人工智能最早始于20世紀50年代中期，之后數十年發展起起伏伏。80年代末隨著人工神經網絡研究的興起，人工智能進入一個新的階段。近年深度學習在人工神經網絡優化方面獲得突破，使得機器輔助成為可能，拓展了人工智能的應用領域。

人工智能發展歷程

資料來源：公開資料整理

人工智能芯片發展歷程

資料來源：公開資料整理

　　包括硬件產品、軟件和服務在內的全球人工智能相關產值將在2020年以前達到3千億美元。人工智能產業鏈中的硬件裝置包含了核心元件處理器、高速運算、網路通訊產品，個人終端產品、家庭裝置、虛擬現實和增強現實相關產品、無人機、機器人、自動駕駛等，這些硬件都融入了深度學習網絡，采用GPU和大數據等技術，在未來幾年內將快速推動人工智能的發展速度。2008年約有1,000萬個節點連接GPU，這個數字在2015年增長到1,000億個，人工智能滲透到電子科技領域的進展迅速！

　　安防視頻監控產生海量數據，約占大數據總量60%，并且99%都是非結構化的視頻數據，這些數據需要結構化處理后才能進一步使用。海量數據結構化后需要進一步深度學習，幫助傳統安防實現從“看清”到“看懂”，從事后查找到事前預防/決策和事中報警的智能化過程。然而當前時點，安防面臨：1）數據煙囪現象嚴重；2）升級擴容難度大；3）智能化程度不足；4）數據利用效率低四大問題，極大阻礙行業繼續發展和智慧城市平安城市建設。

SDT時代面臨四大問題

資料來源：公開資料整理

　　安防行業產生海量數據，視頻占大數據總量高達60%。隨著視頻監控點位越來越多，從最初的幾千路，到幾萬路，甚至到幾十萬路的規模，被大量布置在各個行業各個區域的監控系統都會產生實時的海量數據，例如視頻監控、RFID、GPS、門禁系統等，如何對這些數據進行有效處理并加以利用至關重要。以北京為例，政府及各公共部門所屬攝像頭就多于200萬路，每天產生的錄像以年計大約5000多年；其次還有多類型的圖片數據，約有1億以上多類型的圖片數據；再有1億以上的門禁數據，100億WifiI探針等。

　　安防行業99%以上的數據是非結構化數據，難以直接被計算機處理。視頻監控系統產生的海量的視頻或圖片均為非結構化或半結構化數據，這類數據均不能有效地被計算機處理。如何將視頻或圖片中的內容進行結構化提取，需要智能前后端硬件和算法結合。

結構化數據和非結構化數據

　　智能分析有效減少存儲空間，緩解帶寬壓力。目前監控系統中，存儲和傳輸問題是首要面臨的難關，大量無用視頻信息被存儲、傳輸，既浪費了存儲空間又增加了帶寬，智能分析的目的是減少存儲空間，從而緩解帶寬壓力。對有用信息結構化處理，對無用視頻則采用低碼流方式進行壓縮或傳輸，更方便整套系統調查或查詢使用，提升監控系統的應用價值。

　　大數據利用率不足0.4%，大量數據資源被浪費。井噴式的數據產生，使得即使將非結構化數據轉變為結構化數據后，仍會產生龐大的數據堆積而使其無法被便捷使用，導致數據利用效率低下、智能化程度不足、數據煙囪等問題。據統計，當前我國對大數據的利用率不足0.4%，極大量的數據被塵封、丟棄。例如交通數據，各區域、部門間數據相互隔絕，以及各交通設施的缺乏統一規劃等，大量數據未聯網，使得數據無法被整合發揮其應有的價值。

　　受傳統算法及芯片技術的制約，智能安防的發展長期停步不前。隨著高清、網絡攝像頭逐漸普及，深度學習硬件架構和算法也需取得突破，以對目標進行識別，對物體進行檢測，對場景進行分割，對人物和車輛屬性進行分析。在2016年北京安博會上，深度學習被視為突破當前難題的關鍵，技術的突進也讓安防不再停留在解決用戶安全防范的需求，朝著更快、更廣的領域延伸，視頻被賦予了更多的價值。

安防行業最需要與人工智能結合

資料來源：公開資料整理

　　政策助力、技術突破，安防智能化萬事俱備

　　頂層設計，人工智能被首次寫入政府工作報告和十三五規劃。今年兩會期間，人工智能首次被寫入政府工作報告，并且之前已經被寫入十三五規劃中，我們認為政府將牽頭，逐步破解一個個互不相連的“信息孤島”和“數據煙囪”，除涉及國家安全、商業秘密、個人隱私外，其他數據和信息都有望向社會開放。

安防智能化需要具備的四大能力

資料來源：公開資料整理

　　技術突破推動視頻數據結構化進程。近年來計算機視覺、圖像處理、模式識別、深度學習等人工智能技術取得突破，奠定了視頻數據結構化和安防智能化的基礎。視頻結構化可以分為三個步驟：目標檢測、目標跟蹤和目標屬性提取。

視頻數據結構化過程

資料來源：公開資料整理

　　智能視頻監控設備的實現方式有兩種，前端智能和后端智能。兩種智能分析方式最大的區別在于前者是利用前端攝像機自身的芯片和算法進行計算，而后者則是利用后端計算機軟硬件方式進行分析。

前端智能vs后端智能

資料來源：公開資料整理

　　安防模式識別技術主要包括身份識別、軌跡識別和環境判斷補償識別等。身份識別包括人臉識別、車牌號識別、車輛類型識別、船只識別、紅綠燈識別等等。識別類的智能監控技術，最關鍵的要求就是識別的準確率，最好在98%以上;軌跡識別主要包括虛擬警戒線、虛擬警戒區域、智能跟蹤、人數統計、車流統計、物體出現和消失、人員突然奔跑、人員突然聚集等等;環境判斷補償識主要包括雨、雪、大霧等惡劣天氣、夜間低照度情況、攝像頭遮擋或偏移、攝像頭抖動等。

三大智能視頻監控技術

資料來源：公開資料整理