根據相關機構資料預測,2018年中國安防產業市場規模達人民幣6,570億元。其中,人工智慧(AI)+安防是AI技術商業化中發展最快、市場容量最大的主賽道之一,預計到2020年,AI+安防軟硬體市場規模將達到人民幣453億元,發展前景十分廣闊。

2019年智慧安防往哪兒看?

在AI技術的賦能下,安防成為過去一兩年中極少數能實踐AI的產業之一。IHS Markit安防產資深分析師朱文智認為,在2019年以下三方面非常值得關注:1.檢測辨識和分類演算法的持續提升;2.隨著「雲邊結合」的分散式架構廣泛應用到安防系統當中,雲端運算和邊緣運算的應用會越來越多被運用到專案當中;3.公共安全領域仍將是AI的主要實現的產業,但是商業智慧(BI)預計會有更多的應用。

地平線(Horizon Robotics)智慧城市事業部總經理劉俊華在接受《電子工程專輯》採訪時表示:「傳統安防也好,智慧安防也好,本質都是結合業務場景設計具針對性的解決方案,為客戶提供實實在在的價值。」過去幾年,智慧安防更多的是處於宣傳造勢和概念驗證階段,隨著階段性的喧囂到達頂峰,相對理性沉靜的聲音開始顯現。

他分析,2019年的智慧安防產業,比拼的將是各廠家的實際價值和實踐的能力。也就是說,一方面,解決方案要能適配具體的業務場景,真正解決用戶痛點;另一方面,各廠家要有出色的設備穩定性和工程能力,以確保解決方案能夠很好的落實。同時,AI給安防的縱深賦能還會繼續擴展,邊緣運算AI晶片的重要性日益凸顯,人體辨識、行為辨識等演算法將會應用到更多業務場景中。

按照中國安防產業慣例,全球市場通常分為中國與海外兩部分,或從應用上分為消費級、管道商用與產業商用三大板塊。豪威科技(OmniVision)中國/印度區銷售副總裁Stephen Wang的看法是,總體來看,中國市場的AI滲透率快於海外市場,並呈現出在產業商用板塊開花結果,逐漸向管道商用板塊滲透,同時在消費級應用上有所突破的大趨勢。

具體而言,在產業商用方面,商用安防系統將會使用AI來分析商業趨勢,例如在超市中透過分析消費者消費習慣來協助商家實現有目標的宣傳。而消費級安防AI則旨在減少或避免錯誤警報提示,降低耗電量,讓動態安防更有意義。這部分未來的趨勢會是在感測器模組上加入卷積神經網路(CNN)處理單元,減少上傳到雲端處理器上的分析時間,提升資訊處理和分析效率,讓OEM根據客戶需求設置報警通知標準,實現最小功耗和最精確資訊分析,並同時延長電池使用時間。

中國AI產業有句俗話「有多少人工,就有多少智慧」。在安防領域,資料來源及種類將成為實際技術能夠實現並反覆運算演進的主要因素。這意味著由於AI的導入,監控資料的理解和分析將呈現更多的可能性,資料的結構化也帶來了新的儲存結構和應用流程的變化。憶芯科技(Starblaze)創辦人暨CEO沈飛認為,在從傳統監控到智慧人臉辨識的轉換過程中,多目標即時辨識、軌跡追蹤、節省人力和即時穩定的監控系統開始嶄露頭角,但由於資料分析的需求和監控節點的擴展,使得中心化資料處理分析平台和高消耗網路頻寬成本成為業務佈署痛點,只儲存和推送有效資料成為邊緣運算的一大需求,如何保證邊緣側資料的可用性、可靠性也極為關鍵。

而在Imagination Technologies視覺與AI資深業務拓展總監Andrew Grant看來,AI在多個層面推動了安防產業的快速演進。隨著感測器和設備越發便宜且功能越發強大,它們已變得越 來越普及,反過來又創造了現在必須去應對的「資料湖」和「資料海」。

具體而言,雖然過去習慣於依靠攝影鏡頭和其他感測器來產生資料流,但是不可能有效地處理資料的數量、種類和速度。機器學習是理解大規模資料的第一步,然後由雲端提供用於培訓和資料分析的機架式伺服器。隨著超大規模神經網路的成功,人們已經找到透過使用神經網路加速來管理資料流程的方法。重要的是,隨著邊緣智慧設備的崛起,這些設備的智慧化程度正在快速提升。

這反過來也會推動智慧邊緣設備的普及。它們有越來越強的能力去運作最新的網路,甚至能夠平行或順序運行多個網路。或者說,一個網路的輸出將成為下一個網路的輸入。當神經網路開發可以利用在雲端進行訓練的運算能力,然後再被佈署至邊緣時,這變成了一種需求的極化,即難以置信的強大多核加速可以支援複雜的大規模網路運作,例如監控整個城市或 一座足球場,而在另一極,那些用完可棄的微型安防攝影鏡頭正應用於各種一次性使用場景。

湖南國科微電子多媒體事業部總經理魯欣榮說:「智慧化是安防產業的大趨勢。」安防產業初期AI解決方案主要是在雲端進行,「雲邊結合」將是後續演進的更好選擇,主要解決網路傳輸頻寬、儲存容量、即時性等問題。此外,目前AI技術與場景高度相關,如何科學的對前端攝影鏡頭進行佈局佈點需要進行重點探索。

中星技術總工程師施清平同樣認為AI產品和應用將迎來大規模的普及,會逐漸成為視訊監控系統的標配,針對安防大資料分析的智慧演算法和應用開始嶄露頭角。智慧演算法研發會更側重於圍繞攝影機的邊緣運算,範圍從當前以車牌、人臉、人員特徵、視訊結構化等為主,向著與業務場景深度融合的方向發展,後端智慧應用將向標準化、連網和多維資料融合應用發展。

新勢力 vs. 老霸主

中國安防產業當前的競爭極為激烈。不但有大批新興AI公司和華為這樣的跨界玩家積極搶灘,傳統的海康、大華等安防企業更是希望利用不斷創新來捍衛既有優勢。新勢力和老霸主之間是一種怎樣的關係?AI有可能會改變目前安防市場的格局嗎?

Grant給出的答案是肯定的,他相信AI一定會改變安防市場:「我們看到新的、資金雄厚的玩家正在不斷湧入,他們擁有突破性的想法。同時,傳統安防巨頭也意識到AI是他們所見過的推動產業發展的最佳契機。」他說競爭的關鍵在於持續創新,因為市場會發展得越來越快。

正如AI之所以能夠所向披靡,就在於它融合了眾多思維,包括從大學、全球主要玩家(Google、百度、亞馬遜、阿里巴巴、騰訊等)和已經抓住機遇的科技產業所產生的最新靈感思維,以及從打造完美、積極的新思維風暴和測試、測量、學習意願的初創文化所產生的創新思維。所以傳統安防企業可以透過在硬體、軟體和AI中採用這些新技術而受益,如果他們要保持處於產業的最前端,那就會需要這些技術。

作為新勢力的代表,劉俊華反而將姿態放的很低。他坦承新興AI企業要想在安防產業立足並發展壯大,難度非常大。原因有二:其一,新興AI企業需要在掌握技術優勢的同時,沉下心來一款一款的打造優質產品;其二,新興AI企業不能「拿著錘子找釘子」,而是要能夠深入前線,真正瞭解吃透客戶的業務痛點,並拿出有針對性的解決方案。

「在安防產業摸爬打滾的越久,越能感覺到新興AI企業需要保持謙卑,尤其是在對產業的認識方面,多向海康、大華、宇視等產業老大哥學習,踏踏實實地做專案,掌控好每一個環節,真正服務好客戶。」劉俊華指出,傳統安防產業面臨著人口流動量大難以監控、視訊資源利用率低、資料檢索慢、資訊孤立不對稱等痛點。對於AI公司來說,其產業深耕時間較短,商業化模式還不清晰,因此,每一位產業參與者其實都是這個產業生態的構建者和維護者,是互相促進、共同進化、相互賦能的關係,大家在共同推動安防產業不斷實現進化和價值更新。

魯欣榮和施清平則更強調雙方之間的合作關係,即傳統安防企業與新興AI企業之間雖然會形成一定程度的競爭,但合作還是主流。畢竟新興AI企業側重於演算法、晶片等基礎能力的提供,擁有先進的技術和理念;傳統安防企業以產品和工程項目為主,在包含攝影機、伺服器系統和應用軟體的整體解決方案方面擁有豐富的經驗。所以雙方會互相借鑒,取長補短,在 互相競爭中共同成長。未來,誰能滿足客戶的需求並帶來更多附加值,誰就將佔據主動地位。

那麼,會不會有公司同時從上述兩方面統治安防市場?沈飛認為,安防不能簡單理解為監控,儘管目前為止,傳說中的這種導向型公司尚未出現,但不能排除這種可能性。因為所有的應用技術是為業務提供助力,AI本身的價值需要實際場景來體現,所以AI企業長處在於先進的技術方法,透過方案實現自身價值,但更需要理解客戶的問題;安防企業需要利用應用部署來提供有效資料和回饋來進一步提升AI的技術能力。

複雜的碎片化市場

安防市場被認為是一個非常碎片化的市場,用戶不集中、應用和產品分散、客戶客製化需求多。建立一個從滿足客戶碎片化需求的開發回應、到快速交付能力的體系,非常複雜。沈飛對記者說,實際情況的確如此。因為安防的地域空間特性決定了資料無法按照一個範本進行標準化處理,實際資料的處理、傳輸、分析都要因地制宜,但能否利用大量的工程部署獲得共性經驗,最佳化佈署流程,也是公司的能力展現。中國各級地方政府正在轉變思路,希望能透過地方自建多類目標資料整合分類,為機關部門提供相關的檢索服務。

那麼未來的安防監控市場會不會打破這樣的資訊「孤島」,轉而走向互連互通,實現更高的集中?沈飛回應,憶芯科技的思路是一切以資料的高效調度和應用為核心,著力解決應用難關,降低佈署成本,加速安防應用回饋等方面。同時也順應互連互通,分散式去中心化的物聯技術趨勢,讓所有結構化資料找到最佳的儲存位置、最快的應用檢索回應、最節能的關鍵資料傳遞和最安全的資料管理。

「不同的產業用戶會有不同的應用需求,但其實評估下來有大概有70%是共性需求。」劉俊華的觀點是,未來的安防監控市場在底層服務層面必然會互連互通,GB28181、GA1400等中國國家標準就是為了解決互連互通問題而提出。但產業應用之間的差別仍然存在,作為新興AI企業,地平線不會也不可能像海康、大華一樣做到大而全,而是將重點聚焦幾個細分領域,深掘客戶需求,做到真正的產業賦能。

和劉俊華看法類似,Grant表示,儘管安防市場需要用高度專業化去滿足客戶差異化而呈現的碎片化現象,但硬體還是顯現出一定程度的同質化。這是由於AI需要在諸如攝影鏡頭和感測器等邊緣設備上進行更高性能的運算,以及在它們之上執行智慧化功能。

隨著技術能力的提高,以及網路和軟體的日益複雜,這些基本需求開始呈現差異化,這種差異化由軟體和網路而非硬體本身所產生。Imagination的做法是透過神經網路加速器硬體IP創造新的單位面積性能(PPA)並生成高運算密度,使得深度學習加速在各種設備的不同性能點上變得可行。晶片面積可以支援電池和能量收集,需要時可利用多核心提供高性能和高功率。

目前,中國「平安城市」、「雪亮工程」等專案正在構建全國性的視訊監控連網系統,其中也包含了與社區、鄉鎮等監控系統的互連。下一步,需要解決互連互通環境下的安全和應用問題已經被提上了工作計畫。

在已發佈的GB35114強制性標準中,對於如何解決接入安全、訊令安全、視訊完整性和視訊資料安全等方面的問題做出了詳細的規範,旨在消除各個單位和個人的顧慮,更好地實現視訊監控系統的互連互通。

魯欣榮指出,產業市場確實是一個非常複雜的體系,應用需求多樣化,短時間內這樣的「孤島」還不會被打破,而民用或者家用市場需求較為單一,產品有同質化傾向。而中星的做法則是集中2~3個重點產業,把產業應用做深做透,形成可複製化的解決方案體系。在此基礎上,將基礎研發與客製化研發分開,圍繞重點客戶組建客製化研發團隊,隨時回應和滿足客戶業務需求。

「雲邊結合」正取代「中心分析」

從目前的實際應用來看,雲端運算與邊緣運算融合形成的「端雲融合」、「雲邊結合」、「端邊雲」理念正取代「中心分析」成為智慧化安防的主流選擇。為什麼會呈現這樣的發展趨勢?劉俊華分析,由於即時性、可靠性、資料安全性等要求,運算下放到邊緣終端是時代的必然趨勢,其本質是運算成本的問題(或者說是如何增加運算和資訊傳輸效率的問題)。在安防網路化和智慧化的發展背景下,客戶要對大量資料進行運算,而把運算節點前移至邊或端,從而可以設計出更經濟、更彈性的方案架構,避免一味地在後端疊加伺服器和網路資源。

另一方面,雲端運算的普及源自其靈活性、不斷提高的運算能力及更低的成本。因此,工作負載可以依需求擴展和縮減,相對固定的集中運算成本就變得不那麼有競爭力。這種情況會隨著AI支援邊緣運算時增加,意味著將在邊緣設備上或靠近邊緣設備的地方進行更多處理和決策。

也就是說,只有「感興趣」的訊框被發送以供雲端進行全面分析,因為初始分析將辨識訊框中是否有不同情況發生。這將透過發送中繼資料來進一步實現,在中繼資料中神經網路不僅辨識訊框中發生的事情,而且會辨識實際發生的事情,以及之後應該採取什麼行動,所有這些今後都將在邊緣側處理。實現了雲和邊緣之間的承諾,雲和邊緣各盡其能,雲端負責訓練,邊緣負責檢測和執行。

朱文智同樣預計在未來幾年,雲邊結合的視訊處理方式會更加普遍。比如,更智慧的邊緣設備會將視訊處理工作分散開來減輕後端資料中心的運算壓力;雲邊結合技術可以允許攝影鏡頭執行基礎的物體辨識和分類,甚至未來移動物體辨識和分類的功能會成為標配等。但他強調說,邊緣設備永遠不會取代對於中心伺服器或者雲端運算中心的地位,而是對於資料中心的一種補充。

魯欣榮則表示,雲邊結合主要可以解決網路傳輸頻寬、儲存容量問題、即時性等問題,使得邊緣運算在一些業務場景中有不可替代的作用,前端晶片廠商將因此受益,這一點毫無疑問。但FPGA/ASIC/GPU各有優劣,誰佔主導地位要看應用場景,比如在AI的雲端訓練中,GPU還是主流。利用GPU並將其與神經網路硬體加速器配合使用,可以獲得指數級增長的每秒的訊框數/推理數(fps)。可程式設計NNA與CPU配合使用是有意義的,例如在晶片面積受限的情況下,如果把加速性和可程式設計性放在同一顆晶片上,就可以去運作所有所需的網路。

正如IHS Markit半導體產業分析師何暉所說的那樣,AI晶片設計主要是源於應用端的需求,根據應用端的場景不同,對晶片的性能和特點有不同的定義。FPGA的可程式設計性,GPU的同步處理架構,對於目前安防系統的大量影像/視訊的處理而言是適用的。但隨著安防系統的應用需求不斷被開發,前端晶片的性能要求也會有不同的提升,未來也許會有專用的晶片適用於這一應用,而不僅限於目前的這幾種晶片架構。

施清平說:「雲邊結合模式下,中心端系統投資大幅度下降,支援AI的前端攝影機銷售價格也正在向非AI攝影機靠近,因此相比完全的中心分析模式性價比優勢明顯。」前端處理是對更好的影像(未壓縮前)進行處理,有助於抓拍率、辨識率等指標的提升,且回應效率更高。

在可預見的未來,支援AI的晶片將成為主流,各個廠商新發佈或研發中的視訊監控前端晶片幾乎都具備AI能力。但GPU由於功耗問題,將主要應用於分析中心或車載等場景,監控攝影機的嵌入式的智慧分析晶片將以FPGA/ASIC為主。

沈飛表示,監控網路的擴展帶來節點增加、傳輸成本上漲,只傳輸有意義的資料是實際市場選擇的技術結果。但資料需要的整體彙集、分析、處理,目前主機端的運算能力才能夠保障。這就需要邊緣運算提取關鍵資料並上傳,中心進行後續複雜分析,屬於天然的分工。而前端晶片除了對於視訊本身的增強補償提高其不同場景下穩定度外,能否提供目標提取能力,本地比對能力,以及分類儲存供檢索調用的能力,都是對於前端晶片的新需求。FPGA/ASIC由於體積、功耗、成本等原因,在前端代替GPU應該是很有前景的一個技術方向。

需要關注的不止AI

安防市場應用歸根結底要實現兩個基本點:看得清和看得遠。儘管數位化、網路化憑藉顯而易見的優勢已經成為整個安防產業的主流趨勢,但是由於種種歷史原因,傳統類比前端還有相當的存量需求。隨著前後端系統影像處理能力的不斷加強,同時在AI賦能下對影像要求的不斷提高,如何最佳化影像感測器與系統處理能力的協同效應,成為了影像感測器廠商、主晶片廠商與安防系統廠商需要共同協作的關鍵課題。

同時,伴隨著AI的不斷普及,安防監控對影像資訊的精確性和感測器成像的清晰度,尤其是夜視能力與解析度也提出了更高的要求,並隨之驅動了從720P-1,080P-2K/4K升級,普通感測器向超低光感測器、近紅外線感測器升級的需求。

中國每年生產的監控攝影機超過一億台,在全朝AI轉型的大背景下,晶片廠商擁有著巨大市場機會和空間。有分析機構指出,在ISP晶片、DVR SoC晶片、IPC SoC晶片、NVR SoC晶片這四類主要的安防監控晶片中,IPC SoC晶片受益於網路攝影機的大範圍普及,將具備最大的成長空間,可望成為中國各大安防晶片廠商競爭的焦點。

國科微電子在爭取AI領域實現突破的同時,仍會繼續深耕視訊編解碼、ISP影像處理等安防監控關鍵技術。憶芯科技則看好在海量監控資料和互通互連發展趨勢下的分散式資料儲存架構。考慮到網路攝影鏡頭SoC晶片需要更多的邊緣運算能力,IPC現階段已經和AI功能進行了前端連動。

沈飛說,未來的系統仍舊會是「端雲融合」,雲端需要超強算力,終端需要更好的性能和功耗,所以憶芯科技對於監控儲存的併發高效寫入,結構化資料目標查詢檢索時的讀取比對等都進行了更靠近儲存端的加速,從而能夠極大降低資料傳輸的延遲和能耗。

安全重於泰山

網路安全始終是安防產業的重中之重,尤其是目前安防產業正由傳統的物理安防時代進入視訊網路資訊安全階段。破壞在任何階段都有可能發生,因為任何階段都可以獲得訪問權以攻擊神經網路及其權重、訓練/再訓練資料或任何驗證集,這也會影響將重新訓練的網路上傳至邊緣硬體。

「漏洞無處不在,所以必須不斷進行檢查和評估;」Grant認為,從網路建立之初就必須充分考慮安防並將其設計到網路中。在視訊應用中,強化的資料端對端加密,以及對防篡改的進一步關注會成為重點。關鍵的是,除了包括視覺的資料流程抵禦惡意行為者之外,保護網路(包括網路權重本身)也至關重要。

他同時強調了對公民隱私保護的重要性。例如監控人群的安全和管理城市交通是兩個眾所周知的例子,這兩個案例中的監控是為了提升每個人的生活而非限制它,配有AI功能的攝影鏡頭只應去捕捉和記錄那些它們感興趣的人的細節,從而保護絕大多數人的隱私。

劉俊華則指出,地平線在對待網路安全和資料安全方面將嚴格遵守「約法三章」的內容:首先,完全按照國標和行標要求設計產品和系統,在網路安全等方面通過國家權威機構檢測才能實現入網佈署;其次,公司從價值觀層面要求不能利用AI技術行惡,這是所有員工不可碰觸的高壓線;第三,所有參與的安防專案資料擁有方都是客戶,地平線永不佔有或利用客戶資料。

三家中國本土公司中星、國科微電子和憶芯科技則強調了對國密標準的支持。2017年11月,中國正式發佈強制性國家標準GB35114(《公共安全視訊監控聯網資訊安全技術要求》)。該標準以國密演算法和PKI數位憑證為基礎,實現了設備/使用者的安全接入認證、訊令認證、視訊認證和視訊加密功能,一舉解決了長期困擾視訊監控系統安全的接入安全、訊令安全和視訊資料安全問題,是視訊監控系統安全的基石。

「隨著安防監控網路的擴展,原先純政府或者特種的資料網路可能需要和民用、商用的網路進行資料融合,本身遭受攻擊、竊取、破壞的可能性會大大增加,如何保護資料,認證網路使用者是大家都在考慮的問題。」沈飛說,如何保護好資料,如何防止攻擊是安防企業一定會遇到的挑戰,在這點上網際網路公司的經驗會比較有借鑒意義,區塊鏈等技術也會在安防網路中看到實際應用。

台灣安防革命正在展開

根據市調單位資料顯示,安防產業整體發展在2018年以機器視覺與深度學習為基礎的AI階段已逐漸成形,未來到2020年安全科技更將全面進入數位智慧化。經過數位智慧階段後,安防產業的AI元件將會全面的和各種產業設備及IT的大數據平台進行完善的軟硬體對接,安防也會藉此進入全AI智慧化時代。而台灣相關業者,無論是晶片商、終端設備製造商、系統整合商…等,也正順應這樣的發展趨勢,開始有更緊密的合作。

恆景科技行銷處副處長蔡宗勳表示,即使台灣內需市場小,外銷市場似乎有被中國業者趕上的態勢,但安防上中下游相關業者正因AI、物聯網(IoT)及巨量資料(big data)進入安防系統,深知單憑一己之力,無法構建完整AI智慧化安防系統,甚至如同發展工業4.0一般,不知該如何打造真正符合智慧安防願景的解決方案,因而衍生了新的合作模式,也為台灣安防產業創造更多新機會。

這也反映出台灣安防相關業者的發展較為「活潑化」。蔡宗勳解釋,所謂的活潑化是指,過去安防業者都是著重在各別產品的開發,但隨著市場的變化,台灣廠商也能快速改變既有的發展模式,朝向具備差異化特性的產品發展之路。舉例來說,台灣安防業者已將目標—專注傳統的保全、監控領域…等較為狹義的安防市場,轉而與更多不同產業如智慧城市、智慧家庭…等結合,藉以開發出更智慧的安防服務,進一步拓展商機。

值得注意的是,AI、物聯網與巨量資料進入安防系統,絕對不僅僅只是提升影像辨識度,藉以找到特定人物、抓到逃犯、辨識車牌…。蔡宗勳認為,「AI安防系統在智慧家庭或智慧大樓等應用領域中,可以提供更多樣性的服務,為人們的生活帶來更加便利、舒適與節能的優勢。」他並舉例,過往,智慧照明以能利用行動裝置遠端操控為主打,但這樣的使用方式能真正打中消費者的心?對消費者來說是真的有用的嗎?事實上,消費者需要的是「最好用」的智慧照明方案,而AI與巨量資料將可填補這層空缺,打造最好用的解決方案,在安防領域,AI扮演的角色亦是如此。

台灣業者在創新這一塊的發展力道相當強,深知監控系統在將影像拍得「好看」及有更好的夜間攝影模式,已是智慧安防系統的基本要求,但AI智慧安防可以跨入更多應用領域延伸出更多新應用。例如,過往臉部辨識應用侷限於智慧型手機,但為了在安防市場找出差異化,恆景科技已將COMS影像感測器加入生物辨識功能,或者提供無須夜間補光的方案,甚至發展3D感測技術,導入門禁系統,提升居家安全。

蔡宗勳強調,安防系統不再只是傳統的看影像,或是在有需要時調閱監視錄影器記錄。未來AI安防系統的終極目標是透過收集許多資訊進行分析,以能在事件發生的當下或是事件發生前即可預警,且能不斷提升其預警的準確性。當然,這會涉及到安防系統發展過程中的老問題——隱私權,在公共場域或是一般商業大樓,隱私權可能比較不會成為絆腳石,但在智慧家庭應用中,勢必遭遇使用者的抗拒,「而這也是業者需要戮力透過加密技術證明其系統安全性,致力降低使用者疑慮的部分。」

本文同步刊登於電子工程專輯雜誌2019年4月號