人脸识别比对服务器、图像结构化分析服务器、行为分析服务服务器。融合在前端产品和云端产品的算法可以持续升级优化，还可以根据客户的特殊需求进行定制，原因就是基于AI开放平台实现了算法分析和业务应用的独立，通过标准统一的接口，让合作伙伴专注各自的领域，结合行业具体应用需求和承载的硬件资源，实现灵活快速的优化配置，为不同行业不同场景提供了最优性价比的组合方案。

趋势之二：数据融合

视频监控业务是一个典型的数据依赖型业务，依靠数据说话。可以说，大数据与视频监控业务有着天然的结合。典型的网络视频监控数据存储模型是一个由小溪汇聚河流、再汇聚到水库的蓄水方式。小溪数量增多、水量增大是水库蓄水量的保证，然而传统方式下蓄水量增大将提高水库建造成本和蓄水安全的要求。而采用分布式蓄水模式，在河流中游建立多个中间蓄水池，不仅可以减少主水库蓄水压力和成本，化整为零也提高 了就近用水效率。在大数据技术支撑下，网络视频监控数据存储模型可转向分布式的数据存储体系，提供高效、安全、廉价的存储方式。在视频监控业务中，错看漏看、来不及看等是常见的困扰点。大数据监控图像的回溯给许多安防监控管理人员带来了生理与心理的双重挑战。在大量人力投入的公安案件追溯中，都常常耳闻“看到吐”、“看到晕”等无奈和感叹。可想而知一般零售行业、金融行业等，对于视频监控图像的回溯就更为困难。在视频监控大数据趋势已经来临之际，依靠人眼去检索、查看所有视频图像数据已经不太现实。通过大数据技术实现视频图像模糊查询、快速检索、精准定位，让看变得简单迫在眉睫。视频监控业务中，看只是信息采集的方式之一，用才是业务应用的根本。视频监控业务的效率问题已经成为阻碍产业发展的关键瓶颈。随着视频监控摄像机覆盖广度、密度增大，视频图像数据量呈指数级上升，而视频监控数据的使用效率却在下降。智能交通应用、消费者行为分析应用等综合视频监控和图像智能分析的业务出现，正努力突破视频监控效率值及商业价值低下的瓶颈。通过大数据技术，进一步挖掘海量视频监控数据背后的价值信息，快速反馈内涵知识辅助决策判断是将视频监控用好、用善的金钥匙。

大数据视频架构是革命性的技术，特别在实时智能分析和数据挖掘方面，让视频监控从人工抽检，进步到高效事前预警、事后分析，实现智能化的信息分析、预测，为视频监控领域业务带来深刻的变革。在平安城市领域，实时汇总并综合分析各种公共安全数据和资料，为执法人员快速准确应对提供科学依据：如实时调阅现场视频录像、犯罪嫌疑人记录、同一地区的相似案件资料;进行地理、时间和空间的比较分析，揭示其犯罪模式和行为模式;追踪嫌疑人与其车辆的位置等。指挥人员也可以参照各种数据对不同来源的资料进行综合分析，制作指挥图；在智能交通行业，可以轻松监控摄像覆盖范围内的所有车辆的行驶状态、运行轨迹，快速分析出其是否违章，通过对海量交通数据的比对、分析和研判，实现指定车辆行驶路径、道路拥堵研判等功能；公有云服务领域，实现基于大数据的视频监控云服务，让摄像机仅通过互联网就能连接云端的视频监控托管服务，通过快速、智能的分析部署在云端的大数据，为小型企业、零售商店、餐馆酒店等提供实时监控视频和潜在风险管理，甚至能提供收费的基于视频内容的分析报告，如日常的客户数，平均队列长度等，创造新的商业模式。

趋势之三：产品即方案

对于人工智能行业化应用来说，算法、芯片以及大量的数据训练，确实是发展的重要因素，但是能否将技术与应用场景有效结合起来，形成切实可行的整体解决方案，才是决定行业发展的核心因素。AI安防普遍被认为前景广阔，但发展现状“碎片化”亦是共识。一方面，安防产业对AI 的需求非常旺盛，另一方面，AI落地进程困难而缓慢。目前安防行业主要在做人脸识别、车牌识别等单点AI应用，但每个场景、每个地方的需求都不尽相同，随着“智能+”走进了更细分的场景，新的场景提出更多的需求，这些需求往往需要跨领域的能力。当今 社会 的快速发展，让客户除了单一的人脸识别模块之外，更多地需要人车关联事件分析、人脸人体关联检索、全景多镜多任务协同等多个功能的叠加，而即使是相同的人脸识别，在公安、出入口、零售、交管等不同场景之中的应用方式也是不同的。

所以安防的场景化+AI的碎片化做相乘，最后的必然结果就是产品即方案，视频监控的前后端产品一定是可以自成体系，自成方案，解决用户的碎片化问题，场景化问题，个性化问题。

总结语

从行业来看，如今行业内部的羊群效应日益明显，海康威视作为业内绝对的领头羊，在智能安防领域全面发力；紧随其后的大华2020年刚刚完成内部整顿，来到了发展的抉择路口；华为的五年之约第一年将给我们什么答案；安防新三巨又能对传统安防企业造成多少竞争。2020年给我们留下了很多悬而未决的问题。相比头部企业的割据天下，对于中小安防企业而言，市场空间一降再降是不争的事实，很多解决方案的构成都离不开这些安防头部厂商的组件，随着头部企业对硬件价格的掌控越来越严，中小安防企业也迎来了突围的生死时刻。当前是新旧动能转换的重要时期，在AI、云计算等新兴技术加持下，安防应用与下游行业如应急管理、智慧园区、智慧社区、智慧养老等业务融合创新需求持续释放，共同为行业注入了持续发展的新动力。在市场认知日趋理性的驱动下，以及新技术的融合应用的日益成熟，AI产业化进程无疑将加快，未来产业的竞争将更加聚焦于解决方案、集成与运营能力。2021年，对于安防企业来说“活下去”已成企业目标，但“谋发展”仍是当下安防行业的共识。