安防行业深度报告:技术创新与格局重构

前言:Hello大家好,我是小哥谈。通过运用云计算、人工智能等新技术,安防行业正经历从传统安防向 AI 智慧安防转型升级的过程。这种升级将改变传统安防只能事后查证、人工决策的劣势,使得全程监控、智能决策成为可能。通过运用后端云计算与前端边缘计算相融合的方式,AI 智慧安防正逐步落地,并吸引了华为、阿里、 商汤、云从等新厂商的加入,整个行业的竞争格局正在重构。🌈

     目录

🚀1.安防行业:市场规模庞大,中国厂商实力强劲

🚀2.两大动力驱动过去发展,新技术打开未来空间

💥💥2.1 过去,两大动力驱动中国安防产业快速成长

💥💥2.2 未来,新技术有望打开安防产业成长新空间

🚀3.新技术驱动,AI 智慧安防雏形已现

💥💥3.1 AI 智慧安防:全程监控,智能决策

💥💥3.2 路径:后端云计算与前端边缘计算相互融合

💞💞💞3.2.1 云计算优势明显,后端逐步云化

💞💞💞3.2.2 受制于传输成本、响应速度,前端需要边缘计算

💞💞💞3.2.3 落地:产业链日趋完善,市场规模快速增长

🚀4.格局重构:新技术,新战略,新格局

💥💥4.1 海康:AI Cloud 战略,赋能边缘智能

💥💥4.2 大华:“HOC 城市之心”,打造新型智慧城市

💥💥4.3 华为:借云计算步入正轨,前端软件定义摄像机

💥💥4.4 阿里:依托阿里云,打造 ET 城市大脑

💥💥4.5 商汤:专注算法,侧重后端城市级视觉开放平台

💥💥4.6 云从:AI 定义设备,侧重前端边缘计算

🚀1.安防行业:市场规模庞大,中国厂商实力强劲

安防行业即为提供安全防范的行业。安防行业最初提供的是实体防护, 比如士兵巡逻、修建长城、门卫士兵的把关等,其实都是安防的一部分。安防行业经过长期的技术进步,已经从传统的人员安防发展到数字时代的技术安防,并且出现了安防电子产品安防实体产品两大类别,其中安防电子产品已经成为主要的安防形式

在电子安防产品中,视频监控占据了电子安防的半壁江山,所以人们常常把视频监控误解为整个安防产业。经过多年的发展,视频监控产业已经较为成熟,产业分工较为明确,已形成了一个自上而下、结构清晰的产业链。

视频监控行业的上游主要包括光学镜头、图像传感器、音视频算法、处理芯片、存储芯片等供应商;中游环节是设备厂商;下游环节主要是代理商和集成商/工程商,它们负责最后的安防产品安装及测试;终端客户则分为政府、行业、渠道三个部分。

设备在视频监控产业中起着承上启下的作用。视频监控设备可以分为图像采集传输系统图像控制管理图像存储图像显示数据处理六大部分,其中图像采集主要是各种类型的摄像机;传输系统包括同轴电缆、光端机、网络等;图像控制管理主要是软件平台;图像存储包括 DVR、NVR 等; 图像显示包括各类监视器和显示器;数据处理则有服务器和云计算等方式。设备商一方面整合上游电子元器件,另一方面打通下游渠道、工程与客户,是整个视频监控产业的核心所在,也是整个产业链盈利能力最好的环节。 

从终端客户来看,视频监控行业可以分为三个层次:顶层的政府市场、 中层的行业市场和底层的渠道市场。

政府市场:主要客户包括公安、司法、交警、平安城市等;

行业市场:主要客户包括医疗、教育、金融、能源等;

渠道市场:主要客户包括餐饮、零售、旅馆、家庭等。

由于不同层次客户的需求和实力不同,所以对于不同层次客户需要不同的销售策略。

在顶层的政府市场,硬件仅仅是依托,以软件能力为核心的解决方案才是竞争的关键,同时政府项目通常规模较大,对参与厂商的资金实力也有很高的要求。

在中层的行业市场,面对的客户通常对安防已经有了相当程度的了解,但其对技术能力在实际中的落地又不如政府客户那么深刻,所以在行业市场竞争的关键是客户关系、项目运作能力和提供定制化解决方案的能力,同时产品价格需要合适。

在底层的渠道市场,由于面对的都是中小客户,销售的都是标准化的硬件产品,竞争的焦点在于不错的品质与合适的价格,获得客户的关键是与上游供应商的议价能力、自身的大规模制造能力与销售渠道建设带来的品牌能力。 

经过多年的发展,目前大陆厂商在全球安防领域已经具有了很强的实力。安全与自动化(A&S)是全球权威的专注于安防产业的杂志,根据其发布的 2022年全球安防企业 50 强榜单,来自中国的海康威视大华股份排名前两位,且营收增速远高于海外厂商,已经在全球范围内都具备了强大的实力,并且强者恒强趋势明显。


🚀2.两大动力驱动过去发展,新技术打开未来空间

💥💥2.1 过去,两大动力驱动中国安防产业快速成长

(1)动力之一:快速城镇化带来的安防需求爆发

安防是当代维护社会稳定的最重要技术手段之一,这是安防技术自诞生之日起的使命,也是行业一直以来快速增长的最重要逻辑支撑。伴随着中国的快速城镇化,来自各地的人们在城市中聚居,并且人口流动性大幅提升,直接增加了社会治理的难度。为了高效、低成本的提升城市安全性水平,运用视频监控等技术手段成为必然之路。

在快速城镇化的背景下,平安城市的概念被提出来。平安城市是指一种安全概念,即将来自各种传感器、输入端和数据源的关键物理安全信息集成到一个综合 IT 平台上,使城市能够提前预测威胁并做出及时响应和合理应对。

平安城市解决方案的核心是视频监控系统、应急指挥系统及关键通信系统。

  • 视频监控系统为平安城市提供主要信息输入;
  • 应急指挥系统提供分析和应对各种威胁的手段;
  • 关键通信系统则确保在现场和应急指挥中心的相关人员保持良好的通信网络。

在“科技强警”的战略推动下,中国的平安城市建设成为一个持续的过程,大体上可以分为四个阶段

1)2002年启动:金盾工程

金盾工程是利用现代信息通信技术,建立一套多层次集成系统,增强公安机关统一指挥、快速反应、协调执法的能力。金盾工程为期 5 年,分两期建设,第一期为 2003—2005 年,第二期为 2006 年以后。金盾工程的主要 任务是建设全国公安通信网、全国犯罪信息中心、全国公安指挥中心和全国公共网络安全监控中心,其中全国公安通信网又分为三级:国家级、省级和市级。

2)2005年启动:3111 工程

由于金盾工程建设的三级网络无法满足全国大规模联网的需要,所以随后推出了 3111 工程。3111 工程由公安部牵头启动,并首先在全国 22 个城 市试点实施,主要任务是建设省、市、县级大型视频监控和报警网。在具体实施中,试点省份各选出一个试点城市,试点城市再选出一个试点县,试点县再选出一个社区或派出所,建立一个联动安防网。

3)2007年启动:天网工程

天网工程由中央政法委牵头,由公安部联合工信部等相关部委共同建设。天网工程的任务是建设一个大规模的分布式视频监控网络,在公安系统内部的部级、省级和市县级之间共享信息。

4)2016年启动:雪亮工程

雪亮工程是天网工程的进一步拓展,主要任务是将县、乡、村的视频监控系统介入到县级和国家级监控平台上,同时建立包含执法、应急服务和其他相关政府机构的视频数据分享机制。“雪亮工程”与之前的平安城市建设所采用的技术、产品、解决方案都比较一致,但区别在于从作战属性转向服务属性,侧重于群防群治、公共安全、巡防、环境监控等。

除了由公安系统所主导的平安城市建设,还有由交通、金融、教育、楼宇、能源等城市生产生活配套设施所带来的安防需求,也在伴随着城市化进程的发展而快速增长。

交通:城市化进程不断加快,城市整体交通体系所承受的压力不断增大。视频监控作为交通中信息采集和处理的重要应用,随着交通体系的发展,对于视频监控设备需求在不断扩大。 金融:随着金融安防管理的要求越来越高,不仅仅要满足安全防范的功能,同时还要满足对金融机构各个日常经营业务管理的需求。例如对各营业网点经营秩序的远程检查、对工作人员的远程督察、对客户投诉的事后认证和处理、对相关业务管理中音视频数据与业务管理系统的无缝结合等。

教育:“平安校园”建设项目早已被纳入了各级教育行政部门的议事日程。根据国家教育部门和公安部门的有关规定,学校安全防范主要以设立安全防范监控,采用报警、视频监控、电子巡查、出入口控制等技术手段,并结合安保人员巡逻为主,以实现对学校的安全保障。

楼宇:大型楼宇不断兴建,它的特点是高度高、层数多、体量大、人员多,这样的特点决定了楼宇中安全环境的复杂,所以楼宇中也需要建设安防系统。楼宇安防监控系统技术主要表现为:侵入报警系统通过各类传感器, 如主被动红外探测器、红外微波双鉴探测器、玻璃破碎传感器,可获得大厦的主要通道、出入口、重要部位及周边的情况,以利于防范工作。

能源:能源行业容易出现油气偷窃、施工破坏、石油泄漏和污染、非法入侵和破坏造成的火灾、爆炸、环境污染等问题,给人们的生产和生活造成了不可估量的损失,所以能源行业也是安防监控所应用的重点领域。能源行业安防系统主要由视频监控系统、油气管道安全预警系统、光纤测温系统、 光纤气体探测系统、阀室防护系统、无人机巡检系统、综合管理系统等组成。 

(2)动力之二:把握技术变革机遇,中国安防快速成长

在中国安防产业大发展的过程中,一批中国企业紧紧抓住技术变革的机遇,逐渐实现了对海外安防厂商的替代和超越,成长为世界级的巨头。

1)1979—1999 年:海外厂商主导,中国企业主要是代理商

以1979 年公安部在河北石家庄主持召开“全国刑事技术预防专业工作会议”为起点,安防产业在中国逐步开始发展起来。

早期的安防监控系统使用单位主要是一些非常重要和特殊的单位与部门,系统由前端的模拟摄像机,后端的矩阵、磁带录像机和 CRT 电视墙构 成。由于这个阶段摄像头设备由日系企业所垄断,国内自主知识产权的摄像头生产技术落后,争夺摄像头代理权成为行业的热点。 随着安防行业的发展,使用单位发展到包括金融系统、文物系统、军工、 邮政等重要单位,监控规模不断扩大,早期模拟监控系统已经无法满足业务的需求,包括磁带式录像机存储容量不足、矩阵规模越来越大、无法实施远程监控与云台控制、图像画面质量有限等,模拟监控的数字化转变势在必行。

在此阶段,数字化技术推动了 DVR 产品的诞生,它采用数字记录技术, 在图像处理、图像储存、检索、备份、网络传递、远程控制等方面远优于模拟监控设备。DVR 产品的出现,反过来推动了国内数字化摄像头产品的自主研发与生产,图像的分辨率逐步迈入标清时代。该阶段市场的竞争由单一代理权的竞争过渡到品牌产品与组装式产品的竞争,系统集成业务初现端倪。

在此时期,中国安防产业主要从事代理工作,但也有部分代理商转型自研安防产品,并在 1993-1995 年期间形成了中国安防行业的第一次创业高峰,一批在安防行业从事技术和销售的人员,下海创办了自己的企业。白兰实业、宏天智(后被 CSST 收购)、天地伟业、天津亚安等都成立于这一时期。

2)2000—2006 年:借助压缩算法升级的契机,中国企业切入后端市场

20 世纪 90 年代,随着计算机视频编解码技术的发展,出现了 DVR (Digital Video Record,数字硬盘录像机)产品。DVR 实现了图像编解码、 存储、网络访问等多种功能。通过 DVR,可将模拟视频转换为数字信号并进行压缩编码,实现了视频的数字化存储。由于 DVR 能够实现数字化存储, 很好的解决了 VCR 易受潮、粘连、难于长期保持、空间占用大等问题,因此 DVR 很快取代 VCR 成为监控系统的存储部分。

在 2000 年左右,DVR 的压缩算法出现了从 MPEG1 升级到 MPEG4 的契机。当时整个市场对 MPEG4 的呼声很高,它可以实现更高的压缩效率和性能,在监控图像质量不下降的情况下,MPEG4 可以节省硬盘存储空间和网络传输带宽。

在这一压缩算法的升级浪潮中,诞生了日后的安防巨头海康威视。当时海康威视的创始人陈宗年先生和胡扬忠先生以及众多技术人员,在中电科五十二研究所工作时就对 MPEG4 以及压缩比例更高的 H.264 标准跟踪多年。 当机会来临时,海康威视推出了自主知识产权的换代产品,在产品的压缩性能、稳定性、完善性、兼容性等方面均有强大的实力,从而迅速占领市场,在视频压缩板卡占据了 60%以上的份额。

到了 2003 年,海康威视推出了基于 H.264 标准的 H 系列压缩板卡,在压缩性能方面相比同行具有绝对的优势,海康威视成为第一家将 H.264 标准产品化的公司。H 系列板卡进入市场后,在主流压缩板卡市场,海康威视的市场份额高达 80%,公司当年的销售收入也达到 1.6 亿元。 在这波浪潮中,除了海康威视,还诞生了大华股份、汉邦高科、蓝色光标等日后的安防弄潮儿。除此之外,还有一批以前的代理商转型为生产制造的中坚力量,但是受限于技术能力的缺失,日后的发展并不尽如人意。

3)2007—2011 年:借助模拟转数字的契机,中国企业进入前端市场

在千禧年之后,以 PC 为代表的信息技术飞速发展,使得整个社会已经建立了非常好的数字化硬件基础。在这个基础之上,从 2007 年左右开始, 前端摄像机也开始出现从模拟摄像机向数字摄像机转变的技术变革。模拟摄像机采用隔行扫描 CMOS/CCD 图像传感器的方式,将光信号转换成模拟电信号,而后输出到 DSP,由 DSP 进行 A/D 转换与颜色调剂等处理,再做 D/A 转换调制成 PAL/NTSC 制式电视信号输出

相比数字摄像机,模拟摄像机具有多方面的缺点

  • 模拟摄像机采用隔行扫描,会发生行间闪耀效应、呈现并行景象及涌现垂直边缘锯齿化现象 等不良效应;
  • 模拟信号传输过程中,亮度与色彩信号不能分别传输, 亮度信号掺杂色彩信号,导致画面出现杂色雀斑;
  • 模拟摄像机如果集成了云镜把持与声音,那么在布线方面无比繁琐,视频线、音频线、电源线、节制 线都是独立的,布线工作量大,并且布线成本高;
  • 模拟摄像机输出与传输的是模拟视频信号,它容易受到电磁干扰。

数字摄像机则是直接生成、传输、存储数字信号的摄像机。数字信号可以直接使用已有的信息技术,可以使用算法对成像效果进行调校,可以使用互联网技术来查看图像信号,相比模拟摄像机具有多方面的优势。使用模拟摄像机成像的关键是更优良的硬件,这是松下、索尼、三星等海外安防厂商的优势;而使用数字摄像机成像的关键是算法的调校,这是海康威视、大华股份等中国安防厂商的优势。借助这次技术变革的机会,海康威视、大华股份等厂商开始从后端进入前端市场。

4)2012—2015 年:抓住解决方案化的机遇,中国企业引领升级

压缩算法的迭代,给了中国安防企业进入后端市场的契机;模拟向数字转型的契机,让中国的这些安防企业成功进入前端市场。在打通前后端产业链之后,借助于全数字化的技术基础,中国安防企业开始引领向解决方案化升级的趋势。

安防行业具有非常强的碎片化特点,不同用户、不同场景对安防的要求均不相同,所以仅仅提供标准化的产品难以满足用户非常多样化的需求,需要给不同客户提供有针对性的解决方案。安防解决方案是指,某家安防厂商可以为客户提供定制化的设备,同时针对这些设备的监控点位、监控布局、传输线路、中心控制、数据分析提供有针对性的方案。

提供定制化的解决方案需要安防厂商具有两大能力

  • 具有很强的软件能力,能用软件生产定制化的安防设备;
  • 具有全产品线的能力,能针对整个应用场景提供全套设备。

在利用软件能力完成从后端向前端的全产业链布局之后,海康威视、大华股份等中国安防厂商就已经具备了这样的能力,所以向解决方案升级成为一个水到渠成的事情。

5)2016 年至今:中国企业走在运用 AI、云计算等新技术的最前沿

随着云计算、人工智能等新技术的兴起,安防产业又面临新的变革机遇。安防解决方案的实质是软件替代人力处理数据,在这个过程中,软件的作用不断增强,解决方案的能力也逐渐变强。人工智能是一种威力更为强大的算法,当把这种算法应用到安防领域时,我们可以得到远比以前的解决方案强大的智能化解决方案。所以,我们认为智能化并不是一个横空出世的产品形态,而是解决方案的进一步升级。

云计算具有节省成本、资源整合、灵活性、跨平台、安全性、节能环保等优势,安防后端的压缩、存储、计算、分析、展示等功能可以在云中更好的实现出来,随着云计算的普及性和易用性进一步增强,安防后端呈现出被云计算所取代的趋势。针对这样的趋势,国内安防厂商再次站在运用新技术的最前沿,争相推出了具有分析功能的前端摄像机和针对性的后端分析设备,并已经取得了非常好的市场效果,受到了客户的欢迎。

💥💥2.2 未来,新技术有望打开安防产业成长新空间

在经过 20 余年的高速发展之后,国内安防基础设施已经相当完善,中国安防产业已经进入了成熟期,全行业规模整体增速从高峰时期的 30%— 40%逐渐下降到 10%左右,海康与大华作为行业龙头,通过进一步扩大市占率和向海外扩张的方式,可以维持高于行业平均的营收增速,但依然难以避免增速逐步下滑的趋势。与行业迈入成熟期、企业营收增速下降相一致,市场给予海康和大华两大安防龙头的估值也在下降。

在步入成熟期之后,安防产业需要找到新的成长动力,而此时人工智能与云计算等新技术的出现打开了安防产业的新空间。

安防领域,新技术的出现有望改变传统安防事后查证、人工决策带来的低效率与大量浪费,通过打造 AI 智慧安防,未来将实现全程监控、智能决策,效率大幅提升。AI 智慧安防将给软硬件产品的技术难度和价值量均带来大幅提升,行业市场空间将再次大幅提升。

除了安防领域,掌握新技术的企业还可以向更广阔的空间扩展。摄像机是一种非常重要的信息采集工具,而基于图像的人工智能算法则可以智能化地分析、处理这种数据,两者结合起来将具有强大地威力。除了安防领域, 安防企业还可以向无人驾驶、工业相机、无人零售、无人机、机器人等众多需要领域扩张,行业空间已经完全打开,之前投资者所担心的行业天花板问题已经不复存在。

在进入 2017 年后,伴随着 Alpha Go 席卷全球的人工智能浪潮,投资者意识到了人工智能所能给安防企业带来的巨大改变,对行业空间的担忧被彻底打消,所以导致海康与大华的估值在 2017 年出现大幅提升。当然,此时 AI 智慧安防还只是憧憬,但当时间进入到 2023 年,我们认为 AI 智慧安防的雏形已现,各类企业进入这个行业,推动产品快速落地,行业有望开始进入快速渗透期。


🚀3.新技术驱动,AI 智慧安防雏形已现

💥💥3.1 AI 智慧安防:全程监控,智能决策

传统安防具有两个特征:事后查证,人工决策。传统安防系统的工作方式一般是这样的:系统对周围信息进行采集和存储,但并不主动进行分析,直到发生了事故之后,再由人工重新查找录像,寻找线索和证据。传统安防主要是起到记录的作用,无法起到预防和实时发现的作用,而且分析和决策需要大量人工,效率很低。

正因为传统安防具有迟缓、低效的缺点,所以人们一直试图利用各种方法提高安防效率,并从 2006 年开始提出安防的智能化概念。但是受到技术能力的限制,这样的概念一直没有落地,直到深度学习与云计算技术的成熟,才逐步发展起来。

 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,并成为物联网的一个环节。

  • 事前具有预警能力:前端拥有 3D、多目、音频、震动、红外等多种感知能力,准确还原现场;前端可以在全天候条件和复杂环境条件下,获得清晰图像和事件的全景信息;前端支持无线连接,增强部署灵活性。
  • 事中具有快速处置能力:实时高精度识别重点监控人,实时准确判断其位置;实时自动预警治安、暴恐类事件,自动锁定嫌疑人;实时对重点监控人或嫌疑人动态轨迹跟踪、行为分析;综合分析重点监控目标的轨迹、行为,及时处置。
  • 事后具有综合分析的能力:构建基于云架构和大数据分析的新一代安防综合应用平台、综合运营维护平台,提高侦破效率;创建公安大情报系统,实现多种信息接入,提高安防主动预警和处理能力;先进的存储系统,为大规模智慧安防系统和海量图像信息保存提供技术保障。

如果我们把安防行业划分为采集、传输、存储、分析、反馈五个步骤,那么要实现 AI 智慧安防,需要在分析和反馈两个环节实现更大的突破。分析与反馈本质上是用算法对数据进行运算,所以运算是实现分析和反馈两个环节更大进步的关键。同时由于安防的前后端分离的架构,我们认为未来会出现后端云计算+前端边缘计算的融合架构。

💥💥3.2 路径:后端云计算与前端边缘计算相互融合

💞💞💞3.2.1 云计算优势明显,后端逐步云化

云计算是通过网络访问一个可定制的 IT 资源共享池,并按使用量付费的新型计算模式。云计算主要包含三个层次的服务:基础设施即服务(IaaS), 平台即服务(PaaS)和软件即服务(SaaS)。

  • IaaS(Infrastructure-as-a-Service) :基础设施即服务,消费者通过 Internet 可以从完善的计算机基础设施获得服务,例如硬件服务器租用。
  • PaaS(Platform-as-a- Service):平台即服务,PaaS 实际上是指将软件研发的平台作为一种服务,以 SaaS 的模式提交给用户,例如软件的个性化定制开发。
  • SaaS(Software-as-a- Service):软件即服务,是一种通过 Internet 提供软件的模式,用户无需购买软件,而是向提供商租用基于 Web 的软件,来管理企业经营活动,例如 ERP 系统。

云计算的用户通常是各类企业、组织和个人,它们以前是使用基于本地的计算模式。与这种传统的基于本地的计算模式相比,云计算具有明显的优势,主要体现在以下几个方面:

  • 节省成本:云计算不需要购买多余服务器及其扩容备件,也不用重复安装服务器系统环境,重复更新和修复。云计算集中运行,可以集中更新组件,不间断操作。公司规模越大,员工人数越多,节省的成本就越高。
  • 资源整合:在处理或存储方面,云计算可以将资源整合在一起,避免重复计算,重复存储。用户和企业的数据来自不止一个来源(手机、电脑、 IPAD 等),这些数据可以整合成一份,储存在云中。
  • 灵活性:企业可以随着用户数量的突然增加而随时增加服务器资源, 并且可以按需配置各种硬件和应用,以找出适合其需求的解决方案。
  • 跨平台:无论用户是通过手机、平板电脑还是家用计算机,都可以访问存储在云中的数据。云计算可以随时跳转离你最近的节点,从而提高生产力和办公效率。
  • 便捷管理:大公司的本地服务器分布在多个位置,需要大量时间管理公司服务器矩阵的每个组件。云计算提供集中控制界面,可控制云中的每个组件,而无需连接异地机房的监视器。

💞💞💞3.2.2 受制于传输成本、响应速度,前端需要边缘计算

正由于云计算拥有上述众多优势,所以从理论上来说,云计算可以成为目前最好的一种运算模式:前端采集的信息直接传输到云中,由云来完成存储、运算、显示和控制,前端不需要任何运算能力。这样的模式可以大幅简化安防设备的架构并提高效率。但在实际运用中,把前端的数据全部直接传输到云中是不现实的,这样带来的传输成本和响应速度是难以接受的。

传输成本:码流是指传输视频文件在单位时间内使用的数据流量,通常以 Mbps 为单位,表示每秒钟需要消耗多少 Mb 的流量。摄像机拍摄的视频数据并不能直接进行传输,这是因为这些数据没有经过压缩,码流太大,成本太高。

以目前常用的 1080P(对应约 200 万像素)高清摄像机为例,不经过压缩情况下,码流达到1920*1080*12/8*25=77760000B/s=74.1MB/s,其 中 1920*1080 表示分辨率,12 的单位为 bit,表示每个像素的大小,12/8 表示把单位从 bit 换算成 Byte,25 表示帧率。 在经过压缩之后,目前单路 1080P 摄像机的码流通常能达到 2-4Mbps, 相比原始数据大幅缩小,这就是压缩算法的作用!我们假设每个摄像机所需要的码流为 2Mbps,那么就需要租用至少 20Mbps 的下行带宽,并且由于使用专用宽带,每年的成本在上千元。现在一个分局拥有上万路摄像头是很常见的,那么每年传输成本就将达到上千万元。

如果采用云计算的模式,这些数据就需要租用电信运营商的宽带,单个分局每年就需要多支付上千万元传输费用,这个传输成本是难以承受的。但如果在前端采用边缘计算的模式,把摄像机采集到的数据首先进行处理,然后把处理后的结构化数据上传到云中心,由云中心来监控整体的态势和做分析寻找规律,这样的成本更低、效率更高。

响应速度:安防存在许多对响应速度和实时性要求比较高的场景,如果把前端采集的数据全部传输到云端处理,然后把处理结果再回传到前端,这样的响应速度太慢。例如使用人脸识别的门禁系统,如果需要把数据上传到云端比对,这样的等待时间会比较长,严重影响体验。但如果采用边缘计算的模式,在前端就把数据进行比对,这样的反应速度就可以做到几乎实时了。

从前面的分析可以看出,边缘计算与云计算不是相互取代的关系,而是相互补充的关系。首先是云计算拥有众多优势,所以云计算是大势所趋,但在实际运用中,云计算面临着传输成本和响应速度的限制,所以需要在边缘部署算力,从而形成云计算与边缘计算相融合的架构。

在这里需要说明的是,边缘计算的能力并不完全是部署在前端摄像机中,这是因为摄像机的空间狭小、存储空间有限、计算能力有限,难以实时完成数据的分析和比对。边缘计算能力的很大一部分是部署在边缘侧中,例如派出所、楼宇物业、医院安保处等,这些边缘侧通过部署多台智能 NVR、 AI 服务器等设备,具备很强的分析能力,可以为多路摄像机提供运算服务。

💞💞💞3.2.3 落地:产业链日趋完善,市场规模快速增长

云计算人工智能等新技术在近几年快速发展,使得智慧安防产业链日趋完善,市场规模快速增长。在产业链方面,AI 算法公司、云服务厂商等都新加入了智慧安防产业, 使得整个产业更为完善。智慧安防产业链与传统安防产业链最大的区别在于,安防厂商、AI 算法厂商、云服务厂商均可直接向客户提供产品与服务,各厂商之间存在合作与竞争的关系,生态更为开放。

从参与的厂商来看,大致可以分为三个层次。最底层是基础架构及集成商,主要包括集成商、电信运营商和 ICT 服务商;中间层是安防产品与解决方案提供商,主要包括安防厂商、云服务商、AI 算法厂商和数据处理厂商; 最上层是零组件供应商 、主要包括芯片公司和关键零组件厂商

随着芯片成本的进一步下降和算法性能的进一步提升,以及云服务厂商 和 AI 算法厂商新进入市场,未来安防行业的成本下降和技术变革将继续快速发展,智慧安防的市场规模将会继续保持快速增长,渗透率也将保持快速提升。


🚀4.格局重构:新技术,新战略,新格局

随着云计算与人工智能两大新技术重塑整个安防产业,行业进入变革期,给了很多新厂商参与行业的机会。在新的时代,不同厂商根据自身的能力和愿景,制定出不同的战略,让整个安防行业的竞争格局开始重构。

💥💥4.1 海康:AI Cloud 战略,赋能边缘智能

作为传统安防巨头,新技术的发展对海康而言既是挑战也是机遇。挑战在于,随着新厂商入场,海康如果不能很好的应对,那么市场可能被新厂商侵蚀,海康有灭亡的危险;机遇在于,海康如果能利用好新技术,那么就可以跳出安防产业,突破行业天花板,打开发展新空间。

在这种情况下,海康推出了 AI Cloud 战略,构建整个面向新技术的生态架构。海康威视 AI Cloud 是基于云边融合的以视频为核心的智能物联网架构,通过边缘节点、边缘域和云计算中心三级有机结合,系统满足“边缘感知、按需汇聚、分级应用、多层认知”的业务需求。

边缘节点:感知更敏捷,采集更丰富

边缘节点通过将智能感知计算嵌入边缘节点,满足物联网的多维采集、 特征提取、智能处理等需要,并有效缓解大量非结构化数据的智能分析给传 输、计算、存储等带来的压力,可以实现前端的敏捷响应。比如车道闸系统, 前端就可以快速识别完成通行;再比如金融行业对 VIP 客户进行快速识别,及时提供 VIP 服务等。 在产品部署上,实际应用场景往往是复杂多样的,需要多形态的专用智能前端,比如高空瞭望摄像机、鹰眼、枪球联动、双目分析等,通过按需部署使前端获得更准确的数据、实现更小的传输带宽和更智能的敏捷控制。

边缘域:智能按需调度,业务敏捷响应

边缘域侧重就近汇聚和存储边缘节点的各类异构数据、就近管理智能计算资源,满足快速响应、快速分析的需要。面向复杂业务系统,边缘域是业 务分级应用的主要响应单元,可满足用户各级管理所需。边缘域既可接收、整合、传递边缘节点的感知信息,又可按需适配算力和算法对域内数据进行智能处理与管理,实现物联智能应用。具体来说,单个边缘域可以将节点和域的存储、计算资源进行统一管理,通过兼容开放的智能算法仓库,将智能算法按需调度到节点,再结合域本身的智能处理能力,实现域的智能自治;多个边缘域互联可以组成一个可弹性扩展的智能网络,依据互联的域和云中心的需要,满足数据的汇聚、交换和视频应用的共享。 

在应对边缘节点联网部署的扩展上,边缘域相比集中上云更灵活,更少受机房环境等因素影响,不仅能保障业务时效性和管理率,还具有较大的建设成本优势。

云中心:服务大数据智能,辅助业务决策

云计算中心能够弹性分配计算服务器、存储服务器的资源,还能够按需调度智能算法和大数据算法。其中,智能算法对来自边缘域的物联数据进行更高层级的感知智能处理,比如更大范围的黑名单比对、更大范围的跨时空 关联分析等;大数据算法对多维异构数据(物联数据+业务数据等)进行认知智能处理,支撑多维大数据的综合逻辑分析和决策分析。云计算中心与边缘域、边缘节点结合实现多层认知智能,如在平安城市业务中,可依据治安、侦破、 反恐等大数据关联实现以“预测预警预防”为主的全局分析应用;在智能交通业务中,可依据交通流量、交通违法、天气等大数据关联实现城市级交通态势分析等。

💥💥4.2 大华:“HOC 城市之心”,打造新型智慧城市

针对新技术对行业发展的推动,大华股份于 2018 年 10 月份推出了 “HOC 城市之心”战略,着重打造新型智慧城市。

大华“HOC 城市之心”是以全感知、全智能、全计算、全生态为能力支撑的智慧城市发展引擎,实现面向城市级、行业级和民用级构建“1 个平 台、2 个中心、N 类应用”(1+2+N)的新型智慧城市架构。

1 个平台”指的是城市大数据平台,对所需的场景进行感知,对算力、存储进行合理部署,实现城市业务所需的业务建模、数据建模,实现数据价值闭环、数据为业务服务。大华股份将其打造为城市动态实时感知的触角,同时高效存储、挖掘、清洗和共享数据,打造数据价值链闭环。

2 个中心”指的是城市运营管理中心和城市安全中心。运营管理中心是为城市管理者提供综合监管、辅助决策和应急指挥等服务,构建完整的城市驾驶舱模型,助力资源的集中调度、高效运转,成为政府管理与服务的大脑。城市安全中心是从终端安全、网络安全、数据安全等多个层级进行立体化全方位的保护,将网络安全从被动防护向主动防护演进,为智慧城市安全 保驾护航。

N 类应用”指的是基于上述平台和中心所建立起来的众多应用,可以面向城市级、行业级和民用级提供异彩纷呈的便捷服务。在“HOC 城市之心”战略的基础之上,大华推出了专门定制化的解决方案,用于解决智慧城市中的各种难题。

💥💥4.3 华为:借云计算步入正轨,前端软件定义摄像机

华为在安防领域发展多年,早在2009年就首次参加安博会,发布了M2M 模块,随后在 2012 年发布全系列视频监控产品及解决方案,正式进入安防领域。但华为在安防领域的发展一直不够顺利,主要是因为华为始终在学习和模仿传统安防巨头的布局,没有突出自己的优势,也就无法抢占传统安防巨头的份额。

直到 2018 年,华为凭借在云计算领域的优势,发布“新 ICT,迈向协作式公共安全”战略,从云计算领域重新切入安防产业,华为安防才开始步入正轨。与此同时,安防业务也被华为提升到了战略业务的高度,从三级部门提升到了二级部门,归属于企业 BG 之下。

由于华为拥有 ICT 基础、云计算与芯片的优势,所以华为安防的新战略 侧重在后端,试图用云计算的方式抢占市场。通过云计算的方式,华为可以较好地对安防行业进行全面设计,搭建资源整合、信息共享的业务架构,还能提供芯片、服务器、存储、摄像头等产品,支持软件平台。目前华为已经推出了警务云、视频云、政务云、金融云、教育云等多种基于云计算的行业解决方案。

我们在前面已经分析过,未来后端的发展趋势就是云计算。华为作为在云计算领域拥有强大实力的厂商,此次借助行业技术变革的机会,重新切入安防市场,我们认为将给行业竞争格局带来巨大变革。

💥💥4.4 阿里:依托阿里云,打造 ET 城市大脑

阿里的 ET 城市大脑是指利用实时全量的城市数据资源全局优化城市公共资源,即时修正城市运行缺陷,实现城市治理模式、服务模式和产业发展的三重突破。

在技术架构方面,阿里城市大脑包括四大平台,涉及与城市交通、医疗、 城管、环境、旅游、城规、平安、民生八大领域有关的计算能力、数据算法、 管理模型等。

应用支撑平台:构建精细感知到优化管理的全闭环,以计算力消耗换来人力与自然资源的节约;

智能算法平台:开放的智能平台,通过深度学习技术,挖掘数据资源中的金矿,让城市具备思考的能力;

数据资源平台:全网数据实时汇聚,让数据真正成为资源,保障数据安全,提升数据质量,通过数据调度,实现数据价值;

一体化计算平台:为城市大脑提供足够的计算能力具备极致弹性,支持全量城市数据的实时计算,EB 级别的存储能力,日 PB 级处理能力,百万路级别视频实时分析能力。

在城市大脑视觉 AI 的项目上,目前分为天曜、天鹰、天机、天擎四个部分。前三部分是应用,最后一部分是平台。

天曜能够对城市里的交通事件、事故进行全方位实时感知、自动巡逻。目前在杭州,天曜已经覆盖 700 多个道路断面,实现自动实时巡逻,有效释放 200 余名警力,交通事件、事故的报警准确率达 95%以上。

天鹰能通过人和机器的交互,快速定位目标对象,可以用于寻找失踪人 口、追踪肇事逃逸车辆等。这背后涉及的技术获得了全球权威机器视觉算法排行榜 KITTI 的行人检测单项冠军,将世界知名行人再识别数据集 Market1501 的首位命中率提升到 96.17%。

天机则可以通过区域内的历史视频数据,预测未来的车辆、人流量,从而合理安排出警、人员接送车等,做好交通疏导,避免发生拥堵和安全问题。

天擎是城市大脑处理视频信息的发动机,负责把海量的视频图像信息在最短的时间内处理为二进制语言,从而为之后的车辆识别检测、行人识别检测提供基础。由于部署在云端,“天擎”可以利用云计算的弹性扩容、高可用性来处理任务,满足不同规模城市的需求。

💥💥4.5 商汤:专注算法,侧重后端城市级视觉开放平台

商汤科技是成立于 2014 年的人工智能公司,专注于计算机视觉与深度学习算法的研发,是科技部授予的国家新一代人工智能“智能视觉”开放创新平台。商汤拥有众多计算机视觉与深度学习领域的专家,其算法在国际知名的 ImageNet 挑战赛屡获佳绩,证明了其技术实力。

在安防领域,商汤的战略是专注于算法,并且侧重于后端的城市级视觉开放平台,实现以方舟(SenseFoundry)为支撑,为 AI 智慧安防提供“感知-认知-应用-衍进”的全链条能力。完成城市级视觉开放平台的建设难度很大,需要针对算法做大量优化才可以做到。以一个城市级项目为例,将 1 万路摄像头(保守估计)连接在一 起,每路摄像头每天抓拍量 3000 张,每天系统需要处理 3000 万张图片,如果后期需要存储 100 天,总量是 30 亿张图片。需要对这么多图像数据进行整理和分析,是一件难度很大的事情。能把城市级视觉开放平台落地,也 从侧面说明了商汤在算法上的能力。

在安防领域中,我们认为商汤与海康、华为等厂商更多是合作的关系。 海康、华为提供前端边缘计算或后端云计算的硬件基础设施、操作系统、软件开发平台等,商汤等算法厂商则提供自己的算法给客户使用,双方共同建立起一个可以进化的生态。商汤的核心技术包括人脸与人体分析技术、通用与专业图像识别、海量视频理解与挖掘、图像视频处理增强、SLAM 与 3D 视觉、机器人传感与控制等。在掌握算法能力之后,商汤的产品除了可以用于安防领域,还可以用在智能终端、互联网娱乐、智慧金融、智慧商业、无人驾驶等众多领域中,所以商汤的未来发展空间非常广阔。

💥💥4.6 云从:AI 定义设备,侧重前端边缘计算

云从科技成立于 2015 年,孵化于中国科学院重庆研究院,创始成员主要来自中科院各大研究所和 IBM、HP、Microsoft、华为、中兴等科技企业, 是人工智能领域唯一的全内资企业。2018 年 1 月,国家发改委确认由云从科技承担国家“人工智能”产业化项目重大工程——“人脸识别系统产业化应用平台”建设任务。

云从科技涉及的下游应用领域较为广泛,包括商业服务、安防、金融、 零售等多个行业。云从科技目前已是国内最大的银行人脸识别技术供应商,产品被包括四大国有银行在内的 80 多家银行使用。

安防也是云从科技重点耕耘的市场之一。在安防行业,与商汤科技不同,云从科技侧重在前端的边缘计算,使用 AI 定义设备,即通过软件和算法使设备和解决方案适应实际需求。同时云从科技重点布局基于人员抓拍的大数据分析和计算处理领域,使人工智能和大数据共同助力公共安全精确防控。 目前云从科技已经与公安部安全防范技术与风险评估公安部重点实验室联合成立了“智能视频分析研究中心”,安防系统已经在全国 29 个省市上线运行。


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/86322.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C++ - C++11

文章目录 1. std::initializer_list2. decltype3. 左值引用和右值引用4. 完美转发(模板中的&&万能引用)5. 类的新功能6. 可变参数模板7. lambda表达式8. 包装器 1. std::initializer_list 内置类型 int main() {/* 内置类型 */int x1 1;int x2 { 2 };int x3{ 3 };i…

OVRL-V2: A simple state-of-art baseline for IMAGENAV and OBJECTNAV 论文阅读

论文信息 题目:OVRL-V2: A simple state-of-art baseline for IMAGENAV and OBJECTNAV 作者:Karmesh Yadav, Arjun Majumdar, Ram Ramrakhya 来源:arxiv 时间:2023 代码地址: https://github.com/ykarmesh…

按软件开发阶段的角度划分:单元测试、集成测试、系统测试、验收测试

1.单元测试(Unit Testing) 单元测试,又称模块测试。对软件的组成单位进行测试,其目的是检验软件基本组成单位的正确性。测试的对象是软件里测试的最小单位:模块。 测试阶段:编码后或者编码前(…

八大算法思想

算法和数据结构一直以来都是程序员的基本内功,可以说没有数据结构的基础建设和算法加持,也就没有这将近八十年的信息革命时代。数据结构可以看作是算法实现的容器,通过一系列特殊结构的数据集合,能够将算法更为高效而可靠地执行起…

【100天精通python】Day46:python网络编程基础与入门

目录 专栏导读 1 网络编程的基础 2. 基本概念和协议 2.1 计算机网络基础 2.2 网络协议、IP地址、端口号 2.3 常见网络协议 3. 套接字编程 3.1 套接字的基本概念 3.2 套接字的基本操作 3.3 套接字通信模型和方法:send、recv 3.3.1 TCP通信模型 3.3.2 U…

原生微信小程序使用 wxs;微信小程序使用 vant-weapp组件

1.原生微信小程序使用 wxs 1.内嵌 WXS 脚本 2. 定义外链 wxs 3. 使用外连wxs 在这里插入图片描述 2. 微信小程序使用 vant weapp 1.安装步骤 2. 安装包管理(package.json)文件的方法 操作顺序 :文档地址 如果使用 typescript 需要操作步骤3,否则不…

JavaWeb_LeadNews_Day7-ElasticSearch, Mongodb

JavaWeb_LeadNews_Day7-ElasticSearch, Mongodb elasticsearch安装配置 app文章搜索创建索引库app文章搜索思路分析具体实现 新增文章创建索引思路分析具体实现 MongoDB安装配置SpringBoot集成MongoDB app文章搜索记录保存搜索记录思路分析具体实现 查询搜索历史删除搜索历史 搜…

python conda实践 sanic框架gitee webhook实践

import subprocess import hmac import hashlib import base64 from sanic.response import text from sanic import Blueprint from git import Repo# 路由蓝图 hook_blue Blueprint(hook_blue)hook_blue.route(/hook/kaifa, methods["POST"]) async def kaifa(req…

ETL 数据清洗工具informatica

windows系统基于Oracle数据库安装Informatica9.1的安装步骤、连接客户端使用、重启服务 大数据清洗、转换工具——ETL工具概述_etl工具的主要功能_javastart的博客-CSDN博客https://blog.csdn.net/qq_45871274/article/details/129729006

【PHP】PHP开发教程-PHP开发环境安装

1、PHP简单介绍 PHP(全称:Hypertext Preprocessor)是一种广泛使用的开放源代码脚本语言,特别适用于Web开发。它嵌入在HTML中,通过在HTML文档中添加PHP标记和脚本,可以生成动态的、个性化的Web页面。 PHP最…

RHCE——七、搭建云存储器

搭建私有云存储 一、使用内网穿透搭建私有云存储1、准备工作2、上传软件3、设置数据库4、配置httpd5、私有云安装6、内网穿透配置 二、使用腾讯云服务器搭建私有云存储1、准备工作2、上传软件3、设置数据库4、配置httpd5、私有云安装 一、使用内网穿透搭建私有云存储 1、准备工…

再写CentOS7升级OpenSSL-1.0.1U

本文在CentOS7.4以及TencentOS 2.4上测试通过。 原系统自带OpenSSL 1.0.2k-fips。 编译安装方法跟之前的没啥区别。 从官网下载1.0.1u版https://www.openssl.org/source/ 使用tar解包 tar xfz openssl-1.0.1u.tar.gz 依次执行如下: cd openssl-1.0.1u ./con…