【行業資訊】智能防護升級！揭秘AI在安防領域的三大飛躍趨勢
來源:安防行業網
|
作者:龍運智能
|
發布時間: 2024-06-29
|
1611 次瀏覽
|
分享到:
安防行業一直以技術創新為驅動力，不斷加速融合和快速變革。過去二十年，安防系統實現了從標清到高清、從模擬到數字、從傳統到智能等重大技術跨越與創新。這些創新實現了智能安防系統的全面升級，推動了安防行業的快速發展。近年來，隨著深度學習架構、算法、AI芯片以及開源學習平臺等一系列人工智能技術的突破，點燃了新一代人工智能技術助力安防行業發展的浪潮，使得安防領域最早實現了人工智能的落地應用。
安防行業一直以技術創新為驅動力，不斷加速融合和快速變革。過去二十年，安防系統實現了從標清到高清、從模擬到數字、從傳統到智能等重大技術跨越與創新。這些創新實現了智能安防系統的全面升級，推動了安防行業的快速發展。近年來，隨著深度學習架構、算法、AI芯片以及開源學習平臺等一系列人工智能技術的突破，點燃了新一代人工智能技術助力安防行業發展的浪潮，使得安防領域最早實現了人工智能的落地應用。
AI與安防產業
隨著時代數字化、信息化、智能化的高度發展，傳統的安防行業已經從單純的技術、硬件整體解決方案，轉變至兼容化、智能化、云運營之爭。在安防行業，智能化已經不再像是過去那樣只是安防行業應用的一個點綴，而是成為了真正的核心。
安防市場是一個萬億級的大市場，而且安防行業作為AI最先得到廣泛應用的領域，經過這幾年的快速發展，已成為了人工智能與實體經濟深度融合最成功的應用領域之一。
可以看到，AI技術的發展正推動各種安防產品實現智能化變革，而安防產品背后的視覺技術也為AI提供“感知”能力，AI與安防產業不僅迅速融合，兩者也相輔相成。AI既是網安需求來源，也是網安下一形態。在AI乃至大模型時代，網安的技術性需求會由于攻擊事件的催化而得到釋放，網安設備的硬需求為同向增長狀態。工信部等16部門發布的《關于促進數據安全產業發展的指導意見》，提到2025年我國數據安全產業規模將達1500億元，同比增速30%。未來幾年，隨著高清化和智能化趨勢的愈發明顯,安防企業必將面臨更激烈的競爭隨著國內安防市場需求的不斷釋放以及相關技術的快速發展,數字圖像壓縮處理、流媒體技術、計算機網絡通信、自動控制技術、智能報警技術、人工智能技術等已在安防領域得到廣泛應用。近年來AI運算功能逐漸由后端／云端往邊緣（Edge端）發展的態勢愈來愈明顯，主要的好處在于可縮短時間、降低風險及耗能，當然還有最重要的——節省成本。例如，英特爾提出的Edge AI解決方案，強調只需要一般的PC、Notebook或x86的工業計算機，透過OpenVINO開放式平臺，即可運用該平臺上200多種算法（包括TensorFlow、CaffeZ…等）自行開發或采用第三方伙伴已預先訓練好的AI模型，輕松將終端設備轉變成Video AI Box、具AI功能的NVR或Edge端的AI Server，進而解決各種領域所面臨的問題，讓AI系統成本不再高昂。安防廠商推出的Edge AI解決方案也相當多元，尤其監控攝像機廠商已紛紛將AI視頻的辨識、分析、搜尋、追蹤等功能做在前端。例如通過前端的對象特征擷取運算（Edge-centric object extraction），不需在后端安裝高效能顯卡執行分析運算，有效降低服務器的運算資源和建造成本。一般來說，AI在辨識視頻時會將相似的影像（如背景）視為獨立圖像而重新進行辨識，因此運算量大;當有大型場域要做AI視頻辨識時，支持其運算的硬設備數量及成本必然昂貴，相對耗能也高，并不符合企業持續性發展（ESG）的原則。因此，已有不少廠商想方設法，希望能為現行的AI運作模式「做減法」，令其揮別沉重的負擔，展現輕盈的體態、邁出輕快的腳步。例如，現已推出了DIVA（DNN Inference OS for Video Analysis）智能加速器，利用一連串相似影像的特性加快AI視頻分析的速度，可應用在靜態或動態攝像機上。只要在任何影像應用的AI模型上加上一層DIVA SDK軟件，就可加速2～6倍（視場域硬件、視頻分辨率、AI模型不同）且不損失任何精準度，進而降低設備數量及能耗，達到節省成本目的。近來ChatGPT讓AI在全球的關注熱度居高不下，主要在于它讓大家使用AI這件事變得容易起來。同樣地，為了讓AI能夠加速普及市場應用，業界也努力透過簡化開發技術與設計流程，希望即使不具備AI專業知識的人，也能輕易打造滿足本身業務需求且有效的AI訓練模型。例如計算機視覺平臺標榜可讓任何人透過簡單的數據上傳、標注、模型訓練以及再訓練界面，配合OpenVINO工具組進行優化，就可輕易部署高質量的計算機視覺AI，藉以推動更多應用創新、提高企業整體效能。有鑒于一般AI項目導入流程：數據預處理→選定算法→程序開發AI模型→模型驗證，不僅需要AI或IT專業人員，還需反復作業、動輒耗時數月。而如今將「選定算法→程序開發AI模型」兩步驟利用機器學習技術自動、快速地建立AI模型，而且可將模型驗證優化。如此一來，企業各部門（如人資、研發、生產、IT…等）人員都能很方便地應用AI解決所屬業務領域的各種問題，例如，將AutoML Platfrom應用在工業生產上，能夠優化生產制造過程、提升整體良率與效能;應用在網絡安全上，也可協助預測安全程度，防止外泄風險郵件。
