安防智能化升级的一大助力:端边云,有啥不一样?

安防公社 2022-07-08

安防人工智能大数据

4576 字丨阅读本文需 10 分钟

大数据、云计算、人工智能、物联网等新兴技术迅猛发展,各行各业都在全面加速数字化转型和智能化建设。步入数智时代,AIoT成了安防行业新的风口与“确定性”,但如何穿越周期,在大环境局部不利的地位脱颖而出,博弈论中提到需要“从前往后看,从后往前推”,让因果形成正向循环。

安防正从传统的视频监控走向智能安防,从传统的防控辅助系统走向效率提升的生产系统,智能安防走向千行百业。

在走向千行百业的进程中,不同行业对于覆盖的纵深要求不断提升;为了获取更多的细节信息支撑决策分析,对于视频图像全天候高清化越来越高,对于网络上行带宽的要求越来越高。这时候,智能安防时代,应该承载更多。

为此,云边端架构开始在安防流行。

那么,智能化升级对安防意味着什么?为什么安防需要“端边云”?端边云有啥不一样?

智能化升级

智能化升级扩增市场空间,安防行业稳中有进!

在人工智能和云计算等新技术的驱动下,传统安防升级为智慧安防,开始拥有全程监控、智能决策的能力。我国安防行业增速稳健,景气度稳中有进。

根据中国安防协会公布的安防行业景气指数,2022年一季度安防行业景气度处于“较强景气区间”。2016年,我国安防市场规模5400亿元,2020年增长至8510亿元,CAGR 12.04%,全球市场份额占比约39%。

我国安防市场增速高于全球,从传统安防升级到智能安防,技术升级伴随产品形态复杂化且价值量更高。同时下游应用场景扩容,渠道端不断下沉,智能安防市场量价齐升,当前渗透率低,存量替换空间大。

根据前瞻产业研究院预测,全球安防市场将于2023年迎来拐点,其中智能安防增速更高。根据预测,全球智能安防市场规模将在2023年达到450亿美元,预计2018-2023年CAGR 30.26%。2018年,我国智能安防渗透率为5%,2020年提升至6%。在技术逐步成熟以及需求带动下,安防智能化进程加速,据预测2021-2026年中国智能安防市场年复合增长率为26%,预计2026年市场规模将达到2045亿元。

需求端,安防行业主要受政策驱动影响,政策驱动行业需求提升,宏观经济改善企业需求端回暖。一方面,政府端公共安全支出持续增长,政策推动稳增长新基建及智能化等下游需求扩张下沉,景气度确定性不断提升。另一方面,随着疫情好转带动企业需求回暖,安防助力企业端加速数字化转型降本增效。

供给侧,随着智慧物联的推进,行业竞争格局加剧,中游传统安防厂商在产品软硬件结合、渠道资源、行业理解、客户服务响应速度等方面优势凸显。上游硬件供应链的国产化率逐步提升并向中高端类渗透。供应链的自主可控增强了成本价格稳定性以及海外业务的确定性,同时利于产品技术迭带及相关定制化方案拓展,从供给端推动行业整体发展。机构看好安防行业在AI数字化转型背景下的成长空间及龙头厂商发展优势。

上市公司中,海康威视是全球安防行业龙头,目前从传统安防视频业务龙头,逐渐成长为专注于物联感知、人工智能和大数据领域全球科技巨头。另外,大华股份是全球领先的以视频为核心的智慧物联解决方案提供商和运营服务商,提供端到端的视频监控解决方案。

为什么安防需要“端边云”

云边端在安防出现,就是时代产物,带有明显智能安防属性。

01

智能安防技术的不断发展,视频图像可以承载越来越多的信息,但仍需要更多的与前端多维感知设备之间进行数据的交互,提升决策准确率,并尽量在前端决策,减少后端处理压力;

多维感知数据的端云协同和对数据的实时交互对于网络的时延、带宽要求越来越高;同时防控走向深水区,对于防控的立体化、系统化、机动化要求不断提升。

02

2012年以前的传统安防行业,简单来说就是视频监控,以摄像机作为前端感知设备,负责数据的采集;服务器作为后端设备,负责数据的处理及分析。

边缘计算的出现则将安防的智能化带向了前端。传统方式下,我们可能需要堆叠大量的GPU服务器来实现这些智能化的服务,而现在,我们可以逐步的将例如人脸的检测、抓拍、识别,视频的结构化、车辆的检测与识别放到前端摄像头去实现,这样的变化带来的影响巨大。

03

多样化的应用场景,要求更加灵活的视频智能部署和应用能力,需要三个方面的能力。

前端摄像机、边缘、中心都具备软件定义能力,支持动态加载智能算法,从而可以动态按需的在前端、边缘、中心部署相应的智能算法和应用;

支持端边云协同,形成全网一体化的高效智能供给;全网分级分布的智能能力间有效协同,高度依赖网络的保障,要求网络能够接入各种复杂部署环境的海量摄像机,提供更高的通信带宽和更低的时延,并能根据每个行业特点提供满足要求的SLA专网保障能力。

04

各个技术完善后,首先是带宽方面,不再需要将原始数据全部传输到云端去处理,然后发送回来,而是直接边缘端即可完成处理;

在成本方面,大规模量产的前端芯片成本要远低于后台服务器的芯片成本,同时海量服务器的运维、散热、机房租用等等成本更高;

延时方面,例如一个人脸识别,前端设备直接能够自行处理,可以不需要将视频传输回去,解析、抠图、识别然后再把结果返回来,这难以满足很多场景下快速响应的需求。

当然,安防行业的智能化与前置化的核心或者说难点是前端处理能力,也就是芯片。云端的处理能力,可以通过服务器的叠加来实现。

但是,边缘端的芯片则需要在保持强大运算能力的同时,尽可能的降低功耗、降低成本以满足大规模推广需求,这是一件非常具有挑战的事情。

端边云有啥不一样?

智能安防,何谓智能?

其实智能概念极为宽泛,也有时代属性。比如,智能不像高清有明显的技术指标;十年前移动侦测叫智能,十年后该功能是很初级的标配了。

在当下,安防应用中越来越多的部署更多类别的感知设备,用于从更多维度采集目标信息,包括目标的各种要素、活动轨迹以及关联信息等,从而形成一个动态感知体系,实现防控工作的“无所不在、无所不知”目标。

针对某一特定的应用场景,相关前端感知设备实现全互联直通,逻辑上各感知设备一体化,当一个设备的感知到一条单维度信息后,通知其他设备从其他维度提取信息,对信息的准确性进行印证,从而实现群防群治,实现在前端就能完成一次感知信息的数据清洗,从而保证了感知信息的准确性。

只有验证有效的信息才会上报至后端系统和平台,在后端再进行数据综合应用,最终实现感知的多层运用。一方面,可以提升准确度,减少误报;另一方面,通过本场归并,减少数据量,降低后端处理的压力。

以下我们分别来看端边云的组成:

端的进化

视频监控是安防的最大门类,而传统视频监控厂家几乎都以前端起家。

那在端侧,传统视频监控厂商极具话语权,他们沉积多年技术与市场经验,让后入者望尘莫及。但,挑战者中华为也有其自身优势。

以其一款产品为例来看,重磅新品“魔方”双目全彩AI筒型摄像机,新品融合了RGBW超感光传感器、DNN ISP实时视频降噪、AI HDR全目标增强、Deblur 去运动拖影等一系列黑科技。

同时公布“墨子”图像实验室专业测试打分,在业界同类型中处于领先水平,这也是业界首次从“给机器看”角度给出的量化评分,用全新思想定义图像未来。

双镜“全”析:采用广角+变焦的双镜头一体化设计,全景与细节兼顾,实现双目全天候全结构化智能;利旧现网杆站,态势感知 + 全结构化共用立杆,高低统一,降低运营成本;

精“彩”夜摄:业界首家采用RGBW超感光传感器,进光量增加75%;业界首个DNN ISP实时视频降噪,由静至动;支持AI HDR全目标增强、Deblur 去运动拖影,将夜摄能力做到极致;

以“小”见大:通过极致的工程设计能力,最大化利用空间,体积小重量轻,极低功耗节能环保。

在摄像机能力方面,智能已经在芯片技术方面大力提升,进而形成有竞争力的安防产品与解决方案。AI芯片算力普惠到端云,传统摄像机变成智能摄像机,智能安防端边云协同、多维数据融合,让智能更高效。

云的协同

视频云的概念在2017年开始流行,从那时候起,阿里云独占鳌头,华为和腾讯在努力追赶。当时引入视频云,是为了平安可以预见。

传统的视频监控一般是“烟囱式”建设,各区域各部门基本都是独立建设,采用的供应商和技术标准也不尽相同,带来的结果就是数据烟囱,形成一个个的数据孤岛。警察办案时通常需要到现场查看视频,并将原始视频拷贝回来,效率很低。

采用视频云模式后,所有的摄像机接入到一朵云中,以“服务化”的方式,根据合理的授权提供给各需求部门使用,实现视频共享,及视频的随时随地查看。

除此之外,因为采用云系统,各种计算资源、存储资源、网络资源被虚拟化成资源池,并进行统一管理,当有部门或某个业务需要时,可以按需分配,弹性扩展,实现业务快速上线的同时,资源利用率也得到大幅提升。

从2017年起,随着中央“三预”的提出,意味着我国将推动社会公共安全领域从后置变为前置,从被动转为主动,就是带领行业业务实战驱动技术变革,从事后被动处置向事前主动预防转变,增强预见性。

所以,很多厂家开始发力云端,具体做法是基础设施云化、数据整合共享、大数据智能分析和情指融合、情勤融合。

不少企业的方案创新性提出了“一云一池一平台”概念,一云指的是在部署方式上,实现了物理分散、逻辑集中,在业务逻辑上,纵向拉通部省市多层级、横向上拉通各警种间的数据,支持资源灵活调度;

一池指的是汇聚全量数据,形成数据水系,加强对数据的处理加工、为上层应用提供价值数据;一平台即业务使能平台,更易于客户和合作伙伴在统一平台上实现业务应用百花齐放。

2021年华为好望上云,对于行业也是一件幸事,在云端协同方面,智能安防还能做很多。

边缘赋能

云边端架构中,我们最少涉及的就是边端产品。这方面从最开始的DVR开始,在产品升级和技术推进方面相对与另外两者较为滞后。有工程商笑谈,十年前的NVR到应用到现在的工程中,依然好用。

边侧的边缘计算,其实也大有可为。但随着物联网时代的到来,日常生活中产生的大量数据需要更快速的响应及处理,这些都是云计算不能解决的问题。

在网络带宽有限、网络拥堵、响应延时一系列技术的要求下,边缘计算开始成为物联网时代超越云计算的最佳“使用方法”。

不过,尽管云计算与边缘计算是看似矛盾,实际上却是协同、互补的两种方式。也就是说,边缘计算虽然有其明显的优势,但是用边缘计算来替代云计算也是不可行的。

例如海量数据的挖掘、关联分析,关键数据的存储,多边缘节点的联动都需要依赖云端来完成,云计算厂家布局边缘计算,是对自身能力的一个补充,从而可以提供更好更完整的解决方案,也是顺应技术发展的需要。

但不管是安防行业还是物联网,只有将边缘计算和云计算协同使用,才会发挥出最大的价值。

但,边缘计算有难点。尽管边缘计算存在节省带宽成本、节约服务器成本、存储成本、降低响应时间等优势,但其在落地应用过程中仍然存在应用层面、技术层面的问题。

场景适应性。当前还处于人工智能发展初级阶段,各项应用与服务都是基于“模型训练“得到的,并没有达到强人工智能的阶段,所以本身计算、识别及分析能力对场景的依赖性较大,所以我们需要更多的应用场景去加速边缘计算的落地,需要更多的技术投入、资金及人力的投入。

技术实力与实战标准的区别。以人脸识别为例,人脸识别的技术是很成熟,但是到了实际的场景中,仍然存在识别不准确、识别不出来、识别效果不好等,例如人是低着头的、光照会发生变化、摄像头拍摄角度问题这些不可控因素都会导致识别结果不好。

人脸识别这项很成熟的技术尚且如此,那么到了其他应用场景,例如要做安全帽的识别、做车辆乱停的识别、做水尺的识别、集装箱识别,这些理论上,只要数据量足够充分都可以发掘,但是达到解决客户问题这样的标准,目前还有很多工作有待解决。

结束语

有调查显示,到 2023 年,广域物联网设备预计将达到 41 亿个,短程物联网设备将达到 157 亿个,物联网的应用和市场空间将远超传统人与人的互联;

边缘计算随着场景落地深入,可就近计算的特质,让其一方面可对人脸数据、人群分析、生物识别、商品识别等分析结果进行高效的处理,让原先智能场景不再需要在现场部署昂贵笨重的硬件设备,极大提高智能场景的落地效率和复制速度;

另一方面分布广泛的摄像头也因为边缘存储服务的就近存储,可以把海量的监控数据就近存储起来,提供了就近高速可存可分析的业务体验;

随着云计算的普及,各类业务平台的云化趋势越来越明显,越来越多的功能组件和接口将部署在边缘云和中心云内。

平台云化不仅可以优化业务部署的效率和成本,还可以丰富生态,实现安防业务功能与不同业务场景的快速适配和应用。

业务平台开放、云化还将催生算法市场、应用市场等新的商业形态,使视频业务应用更广泛、更活跃。

端边云,智能安防时代独好风景线。

来源:CPS中安网,九方金融研究所,安防知识网

免责声明:凡注明来源本网的所有作品,均为本网合法拥有版权或有权使用的作品,欢迎转载,注明出处本网。非本网作品均来自其他媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如您发现有任何侵权内容,请依照下方联系方式进行沟通,我们将第一时间进行处理。

0赞 好资讯,需要你的鼓励
来自:安防公社
0

参与评论

登录后参与讨论 0/1000

为你推荐

加载中...