鸟瞰人工智能应用市场——安防行业研究分析2017

2017-10-10 21:22

  智能安防并非新逻辑,实际上海康、大华等行业龙头从2006年就开始布局智能安防产品,从这个时候开始安防行业就向着智能化发展,但一直不能有令人满意的突破。从“智能”到“人工智能”,后者解决了过去安防得不到普及的问题,使之“识别准确率提高”、“设备适应性提升”、“识别种类增多”。

  随着点位的骤增,遍布大街小巷的摄像头每时每刻产生的视频数据也在爆炸式增长,过去简单利用人海战术进行检索和分析已经很难满足新时代的安防工作需求。为此行业相关人士寄希望于AI的强大的算力和数据表达能力。

  人工智能技术作为一个降本增效工具去赋能传统行业,其中安防行业在政策和技术的双轮驱动下成为人工智能的首要着陆场。为什么人工智能优先在安防行业落地?安防对人工智能的需求是如何驱动整个产业链条的?而“安防行业”和“人工智能技术”的内涵外延如何设定?以及在人工智能新技术的驱动下,传统安防行业如何做应对?借助新技术起来的人工智能算法初创企业有机会成长为多大的企业?这些疑问的量化解答对于参与变局的企业都有意义,对于技术买单者也有参考价值,甚至对于第三方的投资者、等都能给予有参考意义的信息。

  从“智能”到“人工智能”,是“数据资源”、“核心算法”、“计算力”三大基本要素起主导作用。

  此次研究亿欧智库采取了“桌面研究”+“企业/专家”两种方式,试图通过“是什么”、“为什么”、“怎么办”的叙述顺序去力求清楚阐述“人工智能技术”和“安防行业”碰撞的过去、现在和未来的发展脉络。

  亿欧智库此次研究讨论的“安防”更多是指针对社会安全事件下的事件和经济安全事件的安全防范,即针对社会治安的安全防范,属于相对狭义的安防范围定义范畴。亿欧智库此次研究谈论的“AI”更多是指计算机视觉识别技术,它将视频数据结构化成以人、车、物为主体的属性信息。

  中国互联网举报中心违法和不良信息举报电话 新闻从业人员职业监督电线 监督邮件:br

  理论上只要有足够多的样本进行训练,深度学习能够实现比较精准的目标分类识别,自主特征识别的特点又让深度学习特别适用于抽象、复杂的关于人的特征、行为的分析领域。

  面对城市这样一个庞大的复杂系统,如果想要做到信息的实时发布、、分析和智能化管理,以确保整个系统的决策、命令能够稳妥迅速地传达执行并反馈,高度集成的可视化终端必不可少。装载在城市各个角落的视频系统是城市管理系统的重要组成部分。

  深度学习在训练模型参数的阶段使用了海量数据,相比传统机器学习方法,包含了足够多的场景,并且直接建立从数据到信息的映射,对约束条件的依赖较少,即深度学习的产品可以应用到更广泛的当中;

  社会经济进入转型阶段,原本稳定的社会关系变得复杂。资源的市场化配置造口流动和就业分布以及城市、农村格局等一系列变化,导致社会管理的难度加大和各种矛盾冲突的表面化,客观上为犯罪活动提供了更多的机遇。

  归根结底,AI赋能安防就是借助计算机视觉识别技术解决海量视频数据得不到很好利用的问题。海量数据到信息到情报再到洞察,中间需要层层的数据价值提炼,而计算机视觉识别技术就能很好地将“看到”的东西结构化成以“人”、“车”、“物”为主体的属性信息。