www.design-reuse-china.com
搜索,选择,比较,与提供商进行安全高效的联系
Design & Reuse We Chat
D&R中国官方微信公众号,
关注获取最新IP SOC业界资讯

The new forces and the old forces of the AI+ security era

作者:邵乐峰, Apr. 04, 2019 – 根据相关机构数据预测,2018年中国安防行业市场规模达6570亿元。其中,AI+安防是人工智能技术商业落地中发展最快、市场容量最大的主赛道之一。预计到2020年,AI+安防软硬件市场规模将达到453亿元,发展前景十分广阔。

智能安防,2019年往哪儿看?

在AI技术的赋能下,安防成为过去一两年中极少数能将AI落地变现的行业之一。IHS Markit安防行业高级分析师朱文智认为在2019年以下三方面非常值得关注:1.检测识别和分类算法的持续提升;2.随着云边结合分布式架构广泛应用到安防系统当中,云计算和边缘计算的应用会越来越多的运用到项目当中;3.公共安全领域仍将是AI的主要落地行业,但是商业智能(BI)预计会更多的应用在这个领域。

"传统安防也好,智能安防也好,本质都是结合业务场景设计有针对性的解决方案,为客户提供实实在在的价值。"地平线(Horizon Robotics)公司智慧城市事业部总经理刘俊华在接受《电子工程专辑》采访时表示,过去几年,智能安防更多的是处于宣传造势和概念验证阶段,随着阶段性的喧嚣到达顶峰,相对理性沉静的声音开始显现。

他分析道,2019年的智能安防行业,比拼的将是各厂家的实际价值和落地能力。也就是说,一方面,解决方案要能适配具体的业务场景,真正解决用户痛点;另一方面,各厂家要有出色的设备稳定性和工程能力,以确保解决方案能够很好地落地。同时,人工智能给安防的纵深赋能还会继续扩展,边缘计算AI芯片的重要性日益凸显,人体识别、行为识别等算法将会应用到更多业务场景中。

按照安防行业惯例,全球市场通常分为国内与海外两部分,或从应用上分为消费级、渠道商用与行业商用三大板块。豪威科技(OmniVision)中国/印度区销售副总裁Stephen Wang的看法是,总体来看,国内市场的AI渗透率快于海外市场,并呈现出在行业商用板块开花结果,逐渐向渠道商用板块渗透,同时在消费级应用上有所突破的大趋势。

具体而言,在行业商用方面,商用安防系统将会有的放矢地使用AI来分析商业趋势,例如在超市中通过分析消费者消费习惯来帮助商家实现有目标的宣传。而消费级安防AI则旨在减少或避免错误报警提示,降低耗电量,让动态安防更有意义。这部分未来的趋势会是在传感器模块上加入卷积神经网络(CNN)处理单元,减少上传到云处理器上的分析时间,提升信息处理和分析效率,让OEM根据客户需求设置报警通知标准,实现最小功耗和最精确信息分析,并同时延长电池使用时间。

人工智能行业有句俗话,叫"有多少人工,就有多少智能"。在安防领域,数据来源及种类将成为实际技术能够落地并迭代演进的主要因素。这意味着由于AI的引入,监控数据的理解和分析将呈现更多的可能性,数据的结构化也带来了新的存储结构和应用流程的变化。忆芯科技(Starblaze)创始人&CEO沈飞认为,在从传统监控到智能人脸识别的转换过程中,多目标实时识别、轨迹跟踪、节省人力和实时稳定的监控系统开始崭露头角,但由于数据分析的需求和监控节点的扩展,使得中心化数据处理分析平台和高消耗网络带宽成本成为业务部署痛点,只存储和推送有效数据成为边缘计算的一大需求,如何保证边缘侧数据的可用性、可靠性也极为关键。

而在Imagination Technologies视觉与人工智能高级业务拓展总监Andrew Grant看来,人工智能在多个层面推动了安防行业的快速演进。随着传感器和设备越发便宜且功能越发强大,它们已变得越来越普及,反过来又创造了我们现在必须去应对的"数据湖"和"数据海"。

具体而言,虽然过去习惯于依靠摄像头和其他传感器来产生资料流,但是不可能有效地处理数据的数量、种类和速度。机器学习是理解大规模数据的第一步,然后由云端提供用于培训和数据分析的机架式服务器。随着超大规模神经网络的成功,人们已经找到通过使用神经网络加速来管理数据流的方法。重要的是,随着边缘智能设备的崛起,这些设备的智能化程度正在快速提升。

这反过来也会推动智能边缘设备的普及。它们有越来越强的能力去运行最新的网络,甚至能够并行或顺序运行多个网络。或者说,一个网络的输出将成为下一个网络的输入。当神经网络开发可以利用在云端进行训练的计算能力,然后再被部署至边缘时,这变成了一种需求的极化,即难以置信的强大多核加速可以支持复杂的大规模网络运行,例如监控整个城市或一座足球场,而在另一极,那些用完可弃的微型安防摄像头正应用于各种一次性使用场景。

"智能化是安防行业的大趋势。"湖南国科微电子股份有限公司多媒体事业部总经理鲁欣荣说,安防行业初期AI解决方案主要是在云端进行,"云边结合"将是后续演进的更优选择,主要解决网络传输带宽、存储容量、及时性等问题。此外,目前AI技术与场景强相关,如何科学地对前端摄像头进行布局布点是需要进行着重探索的。

中星技术股份有限公司总工程师施清平同样认为AI产品和应用将迎来大规模的普及,会逐渐成为视频监控系统的标配,面向安防大数据分析的智能算法和应用开始崭露头角。智能算法研发会更侧重于围绕摄像机的边缘计算,范围从当前以车牌、人脸、人员特征、视频结构化等为主向着与业务场景深度融合的方向发展,后端智能应用将向标准化、联网和多维数据融合应用发展。

新势力 Vs 老霸主

安防行业当前的竞争极为激烈。不但有大批新兴AI公司和华为这样的跨界玩家积极抢滩,传统的海康、大华等安防企业更是希望通过不断创新来捍卫固有优势。新势力和老霸主之间是一种怎样的关系?AI有可能会改变目前安防市场的格局吗?

Andrew Grant给出的答案是肯定的,他相信人工智能一定会改变安防市场。"我们看到新的、资金雄厚的玩家正在不断涌入,他们拥有突破性的想法。同时,传统安防巨头也意识到人工智能是他们所见过的推动行业发展的最佳契机。"他说竞争的关键在于持续创新,因为市场会发展得越来越快。

正如人工智能之所以能够所向披靡,就在于它融合了众多思维,包括从大学、全球主要玩家(谷歌、百度、亚马逊、阿里巴巴、腾讯等)和已经抓住机遇的科技行业所产生的最新灵感思维,以及从打造完美、积极的新思维风暴和测试、测量、学习意愿的初创文化所产生的创新思维。所以传统安防企业可以通过在硬件、软件和人工智能中采用这些新技术而受益,如果他们要保持处于行业的最前沿,那就会需要这些技术。

作为新势力的代表,刘俊华反而将姿态放的很低。他坦承新兴AI企业要想在安防行业生存立足并发展壮大,难度非常大。原因有二:其一,新兴AI企业需要在掌握技术优势的同时,沉下心来一款一款地打磨优质产品;其二,新兴AI企业不能"拿着锤子找钉子",而是要能够深入一线,真正了解和吃透客户的业务痛点,并拿出有针对性的解决方案。

"在安防行业摸爬滚打越久,越能感觉到新兴AI企业需要保持谦卑,尤其是在对行业的认识方面,多向海康、大华、宇视等行业老大哥学习,踏踏实实地做项目,把控好每一个环节,真正服务好客户。"他指出,传统安防行业面临着人口流动量大难以监控、视频资源利用率低、数据检索慢、信息孤立不对称等痛点。对于AI公司来说,其行业深耕时间较短,商业化模式还不清晰,因此,每一位行业参与者其实都是这个行业生态的构建者和维护者,是互相促进、共同进化、相互赋能的关系,大家在共同推动安防行业不断实现进化和价值更新。

鲁欣荣和施清平则更强调双方之间的合作关系,即传统安防企业与新兴AI企业之间虽然会形成一定程度的竞争,但合作还是主流。毕竟新兴AI企业侧重于算法、芯片等基础能力的提供,拥有先进的技术和理念;传统安防企业以产品和工程项目为主,在包含摄像机、服务器系统和应用软件的整体解决方案方面拥有丰富的经验。所以双方会互相借鉴,取长补短,在互相竞争中共同成长。未来,谁能满足客户的需求并带来更多附加值,谁就将占据主动。

那么,会不会有公司同时从上述两方面统治安防市场?沈飞说安防不能简单理解为监控,尽管目前为止,传说中的这种导向型公司尚未出现,但不能排除这种可能性。因为所有的应用技术是为业务提供助力的,AI本身的价值需要落地场景来体现。所以AI企业长处在于先进的技术方法,通过方案体现自身价值,但更需要理解客户的痛点;安防企业需要通过应用部署来提供有效数据和反馈来进一步提升AI的技术能力。

复杂的碎片化市场

安防市场被认为是一个非常碎片化的市场,用户不集中,应用和产品分散,客户定制化需求多,建立一个从满足客户碎片化需求的开发响应到快速交付能力的体系,非常复杂。

沈飞对记者说,实际情况的确如此。因为安防的地域空间特性决定了数据无法按照一个模板进行标准化处理,实际数据的处理、传输、分析都要因地制宜,但能否通过大量的工程部署获得共性经验,优化部署流程,也是公司的能力体现。各级地方政府现在正在转变思路,希望能通过地方自建多类目标数据整合分类,为各个机关部门提供相关的检索服务。

那么未来的安防监控市场会不会打破这样的信息"孤岛",转而走向互联互通,实现更高的集中?他回应称,忆芯科技的思路是一切以数据的高效调度和应用为核心,着力解决应用痛点,降低部署成本,加速安防应用反馈等方面。同时也顺应互联互通,分布式去中心化的物联技术趋势,让所有结构化数据找到最优的存储位置,最快的应用检索响应,最节能的关键数据传递和最安全的数据管理。

"不同的行业用户会有不同的应用需求,但其实评估下来有大概有70%是共性需求。"刘俊华的观点是,未来的安防监控市场在底层服务层面必然会互联互通,GB28181、GA1400等国家标准就是为了解决互联互通问题而提出的。但行业应用之间的差别仍然存在,作为新兴AI企业,地平线不会也不可能像海康、大华一样做到大而全,而是将重点聚焦几个细分领域,深挖客户需求,做到真正的产业赋能。

同刘俊华看法类似,Andrew Grant表示,尽管安防市场需要用高度专业化去满足客户差异化而呈现碎片化现象,但硬件还是呈现出了一定程度的同质化。这是由于人工智能需要在诸如摄像头和传感器等边缘设备上进行更高性能的计算,以及在它们之上运行智能化功能。

随着技术能力的提高,以及网络和软件的日益复杂,这些基本需求开始呈现差异化,这种差异化由软件和网络而非硬件本身所产生。Imagination的做法是通过神经网络加速器硬件IP创造新的单位面积性能(PPA)并生成高计算密度,使得深度学习加速在各种设备的不同性能点上变得可行,芯片面积可以支持电池和能量收集,需要时可以利用多核提供高性能和高功率。

目前,国内"平安城市"、"雪亮工程"等项目正在构建全国性的视频监控联网系统,其中也包含了与社区、乡镇等监控系统的互联。下一步,需要解决互联互通环境下的安全和应用问题已经被提上了日程。在已经出台的GB35114强制性国家标准中,对于如何解决接入安全、信令安全、视频完整性和视频数据安全等方面的问题做出了详细的规范,旨在消除各个单位和个人的顾虑,更好地实现视频监控系统的互联互通。

鲁欣荣说行业市场确实是一个非常复杂的体系,应用需求多样化,短时间内这样的"孤岛"还不会被打破,而民用或者家用市场需求较为单一,产品有同质化倾向。而中星的做法则是集中两到三个重点行业,把行业应用做深做透,形成可复制化的解决方案体系。在此基础上,将基础研发与定制研发分开,围绕重点客户组建定制研发团队,随时响应和满足客户业务需求。

"云边结合"正取代"中心分析"

从目前的实际应用来看,云计算与边缘计算融合形成的"端云融合"、"云边结合"、"端边云"理念正取代"中心分析"成为智能化安防的主流选择。为什么会呈现这样的发展趋势?刘俊华分析认为,由于实时性,可靠性,数据安全性等要求,计算下沉到边缘终端是时代的必然趋势,其本质是计算成本的问题(或者说是如何增加计算和信息传输效率的问题)。在安防网络化和智能化的发展背景下,客户要对大量数据进行计算,而把计算节点前移至边或端,从而可以设计出更经济、更弹性的方案架构,避免一味地在后端叠加服务器和网络资源。

另一方面,云计算的普及源自其灵活性、不断提高的计算能力以及更低的成本。因此,工作负载可以按需扩展和缩减,相对固定的集中计算成本就变得不那么有竞争力。这种情况会随着人工智能支持边缘计算时增加,意味着将在边缘设备上或靠近边缘设备的地方进行更多处理和决策。

也就是说,只有"感兴趣"的帧被发送以供云进行全面分析,因为初始分析将识别帧中是否有不同情况发生。这将通过发送元数据来进一步实现,在元数据中神经网络不仅识别帧中发生的事情,而且会识别实际发生的事情,以及之后应该采取什么行动,所有这些今后都将在边缘侧处理。实现了云和边缘之间的承诺,云和边缘各尽其能,云负责训练,边缘负责检测和执行。

朱文智同样预计在未来几年,云边结合的视频处理方式会更加普遍。比如,更智能的边缘设备会将视频处理工作分散开来减轻后端数据中心的计算压力;云边结合技术可以允许摄像头执行基础的物体识别和分类,甚至未来移动物体识别和分类的功能会成为标配等。但他强调说,边缘设备永远不会取代中心服务器或者云计算中心的地位,而是对于数据中心的一种补充。

鲁欣荣则表示,云边结合主要可以解决网络传输带宽、存储容量问题、及时性等问题,使得边缘计算在一些业务场景中有不可替代的作用,前端芯片厂商将因此受益,这一点毫无疑问。但FPGA/ASIC/GPU各有优劣,谁占主导地位要看应用场景,比如在AI的云端训练中,GPU还是主流。利用GPU并将其与神经网络硬件加速器配合使用,可以获得指数级增长的每秒的帧数/推理数(fps)。可编程NNA与CPU配合使用是有意义的,例如在芯片面积受限的情况下,如果把加速性和可编程性放在同一颗芯片上,就可以去运行所有所需的网络。

正如IHS Markit半导体行业首席分析师何晖所说的那样,AI芯片设计主要是源于应用端的需求,根据应用端的场景不同,对芯片的性能和特点有不同的定义。FPGA的可编程性,GPU的同步处理架构,对于目前安防系统的大量图像/视频的处理而言是适用的。但随着安防系统的应用需求不断被开发,前端芯片的性能要求也会有不同的提升,未来也许会有专有的芯片适用于这一应用,而不仅限于目前的这几种芯片架构。

"‘云边结合’模式下,中心端系统投资大幅度下降,支持AI的前端摄像机销售价格也正在向非AI摄像机靠近,因此相比完全的‘中心分析’模式性价比优势明显。"施清平说,前端处理是对更好的图像(未压缩前的好评)进行处理,有助于抓拍率、识别率等指标的提升,且响应效率更高。在可预见的未来,支持AI的芯片将成为主流,各个厂商新发布或研发中的视频监控前端芯片几乎都具备AI能力。但GPU由于功耗问题,将主要应用于中心分析或车载等场景,监控摄像机的嵌入式的智能分析芯片将以FPGA/ASIC为主。

沈飞称,监控网络的扩展带来节点增加、传输成本上涨,只传输有意义的数据是实际市场选择的技术结果。但数据需要的整体汇集、分析、处理,目前主机端的计算能力才能够保障。这就需要边缘计算提取关键数据并上传,中心进行后续复杂分析,属于天然的分工。而前端芯片除了对于视频本身的增强补偿提高其不同场景下稳定度外,能否提供目标提取能力,本地比对能力以及分类存储供检索调用的能力,都是对于前端芯片的新需求。FPGA/ASIC由于体积、功耗、成本等原因,在前端代替GPU应该是很有前景的一个技术方向。

需要关注的,不止AI

安防市场应用归根结底要实现两个基本点:看得清和看得远。尽管数字化、网络化凭借显而易见的优势已经成为整个安防行业的主流趋势,但是由于种种历史原因,传统模拟前端还有相当的存量需求。随着前后端系统图像处理能力的不断加强,同时在AI赋能下对图像要求的不断提高,如何优化图像传感器与系统处理能力的协同效应,成为了图像传感器厂商、主芯片厂商与安防系统厂商需要共同协作的关键课题。

同时,伴随着AI的不断普及,安防监控对图像信息的精确性和传感器成像的清晰度,尤其是夜视能力与分辨率也提出了更高的要求,并随之驱动了从720P-1080P-2K/4K升级,普通传感器向超低光传感器、近红外传感器升级的需求。

作为唯一一家涵盖图像传感器三大应用领域的供应商,豪威科技通过构建高性价比入门级产品线、全功能主流产品线、以及旗舰级星光产品线三条跑道,实现了对720P/1080P/2K/4K市场的全覆盖。其代表性产品包括将940nm波段转换率从普通传感器的10%提高到40%的夜鹰技术、全球最高水准的星光级SNR1-0.16传感器、源于汽车DCG技术的高质量宽动态性能、以及从业界最高SNR1的OS02C扩展到更高分辨率的旗舰级星光产品等。

中国每年生产的监控摄像机超过一亿台,在全面向AI转型的大背景下,芯片厂商拥有着巨大市场机会和空间。有分析机构指出,在ISP芯片、DVR SoC芯片、IPC SoC芯片、NVR SoC芯片这四类主要的安防监控芯片中,IPC SoC芯片受益于网络摄像机的大范围普及,将具备最大的成长空间,有望成为国内各大安防芯片厂商竞争的焦点。

施清平对此表示赞同,以中星为例,通过围绕GB25724(SVAC)、GB35114国家标准研发的718/718P专用芯片、系列摄像机和监控平台产品,完全达到了GB35114 定义的A/B/C安全档次要求,为视频监控大联网趋势下的设备、数据安全保障提供了关键支持。

国科微在争取AI领域实现突破的同时,仍会继续深耕视频编解码、ISP图像处理等安防监控关键技术。2015年,公司发布了第一颗H.264 IPC专用芯片GK7101,并很快推出H.265 IPC芯片。根据规划,下一代集成神经网络AI引擎、超高清视频编解码模块和国科第四代自研ISP处理模块的边缘计算专用芯片已经提上了议事日程。

忆芯科技则看好在海量监控数据和互通互联发展趋势下的分布式数据存储架构。考虑到网络摄像头SoC芯片需要更多的边缘计算能力,IPC现阶段已经和AI功能进行了前端联动。未来,基于该系统框架延展,完全可以在一颗芯片中包含ISP、录像存储、数据管理、网络传输等功能,实现真正的网络、计算、存储集约化、一体化的高效系统。

"我们从成立伊始就以这种超融合的架构为导向进行芯片的演进,也希望通过更多的方案部署和用户反馈,研发出更适合安防领域的芯片及方案。"沈飞说,未来的系统仍旧会是"端云融合",云端需要超强算力,终端需要更好的性能和功耗,所以忆芯科技对于监控存储的并发高效写入,结构化数据目标查询检索时的读取比对等都进行了更靠近存储端的加速,从而能够极大降低数据传输的延迟和能耗。

这一理念也直接体现在DeepSSD产品方案中。通过更直接的索引管理、更少的传输需求、更有效的本地比对,灵活适用于中心化或分布式的结构化数据存储,忆芯科技在现有系统上通过存储设备本身提供了更好的加速功能。数据显示,和标准分布式数据引擎对比,DeepSSD的并发量支持提升了10-15倍,而IO吞吐则降低为原来的六分之一,极具市场竞争力。

安全,重于泰山

网络安全始终是安防行业的重中之重,尤其是目前安防行业正由传统的物理安防时代进入视频网络信息安全阶段,破坏在任何阶段都有可能发生,因为任何阶段都可以获得访问权以攻击神经网络及其权重、训练/再训练数据或任何验证集,这也会影响将重新训练的网络上传至边缘硬件。

"漏洞无处不在,所以必须不断进行检查和评估。"Andrew Grant认为从网络建立之初就必须充分考虑安防并将其设计到网络中。在视频应用中,强化的数据端到端加密,以及对防篡改的进一步关注会成为重点。关键的是,除了包括视觉的数据流抵御恶意行为者之外,保护网络(包括网络权重本身)也是至关重要的。

他同时强调了对公民隐私保护的重要性。例如监控人群的安全和管理城市交通是两个众所周知的例子,这两个案例中的监控是为了提升每个人的生活而非限制,配有AI功能的摄像头只应去捕捉和记录那些它们感兴趣的人的细节,从而保护绝大多数人的隐私。

刘俊华则称地平线在对待网络安全和数据安全方面将严格遵守"约法三章"的内容:首先,完全按照国标和行标要求设计产品和系统,在网络安全等方面通过国家权威机构检测才能实现入网部署;其次,公司从价值观层面要求不能利用AI技术行恶,这是所有员工不可碰触的高压线;第三,所有参与的安防项目数据拥有方都是客户,地平线永不占有或利用客户数据。

三家本土公司中星、国科微和忆芯科技则强调了对国密标准的支持。

2017年11月,中国正式发布强制性国家标准GB35114(《公共安全视频监控联网信息安全技术要求》)。该标准以国密算法和PKI数字证书为基础,实现了设备/用户的安全接入认证、信令认证、视频认证和视频加密功能,一举解决了长期困扰视频监控系统安全的接入安全、信令安全和视频数据安全问题,是视频监控系统安全的基石。

中星自2012年起就与公安部第一研究所等单位联合起草编制GB35114标准,在该标准发布后,又率先推出全面符合此标准的摄像机和平台产品,并于2018年10月获得公安部检测中心认证;国科微安防监控系列芯片本身就具备加密引擎、可对软件、码流等进行加密,其掌握的完整国密解决方案可快速导入IPC芯片中;忆芯产品内部则集成了众多自主研发的数据安全加密硬件模块例如AES、国密SM2/SM3/SM4、片上软硬件联动支持、内部数据传输的端到端纠错与保护等,以确保终端要落盘的数据必须经过芯片的硬件认证才可写入,读取数据的客户需要身份认证才可将数据解密取走。

"随着安防监控网络的扩展,原先纯政府或者特种的数据网络可能需要和民用、商用的网络进行数据融合,本身遭受攻击、窃取、破坏的可能性会大大增加,如何保护数据,认证网络用户是大家都在考虑的问题。" 沈飞说,如何保护好数据,如何防止攻击是安防企业一定会遇到的挑战,在这点上互联网公司的经验会比较有借鉴意义,区块链等技术也会在安防网络中看到实际应用。

 Back

业务合作

广告发布

访问我们的广告选项

添加产品

供应商免费录入产品信息

© 2023 Design And Reuse

版权所有

本网站的任何部分未经Design&Reuse许可,
不得复制,重发, 转载或以其他方式使用。