a&s专业的自动化&安全生态服务平台
公众号
安全自动化

安全自动化

安防知识网

安防知识网

手机站
手机站

手机站

大安防供需平台
大安防供需平台

大安防供需平台

资讯频道横幅A1
首页 > 资讯 > 正文

城市级大安防市场2018年发展热点暨2019年发展展望

2018 AI大行其道,2019 DT时代已至

2018年视频监控市场的发展热点都是AI给“闹”的,纵观2019年,数据将引领视频监控市场的发展。
资讯频道文章B

  2018年视频监控市场的发展热点都是AI给“闹”的,纵观2019年,数据将引领视频监控市场的发展。

  一、AI赋能

  阿里巴巴集团副总裁曾鸣为《重新定义公司:谷歌如何运营的》一书所做序言中指出“虽然未来的组织会演变成什么样,现在还很难看清楚,但未来组织最重要的功能已经越来越清楚,那就是赋能,而不再是管理或激励。”也有人说是谷歌创始人之一拉里·佩奇说的。

  “赋能”就是给赋予对象某种能力和能量,通俗讲就是你本身不能,但我使你能。它最早是心理学中的词汇,旨在通过言行、态度、环境的改变给予他人正能量。现在这个词被广泛的应用到各个行业。

  AI赋能就是将AI的能力赋能给第三方,我们可以说AI赋能城市、AI赋能安防、AI赋能视频监控,今天我们探讨一个小一点的概念AI如何赋能视频监控?

  传统的安防系统的功能现在看来是有点过于简单了,在AI没有大规模商用之前,我们甚至不知道自己拥有一个金矿。以视频监控系统为例,传统的视频监控就是实时监视、录像和回放录像,超过设定的时间然后用新的录像覆盖旧的录像,这种现象持续了大约60年,直到2016年,AI赋能视频监控之后,计算机逐渐开始能够读懂一帧帧的画面了,这里面的三大核心AI技术就是人体识别、车辆识别和ReID

  ◦车辆识别:车辆识别包括车牌识别和车辆特征识别两大技术。车牌识别技术是最早被赋能给视频监控系统的,多应用在卡口、电子警察和停车场的免刷卡出入口管理系统上。车牌识别从某种意义上来讲属于OCR文字识别的范畴,唯一的区别是动态车牌识别。而目前的车辆特征识别可以做到20种以上,可以说,大大挖掘了视频和图像的潜力,而且车标、颜色、标志物相对来说属于分类识别,也比较容易实现,于是市场上出现了很多车辆大数据平台,也出现了各种车辆技战法和应用,这都是AI赋能的结果。

  人体识别:人体识别包括人脸识别和人体特征识别两大技术。人脸识别相对车牌识别那就复杂很多了,而且进一步细分为配合式(比如门禁)和非配合式两种模式(比如开放环境采集),尤其是非配合式的动态人脸识别技术在2017年才大幅度提升到70%以上的识别率进入商用,而恰恰是人脸识别技术赋能了整个安防行业,毕竟安防系统管理的核心就是人(另一个核心是车),一旦人的身份被识别出来的剩下的就好处理多了。人体特征识别是人脸识别的附属品,通过人脸可以判断性别、年龄、肤色、是否佩戴眼睛,把识别范围放大就可以识别整个人体,识别包括上衣颜色、下衣颜色、是否打伞、是否拎包等等,人体识别技术对视频监控系统的赋能超过了车辆识别。

  ◦ReID有一种情况,监控系统看不见人脸或者无法看到人脸,这就依赖于行人再识别技术(ReID),笔者可以断言,ReID一定是未来视频监控的发展之道,我也坚信这一点。通过ReID技术并不需要特制的摄像机,对环境的要求也没有那么高,只要识别出一定的行人特征,就可以实现行人轨迹分析、进一步实现跨镜追踪,一旦在轨迹上出现了一张人脸,那么整个轨迹上的人员身份就可以明确,这对治安来讲,是最好不过的一种技术,毕竟我们装了那么多的公共安全的摄像机。

  二、AI在2018

  讨论完AI赋能之后再让我们探讨一下AI,毕竟AI才是2018年的核心热点。以我对AI的理解,我打算借用一些网络上的资料进行总结,顺便看看2019年会发生点什么。

  2.1 自然语言处理(NLP)

  2018年在NLP历史上的分水岭。在2018年里,NLP领域的突破接连不断:ULMFiT、ELMo和最近大热的BERT,当然这不完全和视频监控相关。迁移学习成了NLP进展的重要推动力,从一个预训练模型开始,不断去适应新的数据,带来了无尽的潜力。

  根据ULMFiT作者Sebastian Ruder的2019年权威展望,预计“预训练语言模型嵌入将无处不在,不用预训练模型,从头开始训练达到顶尖水平的模型,将十分罕见。能编码专业信息的预训练表示将会出现,这是语言模型嵌入的一种补充。到时候,我们就能根据任务需要,把不同类型的预训练表示结合起来。在多语言应用、跨语言模型上,将有更多研究。特别是在跨语言词嵌入的基础上,深度预训练跨语言表示将会出现。”

  2.2 计算机视觉(CV)

  2018年无论是图像还是视频方向都有大量新研究问世,有三大研究曾在CV圈掀起了集体波澜。也有人说2018年最大的进展就是没有进展。

  ◦BigGAN:2018年9月,当搭载BigGAN的双盲评审中的ICLR 2019论文现身,行家们就沸腾了:简直看不出这是GAN自己生成的。在计算机图像研究史上,BigGAN的效果比前人进步了一大截。比如在ImageNet上进行128×128分辨率的训练后,它的Inception Score(IS)得分166.3,是之前最佳得分52.52分3倍。除了搞定128×128小图之外,BigGAN还能直接在256×256、512×512的ImageNet数据上训练,生成更让人信服的样本。

  ◦Fast.ai:18分钟训练整个ImageNet。2018年8月,在线深度学习课程Fast.ai的创始人Jeremy Howard和自己的学生,用租来的亚马逊AWS的云计算资源,18分钟在ImageNet上将图像分类模型训练到了93%的准确率。

  ◦vid2vid技术:2018年8月,英伟达和MIT的研究团队高出一个超逼真高清视频生成AI。只要一幅动态的语义地图,就可获得和真实世界几乎一模一样的视频。换句话说,只要把你心中的场景勾勒出来,无需实拍,电影级的视频就可以自动P出来。2019年,在计算机视觉领域,对现有方法的改进和增强的研究可能多于创造新方法。而今年大火的自监督学习明年可能会应用到更多研究中。

  2.3 工具和框架

  AI赋能离不开工具和框架,机器学习领域的工具和框架仍在快速的发展:

  ◦PyTorch 1.0:根据10月GitHub发布的2018年度报告,PyTorch在增长最快的开源项目排行上,名列第二。也是唯一入围的深度学习框架。作为TensorFlow的对标者,PyTorch其实是一个新兵,2017年1月19日才正式发布。2018年5月,PyTorch和Caffe2整合,成为新一代PyTorch 1.0,竞争力进一步加强。

  ◦AutoML:AutoML是深度学习的新方式,彻底改变了整个系统。有了AutoML人们就不再需要设计复杂的深度学习网络。2018年1月,谷歌推出Cloud AutoML服务,把自家的AutoML技术通过云平台对外发布,即便你不懂机器学习,也能训练出一个定制化的机器学习模型。

  ◦TensorFlow.js:2018年3月底的TensorFlow开发者会峰会2018上,TensorFlow.js正式发布。这是一个面向JavaScript开发者的机器学习框架,可以完全在浏览器中定义和训练模型,也能导入离线训练的TensorFlow和Keras模型进行预测,还对WebGL实现无缝支持。在浏览器中使用TensorFlow.js可以扩展更多的应用场景,包括展开交互式的机器学习、所有数据都保存在客户端的情况等。

  2.4 强化学习

  强化学习似乎还有很长的路要走。目前强化学习领域还缺乏真正的突破,强化学习的研究非常依赖数学,而且还没有形成真正的行业应用。希望2019年可以看到更多RL的实际用例。这个是我们需要关注的一个方向。

  谷歌的强化学习新框架是Dopamine(多巴胺),这是谷歌今年8月发布的强化学习开源框架,基于TensorFlow。新框架在设计时就秉承着清晰简洁的理念,所以代码相对紧凑,大约是15个Python文件,基于Arcade Learning Environment(ALE)基准,整合了DQN、C51、 Rainbow agent精简版和ICML 2018上的Implicit Quantile Networks。

  三、算法和芯片

  AI人脸算法和车辆算法在视频监控领域的应用在2018年也日渐成熟,准确率明显提升,商用是没有大的问题的,价格呢好像也降低到能够接受的地步,这里不过多进行描述。我们主要看看AI芯片的进展。

  现在国内能够设计和制造AI芯片的公司比较多:华为海思、中星微、寒武纪、紫光、地平线、比特大陆等等,不过这篇文章里面我们只讨论两家:比特大陆和地平线。

  3.1 比特大陆

  以矿机和比特币名闻天下的比特大陆已经正式进入安防市场,还投资了AI企业千视通,在北京安博会带来了他们最新的AI芯片BM1880、BM1682和算丰智能服务器SA3。比特大陆成立才短短5年时间,已经发展成AI企业里面盈利最多的公司之一,仅凭这一点,很少有企业可以望其项背。比特大陆2013年10月28日成立,2015年底开始进行人工智能芯片的研发,在2017年上半年推出了人工智能芯片BM1680,大约1年半的时间,这个实力不容小觑。BM1680是一款应用于云端的深度学习专用计算加速芯片,面向这个应用领域的第一款公开发售的专用芯片(我们听过很多世界第一,无疑这个第一比较有含金量,也符合大的政策和科技方向)。2018年3月第二代人工智能芯片BM1682问世,与第一代产品相比约有5倍的性能提升。主要应用于安防监控、数据中心、超级计算、机器人等各个领域。北京安博会期间,比特大陆展示了这两款芯片和最新的BM1880芯片。

  比特大陆认为在深度学习领域尤其是推理领域,GPU相比CPU虽有提升,依然无法满足深度学习算法对算力和功耗日益提升的要求,因此需要专门针对深度学习定制的ASIC芯片,架构为深度学习而优化定制、适合于张量计算的TPU便是未来所趋。TPU更适合张量计算、神经网络。相比GPU,TPU性价比提升能效比提升均超过10倍,TPU专为AI而设计、速度极快、能耗低、价格低、性价比高。BM1682是继BM1680之后比特大陆推出的第二代人工智能芯片,适用于CNN/RNN/DNN等神经网络模型的推理。相对于BM1680,BM1682专注于深度学习推理,平均功耗为30W,实际性能也在BM1680的基础上提升5倍以上。

  BM1880 TPU可以提供1TOPS的算力@INT8,在Wingorad卷积加速运算下,提供高达2TOPS的算力。BM1880 芯片于2018年7月成功流片,是一款聚焦于边缘应用的深度学习推理人工智能芯片,可为 8位整数运算提供1TOPS算力,在Winograd 卷积加速下,支持高达2TOPS@INT8,特殊设计的 TPU 调度引擎能有效地为所有的张量处理器核心提供极高的带宽数据流。芯片内含2MB内存, 可以为性能优化和数据重用提供最佳的编程灵活性。同时,BM1880也为用户提供了强大的深层学习模型编译器和软件SDK开发包,Caffe、Tensorflow等主流深层学习框架可以轻松地移植到 BM1880 平台上,常见的 CNN/RNN/ DNN 等神经网络模型也均可运行。BM1880芯片可以作为深度学习推理加速的协处理器,也可以作为主处理器从以太网接口或USB接口接收视频流、图片或其它数据,执行推理和其他计算机视觉任务;其它主机也可以发送视频流或图片数据给BM1880,BM1880做推理并将结果返回主机。

  3.2 地平线

  地平线是比特大陆之外另一家风头正劲聚焦安防AI芯片的公司。原本以为地平线就是一家芯片设计公司,没有想到在北京安博会携众多安防产品和解决方案惊艳亮相。地平线(Horizon Robotics)致力于成为嵌入式人工智能平台的全球领导者,赋能万物,让每个人的生活更安全、更美好。地平线基于自主研发的人工智能芯片和算法软件,以智能驾驶、智慧城市和智慧零售为主要应用场景,提供给客户开放的软硬件平台和应用解决方案。

  北京安博会期间地平线带来了两款嵌入式人工智能视觉处理器。根据官方描述,基于创新的人工智能专用处理器架构BPU,地平线自主研发了中国首款高性能、低功耗、低延时的嵌入式人工智能视觉处理器,面向智能驾驶的征程(Journey)系列处理器和面向智能摄像头的旭日(Sunrise)系列处理器。第一代处理器基于高斯架构研发设计,并提供“算法+芯片+云”的完整解决方案。

  地平线BPU芯片的研发线路历经高斯架构、伯努利架构和贝叶斯架构。我们重点关注旭日处理器,面向智能摄像机,旭日(Sunrise)1.0芯片于2017年12月正式流片并发布,和征程1.0一起成为中国最早实现量产流片的人工智能芯片。旭日1.0芯片集成深度学习算法,具备在前端实现大规模人脸检测跟踪、视频结构化的处理能力。目前,旭日2.0架构已应用于地平线XForce边缘计算平台。

  四、本来是IoT,2018年变成了AIoT

  在AI这个风口之前的上一个风口是IoT物联网,IoT讲究的是万物互联,凡是有模拟量信号、数字量信号的设备就能够接入,包括各类温度、湿度、照度、空气质量、水位检测、气体、流量传感器,而且通过数字量开关信号、模拟量信号可以对各种执行器进行控制,比如开关阀门、开关灯、流量控制等,不一而足。

  小米IoT平台联网设备已经超过8500万台,日活设备超过了1000万台。这是在2017年底首届小米IoT开发者大会上小米创始人雷军披露的数字,他表示,目前小米已经稳居全球最大的智能硬件IoT平台。而如今,小米IoT连接的设备超过了1亿台。根据预测全球IoT市场的经济价值在2025年之前有望达到11万亿美元,硬件市场规模在2020年将达到530亿美元。明显的这是一个金矿。

  但以上这些都不是重点,虽然IoT一样可以接入语音设备和视频监控设备,但在AI出现之前,还只是简单的交互和控制,甚至就是一个查看录像、实时监视的功能。2018年之后,AI和IoT终于出现了融合的迹象,第一波浪潮就是智能音箱对智能家居的新变革,包括亚马逊、苹果、百度、阿里、小米等的智能音箱都能够实现众多IoT设备的语音控制,包括各种开关类设备、射频控制、红外控制类设备;其次就是人脸设备技术也被广泛应用于IoT物联网,通过人脸识别可以判断人的身份设定权限、可以对小朋友实行分级控制、对家庭和工作环境可以进行布防布控,这些都是我们看到的一些初级应用,相信在2019年还将会有深度融合的应用,最终形成AIoT的格局,就是AI赋能IoT。

  AI给传统的智能硬件和物联感知设备带来强劲的东风,使得本来已经逐渐被人淡化的物联网焕发了新的生机,而且这股东风从智能家居吹起、逐渐向可穿戴设备、VR/AR延伸。预计未来1-2年,AI将在设备互联、交互、语音识别、视觉识别、互联互通方面带来革新,深挖用户的需求就会形成一片新的蓝海,也开启了人工智能在应用层面更多的无限可能性,根据最新的报道,甚至已经出现了基于AIoT全套控制的智慧酒店,核心操控设备就是1台智能音箱。

  五、AI+视频监控商用之年

  2016年可以说是AI大规模走入商用的元年,经过2年的技术发展和商用落地,我们可以看到AI从研究、论文、试点到大规模落地的全过程。目前来看AI拥有两大主要能力:计算机视觉(看的能力)和语音识别(听说的能力),这也是人感知世界的最主要的两种方式。语音识别并不在这篇文章的讨论范围之内,我们主要探讨“看的能力”。

  如果从1957年松下研发的第一台电子显像管摄像机算起,视频监控有了大约61年的历史,经历了模拟时代(1957~2004)、数字时代(2004~2017)、智能时代(2017~)和数据时代(2018~),在智能时代之前,视频监控的主要功能还是限于监视、录像和回放三个功能,如果需要采用视频进行辅助工作需要人工翻查,费时费力,而且效率不高,因为容量大通常录像保存的时间也不会超过90天。

  AI技术的出现彻底解决传统监控看不见和看不懂的问题,尤其是看得懂功能,人眼去理解一副图像,全世界的人都不需要特别的学习或者训练,自然本能就能够理解一幅图像,而计算机缺不行。“看得懂”就是让计算机能够读懂一帧帧的画面和连续的视频图像,这就依赖于计算机视觉技术(CV)。CV技术经过多年的发展在2018年已经开始具备全面商用的能力,在人脸识别、人体识别、车牌识别、车辆识别方面都有比较大的进展。

  人脸识别的应用可分为三类:有合作人脸识别、半合作人脸识别和无合作人脸识别,前两类的识别一直都有比较高的识别率,但无合作人脸识别(动态人脸识别)真正的识别率提高到可以商用的阶段(识别率超过70%)应是2018年,我们称之为AI+视频监控的商用之年。人脸识别的主要应用为人脸检测、人脸五官定位、1:1人脸识别、1:N人脸识别、M:N动态布控,目前应用最广泛的是1:1的人脸身份核对。

  车辆识别是AI技术最早落地的一个场景,相比人脸更为成熟,而且车牌识别从某种意义上来讲属于OCR识别。目前已经商用的车辆信息结构化处理,主要包括:机动车(支持200+车辆品牌识别、支持4000+细分车型及年款识别、支持7大类车类别识别、支持10+车身颜色识别、支持年检标、遮阳板、安全带、摆件、挂饰、  天窗识别、驾驶员人脸检测、副驾驶员人脸检测)和非机动车(基于普通视频分析、车辆检测(二/三轮车)、两轮车类型识别、车辆大灯形状分析、车身颜色识别、挡泥板检测及颜色识别、车尾箱检测及颜色识别、车尾广告检测、遮阳伞检测及颜色识别、骑车人头盔检测及颜色识别、人基本特征、人服饰特征)。

  六、构建AI新生态

  在AI赋能视频监控的市场上,独角兽确实有几家,但是还没有出现巨无霸企业可以包揽天下。芯片、算法、前端设备、后端设备、存储设备、平台、系统,整个视频监控系统的构成非常复杂,即使是华为也不能提供视频监控所需要的一切设备,故而更多的公司选择构建AI安防新生态。算法公司将算法赋能给芯片、赋能给硬件,芯片赋能给摄像机、赋能给结构化主机,前后端硬件设备配合软件平台使用,差不多就是这样互相依存、互相竞争。有的公司通过收购、并购扩大自己的板块,有的公司则通过联盟、合作伙伴的方式构建自己的生态。总而言之,2018年是生态之年,被众多企业所选择,其重要性不亚于AI赋能。

  七、每周千万项目统计

  笔者统计了2018年1月以来大约2339条项目信息,其中视频监控相关的智慧安全(平安城市、雪亮工程、视频门禁、公安大数据)和智慧交通(卡口、电子警察、城市大脑)项目1936个,招标金额约为584亿,占比整个安防市场6000亿的9.7%,接近10%。通过对这1936个项目的数据分析,笔者发现2018年出现了3个热点市场:雪亮工程、智慧新警务和智安社区,而且这一点也在2018年北京安博会中展现出来了。

  7.1 智慧新警务

  车牌识别是最早被广泛应用于公安建设卡口系统和电子警察系统中,人脸识别紧随其后,具有天然在公安市场落地的场景和需求,身份匹配、人脸识别、大数据比对、重点人员管控方面都具备天然的优势。

  在AI没有赋能警务之前,视频监控系统就像一个没有被挖掘的金矿,数据都沉睡在硬盘里,超过90%以上的数据被后续的录像所覆盖。AI之后,系统能够自动生成结构化的信息(保存图片而不是保存录像),大大减轻了录像的压力,而且结构化后的视频数据最大的应用就是能够实现即时预警、快速侦破案件和打击犯罪。城市的核心管理要素就是人,而智能视频监控系统能够很好的识别一个人并能生成轨迹,如果再结合多元数据采集,就能够碰撞出更多的应用,比如身份证、MAC地址、手机号码等。

  AI对警务的赋能就催生了“智慧新警务”的建设,终于可以利用视频系统构建一个城市的视频大数据工程。以广东省智慧新警务建设为例,总体规划为“13847”战略,就是一个宏伟、美好的愿景,三步走实现愿景目标、八大创新警务应用、四大智慧赋能工程、七星计划。在广东的规划里面,和视频监控最相关的当属视频云赋能工程,建立以全省视频图像为主、多种资源关联叠加的视频图像资源服务体系。视频云实现视频、人像、车辆、门禁等信息的采集、汇聚、解析、关联和融合,为各警种、各地市、各基层实战部门提供一个资源共享、能力开放、安全可控、实战支撑为一体的视频云大数据平台。从视频云赋能工程来看,其真正的技术核心当属AI。

  7.2 雪亮工程唱主角

  视频监控在城市的大规模应用当属于平安城市(也称为天网工程)建设,如果从2005年“3111试点工程”算起已经有13年的建设历史了,逐渐区域成熟,平安城市建设的视频监控通常覆盖到中大型城市,小一点的规模覆盖到县。县以下或者城乡结合部的覆盖在平安城市的建设中并不多,故而催生了雪亮工程,雪亮工程属于“群众性治安防控工程”,来源于“群众的眼睛是雪亮的”,在平安城市趋于饱和的情况下,2018年雪亮工程逐渐成为城市视频监控建设的核心,2015年平邑县被确定为雪亮工程的试点县,2016年10月,全国社会治安综合治理创新工作会议部署全面开展“雪亮工程”,经过2017年的规划,在2018年全面落地,在笔者统计的1936个项目中,其中有300个项目和雪亮工程有关,招标金额达113亿元,占比高达19%。

  7.3 智慧社区、智安社区、平安社区层出不穷

  如果将雪亮工程覆盖到最小的单位,在城市中当属于社区,如果要做好基层的管理工作和视频监控应用,最佳的实现方式莫过于建设智慧社区,社区属于相对范围较小、容易形成围蔽,而且可以实现就近管理,属于相对容易管理的治理单元,如果能够把每个社区管好,扩展到城市就可以将城市管理好。

  如果视频监控和智慧社区紧密结合就会催生一个新的社区类型就是智安社区、平安社区。以前视频监控没有AI化之前,视频的潜力没有颁发充分挖掘,有了AI技术之后,借助AI赋能摄像机,能够实现人脸采集、车牌采集,大大提高了社区的管理水平和治理水平。2018北京安博会期间“公安技防创新应用成果展”专区105块展板(不完全统计)中,其中有15块展板展示了智安社区的解决方案或成果,数量仅次于雪亮工程,足以证明智安社区将为未来警务建设的一个新方向。

  八、AI道德

  虽然AI赋能城市之后,给我们带来很多新的技术和应用,但相应的也带来一些问题,这些问题也在2018年或多或少的呈现了,那就是AI的道德问题。AI被滥用事故在2018年被频频爆出:Facebook AI助特朗普当选美国总统、Goggle与美国军方联手开发AI武器、微软为移民和海关执法局(ICE)提供云计算和人脸识别服务,这些故事都引起了业界广泛的AI道德准则的讨论高潮,甚至有些公司也公开了企业的AI准则(比如微软就提了六条:公平性、透明性、问责制度、非歧视性、知情同意、合法监视)。不过也有人认为,AI道德还是一个灰色地带,目前还没有形成统一的框架,预计2019年会有更多的条例出台。

  在2018年有两个事情和AI道德相关。欧盟启动全球数据保护条例(GDPR),该条例旨在提高个人数据使用的公平性和透明度。该条例使个人有权控制其个人数据和了解个人数据被如何使用。其次就是“剑桥分析”丑闻,这个事件给整个数据科学界蒙上了一层阴影,就是这次时间引发了更深层次的道德讨论。

  展望2019

  预测未来发展趋势其实是一件很困难的事情,从个人的理解来看,笔者寄希望的2019年希望在以下方面取得突破,这包括了ReID行人再识别系统、LoRa远距离通信技术、芯片、智慧城市建设新模式、大脑工程、数据时代、三维融合、声纹应用等。

  一、ReID

  2019年的视频监控下一个热点会出现在哪里,无疑ReID肯定是其中的一个热点。人脸识别技术虽好,但是要是看不见人脸,怎么办?这是摆在我们面前的一个问题。事实上,遍布城市里面的摄像机里面,扣除卡口摄像机、电子警察用的抓拍摄像机之外,符合人脸采集标准的摄像机相对而言凤毛麟角,占比极少。而要最大限度挖掘传统平安城市、天网工程的治安摄像机的潜力,无疑ReID是不二之选。

  ReID(Person Re-identification),也称为行人重识别、行人再识别、跨镜追踪,是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术,广泛被认为是一个图像检索的子问题,目前主要应用于安防领域,未来与人脸识别相结合能够应用于更多更丰富的场景。

  ReID由以往没有太多人留意到现在开始有产品上的应用,经历了一段非常漫长的时间。由于最早期完全依赖于传统计算机视觉或机器学习的技术,所以基本上没有明显的突破。ReID本身是一个非常难的问题,它是要从不同的视频之中,把同一个人识别出来。视频光照条件的不同、感兴趣区域的分辨率和角度的不同、目标被遮挡的情况普遍、穿着相近衣服的人等等,都会造成识别的困难。对于监控领域来说,ReID引申出来在实际应用上,就是希望把不同视频内的物体关联起来,并可以透过有效的方法把物体找出来,能做到这样,整个监控操作才完整,才能看到大局。佳都科技参股的千视通于2018年下半年在ReID上取得了重大突破,在Market 1501上的首位命中率(Rank-1 Accuracy)已经达到97.1%,超越人眼识别能力(94%),并刷新了今年4月公布的96.6%的世界纪录,我们看到了ReID广阔的市场前景。

  二、LoRa技术

  LoRa是Semtech公司推出的超远激励通信的无线标准。Semtech市场战略总监甘泉指出,Lora的市场增长非常快,全球每年增长在50%左右,中国会更高。LoRa在智慧城市领域的应用包括能源管理、智慧建筑、智慧生产、智慧农业等方面。

  那么LoRa为什么适合智慧城市?甘泉表示:“IoT最重要的是要有更多的连接,把数据成功调取出来,让用户在连接的控制和使用中得到更好体验,最好的方法是使用低功耗的LoRa技术。”LoRa是低功耗广域网的一种,源于Long Range这两个单词。如何理解LoRa的超远距离?甘泉指出,目前已经有卫星搭载了LoRa技术,卫星围绕地球运行,离地球600-1600公里,地球上的设备就可以与卫星进行数据传输。能够用于卫星通信就足以证明技术的强大性和先进性以及各种可能的应用前景。不过LoRa并不能传输视频一类的大数据流,只能传输一些简单的数据,比如控制开关信号或者亮度、表的读数等。

  除了超远距离这个突出特点之外,LoRa还是远距离通讯中功耗最低的通信技术,这点也很重要,并且只需要一个网关就可以管理非常多的设备,这也从一方面降低了LoRa的部署成本。这在IoT技术在城市中的应用很重要,远距离、低功耗、大规模这三点足够杀伤力。笔者认为,LoRa技术是可以实现和AI、视频监控进行深度融合的,尤其是在视频监控触发联动报警应用方面。

  三、芯片更快更复杂

  受限于笔者掌握的材料,以2018年12月地平线智能芯片解决方案事业部总经理张永谦在深圳的演讲“地平线AI芯片解决方案”来看看芯片行业在2019年的发展,我想地平线算是一个典型代表企业了。

  地平线认为芯片带来时代的变革,就是从模式创新时代过渡到技术创新时代,也就是2019的趋势,强调“技术提高社会生产力、提升效率”。AI芯片的进化之路从CPU、GPU、FPGA、TPU到BPU,一级一个台阶,金字塔的顶端是TPU和BPU(可能有的读者不认可)。地平线在2019年做的最大的变革大概就是将“算法+芯片”打包给客户提供一站式解决方案,少了昂贵的算法环节整合,这可能对SI来说是个好消息。

  2018年地平线已经发布了旭日1.0系列的处理器,根据最新的规划他们会在2019年Q1推出旭日2.0系列处理器,相比1.0系列有了较大的提升,比方说旭日2.0系列支持1080P@30fps×4 Camera(1.0是1路摄像机)、前端&边缘产品(1.0仅支持前端)、大库容人脸识别(50万人动态比对)、像素级语义/动作行为分析(之前是没有的)、多路视频结构化(人/车/非机动车等)、全面升级开放训练平台、基于伯努利架构。最厉害的是2020年第一季度推出基于贝叶斯架构的旭日3.0系列,12个月推出芯片的速度这已经突破摩尔定律了,全新的旭日3.0系列根据规划将支持4K@30fps、前端&边缘产品&智能服务器、支持蒙特卡罗决策搜索、支持RNN等复杂网络结构、同时处理12路视频、语义三维环境建模、动态路径规划。从地平线的规划就能够看出2019年芯片发展的大趋势,地平线的发展是笔者最看好的,没有之一。

  值得一体的是现有的目标物的检测都是通过检测框的形式进行物体检测和识别的,在2019年将进化到基于像素级的语义分割和理解,也就是三维物体检测分析,能够基于人的轮廓、车的轮廓进行识别,这是创新性的技术。单颗芯片能够实现大库容部署,实现50万人动态比对,也就是说,如果你布控200万重点人员,可能只需要4只摄像机覆盖就能够实现前端布控,这个一定会有很大的应用前景。

  基于旭日2.0系列的解决方案将硬件支持视频结构化处理,能够前端实现机动车、行人、非机的多目标物体检测、跟踪,这可能给软件视频结构化厂商带来压力,但这是2019的趋势;行为分析、多摄像机融合的ReID方案也将会出现在旭日2.0系列的产品中。

  2019年,芯片将会更快更复杂,性能也更加强大。

  四、智慧城市建设新模式

  智慧城市自IBM提出之后在中国得到了广泛的普及和应用,取得了很多成果,也总结了很多经验。传统的智慧城市建设主要集中在社会安全、行业效率和民生服务三个方面,大大提高了城市治理的效率。

  不过最近两年随着AI技术的发展,AI赋能城市的能力逐渐显现,不仅在视频监控,在社区、在医疗、在教育、在金融行业都催生了很多全新的应用。以华为公司为例,在2018华为全联接大会上,华为云推出EI城市智能体,用AI提供更优秀的城市交通、水务、环保、燃气等方案。这场大会标志着华为云开启了芯片+框架+平台+服务全栈协同的组合拳打法,开始全面对标国际AI巨头。

  除了华为,腾讯、阿里、百度这三家也推出了全新的智慧城市解决方案,老牌集成商类似佳都科技也推出了新的智慧城市建设方案(包含了城市大脑)。我们相信在2019年,将会出现多类型、多样本的全新的智慧城市建设新模式,而这都要拜AI所赐,AI将在城市中无所不在。

  五、大脑工程

  AI说到底还是模拟人的大脑,如果我们将AI赋能的应用能力放在城市就是建设城市大脑。城市大脑的提法要比智慧城市更经验,是城市管理的中枢神经系统,概念可能比智慧城市再小一点。如果把城市大脑分解的小一点,就会有城市警务大脑、城市交通大脑。

  过去一年内,我们看到落地比较好的包括了阿里的城市大脑模式、方纬(佳都科技旗下企业)的城市大脑模式和百度的城市大脑模式,不过以实际落地来看,交通大脑是最先落地的,这是因为交通的基础设施比较好,遍布城市的红绿灯、信号灯、电子警察和卡口摄像机,这都和视频监控紧密相关。

  比较值得注意的是百度大脑,类似谷歌大脑一般,百度希冀开发出功能更强大的大脑系统,赋能整个城市。在2018年7月的百度AI开发者大会上,百度大脑宣布升级至3.0版,在业界首次提出“多模态深度语义理解”,形成了从芯片到深度学习框架、平台、生态的AI全栈技术布局,这也是目前国内最完整、最前沿的AI技术平台。百度大脑3.0还开放了130多项先进的AI能力,继续平等赋能开发者。

  笔者相信,在2019年,应该会有不少于10个大中型城市会启动城市大脑的相关建设工作。

  六、视频大数据和视频云的DT时代

  数据时代(DT)可能已经被提了很多年了,但对视频监控行业而言,真正的DT时代启于2018年,在2019年开始大面积落地。

  前文述及,视频监控的发展历经4个时代,2018年已经全满进入数据时代,云计算、大数据已经不是时髦的词汇,已经切切实实的深入到社会治理的方方面面。非结构化的视频图像数据被结构化之后,就能够形成视频图像大数据,这些数据可以分为四类:

  ◦全景数据。包含空间维度内的人、车、物、手机、门禁、WIFI、物联感知、地图、地址、门牌号、网格、人口、房屋、单位、城市部件等数据。全景数据体现的是多场景内的全数据、多维度的数据解析。

  ◦全量数据。在全景数据的基础之上包括时间维度,全时空数据,包含轨迹、活动、事件等数据。

  ◦全域数据。在全景数据之上构建数据之间的关联,属于多维关联信息,多渠道、多视角、多侧面收集而成。包含了系统所有信息的模型,实现数据的关联、碰撞和多维感知。

  ◦全息数据。将全域数据和视频图像进行融合,产生立体化空间、多维度、相互关联的全时空数据。典型应用包括3D全息投影、虚拟显示VR、增强显示AR。全息数据体现的是社会属性,体现的是数据价值。

  笔者的判断,数据时代视频监控的特点就是能够全面看、自动看、关联看。

  ◦全面看。视频图像一体汇聚、全网共享。大范围内多维数据的跨系统、跨区域共享。

  ◦自动看高密度、高算力、多算法框架、千亿级图片秒级检索,算的快、比的准。

  ◦关联看。视频大数据与社会、网络、政务、警务大数据等资源的碰撞分析。实现“图事件关联”、“人脸、车辆、手机等多轨合一”等应用。

  七、3D、AR、VR深度融合应用

  2018年北京安博会作为视频监控行业发展的风向标,我们能够看到的视频应用系统已经逐渐过渡到三维的深度融合,就是将3D地图、AR、VR三度技术和视频、数据进行深度融合,然后开发出全新的应用。

  这种深度融合应用的基础将是视频监控联网平台、视频解析平台、视频图像信息数据库,还有一种城市管理基础信息数据平台(也被称为一标三实网格化系统),而这些数据都能够和3D、AR、VR相结合。比方说我们可以将多维数据直接内嵌到三维的地图里面来,通过AR增强显示的方法将视频直接内嵌到地图中来,实现可视化实时城市画面呈现,通过VR技术将各类数据直接投视在人的眼中,实现信息数据的及时获取。

  八、声纹+CV技术

  音视频系统中的声音笔者认为一直没有得到充分挖掘,我们已经看到众多的CV头部企业对语音都进行了大手笔的投入,市面上也出现了众多的语音识别公司,虽然在2018年我们并没有看到特别好的声纹+CV技术结合的应用,但笔者相信二者相结合将产生巨大的潜力。以门禁系统为例,我们可以采用人脸+声纹的双模式,输入一个人脸然后调取一个人的声纹进行二次确认,或者输入一个人的声纹然后再调取一个人的人脸进行二次确认,就能够实现1:1的精确匹配,可大大提高人脸识别的准确率和误报率。希望2019年在这方面能够看到行业的新应用、新热点。


参与评论
回复:
0/300
文明上网理性发言,评论区仅供其表达个人看法,并不表明a&s观点。
0
关于我们

a&s是国际知名展览公司——德国法兰克福展览集团旗下专业的自动化&安全生态服务平台,为智慧安防、智慧生活、智能交通、智能建筑、IT通讯&网络等从业者提供市场分析、技术资讯、方案评估、行业预测等,为读者搭建专业的行业交流平台。

免责声明:本站所使用的字体和图片文字等素材部分来源于互联网共享平台。如使用任何字体和图片文字有冒犯其版权所有方的,皆为无意。如您是字体厂商、图片文字厂商等版权方,且不允许本站使用您的字体和图片文字等素材,请联系我们,本站核实后将立即删除!任何版权方从未通知联系本站管理者停止使用,并索要赔偿或上诉法院的,均视为新型网络碰瓷及敲诈勒索,将不予任何的法律和经济赔偿!敬请谅解!
© 2020 Messe Frankfurt (Shenzhen) Co., Ltd, All rights reserved.
法兰克福展览(深圳)有限公司版权所有 粤ICP备12072668号 粤公网安备 44030402000264号
用户
反馈