智能安防技術(shù)，是指視圖采集、傳輸、存儲(chǔ)、視頻分析和大數(shù)據(jù)處理，以及涉及到機(jī)器視覺(jué)、AI芯片、算法、圖像傳感、生物識(shí)別（人臉識(shí)別、虹膜識(shí)別、指紋識(shí)別等）以及智能視頻分析、多維數(shù)據(jù)融合、大數(shù)據(jù)分析等新技術(shù)。從另外一個(gè)角度來(lái)看，一個(gè)完整的智能安防系統(tǒng)則主要包括門(mén)禁出入口、報(bào)警和視頻監(jiān)控三大部分。新型冠狀肺炎疫情可以阻礙市場(chǎng)的發(fā)展，但不能阻擋安防技術(shù)的進(jìn)步，今年各大安防企業(yè)在智能化、網(wǎng)絡(luò)化、物聯(lián)網(wǎng)化等技術(shù)方面的應(yīng)用更加深化。隨著科學(xué)技術(shù)的發(fā)展與進(jìn)步，當(dāng)前智能安防已邁入了一個(gè)全新的領(lǐng)域。根據(jù)產(chǎn)品實(shí)測(cè)，從數(shù)據(jù)采集、視頻智能分析、生物識(shí)別、數(shù)據(jù)智能以及零部件等技術(shù)預(yù)測(cè)智能安防技術(shù)發(fā)展趨勢(shì)。

多模態(tài)是生物識(shí)別技術(shù)的發(fā)展方向

人工智能技術(shù)體系中，生物識(shí)別是最早進(jìn)入落地應(yīng)用的技術(shù)。生物特征識(shí)別技術(shù)背后涉及到計(jì)算機(jī)科學(xué)、光學(xué)與聲學(xué)等物理科學(xué)、生物科學(xué)、生物傳感器和生物統(tǒng)計(jì)學(xué)原理，安全技術(shù)，以及人工智能技術(shù)等眾多基礎(chǔ)科學(xué)與創(chuàng)新應(yīng)用技術(shù)，是一個(gè)完整的多學(xué)科技術(shù)解決方案。目前可用于身份識(shí)別的人體特征包括指紋、虹膜、面部、掌紋、靜脈等生理特征和步態(tài)、筆跡、聲音等行為特征。生物特征識(shí)別技術(shù)具有安全性好、不易丟失、難以仿冒和攜帶方便等諸多優(yōu)點(diǎn)。不可否認(rèn)，從指紋認(rèn)證、掌紋識(shí)別、指靜脈識(shí)別到人臉識(shí)別、虹膜識(shí)別，生物識(shí)別技術(shù)變得更加成熟的同時(shí)，也正在邁進(jìn)“視覺(jué)”時(shí)代。

指紋識(shí)別是最“傳統(tǒng)”的生物識(shí)別技術(shù)，其地位比較特殊，與人臉識(shí)別、聲紋識(shí)別相比，其識(shí)別準(zhǔn)確度、區(qū)分度要高很多，甚至可以說(shuō)，指紋身份識(shí)別是很多場(chǎng)景下可行的一種方式。從2018年指紋識(shí)別技術(shù)取得重大突破開(kāi)始，更高效的推動(dòng)全國(guó)性的社會(huì)公共服務(wù)及商業(yè)模式變革。但是，隨著2020年初的一場(chǎng)疫情，非接觸式門(mén)禁出入口控制技術(shù)的應(yīng)用得到了高度的重視和發(fā)展。

掌紋識(shí)別是一種新型的生物特征識(shí)別技術(shù)，它以人體的掌紋作為目標(biāo)特征，通過(guò)多光譜成像技術(shù)采集生物信息。多光譜掌紋識(shí)別算得上是多模態(tài)和多種目標(biāo)特征融合的生物特征識(shí)別技術(shù)的典范。這種新技術(shù)將皮膚光譜、掌紋紋路與靜脈脈絡(luò)三種可識(shí)別特征結(jié)合，一次性提供更加豐富的信息，增加了目標(biāo)特征的可區(qū)分度。目前，行業(yè)中共識(shí)是，單種模態(tài)的識(shí)別無(wú)論在識(shí)別性能還是在安全性上均存在瓶頸，而多模態(tài)融合是人臉識(shí)別乃至生物特征識(shí)別的重要突破——不僅能通過(guò)多因子的方式提升識(shí)別精準(zhǔn)度，也能在一定程度提升生物識(shí)別技術(shù)的場(chǎng)景適應(yīng)性和隱私安全性。相比傳統(tǒng)單模態(tài)算法，更能滿足金融級(jí)誤識(shí)率（低至千萬(wàn)分之一），也是生物特征識(shí)別發(fā)展的主要趨勢(shì)。

在非接觸生物識(shí)別技術(shù)中，人臉識(shí)別是最重要模塊，從2019年“刷臉”應(yīng)用已經(jīng)較為廣泛，疫情更進(jìn)一步的推動(dòng)了發(fā)展，未來(lái)仍將是很長(zhǎng)時(shí)期內(nèi)AI落地安防的重要方向。目前傳統(tǒng)人臉識(shí)別困難包括面部旋轉(zhuǎn)，遮擋，相似性等都有了很大的算法提升，使得人臉識(shí)別的精準(zhǔn)度得到極大的提高，以2D人臉、3D人臉、多光譜人臉等多種模態(tài)為代表，每種模態(tài)都具有不同的采集適應(yīng)場(chǎng)景、數(shù)據(jù)安全程度和隱私敏感度等，而大數(shù)據(jù)的深度學(xué)習(xí)的加入，使3D人臉識(shí)別算法補(bǔ)充2D投影的缺陷，能快速識(shí)別人員身份，為二維人臉識(shí)別的應(yīng)用帶來(lái)了一定的突破。同時(shí)，目前基于活體檢測(cè)技術(shù)正作為提高人臉識(shí)別安全性的關(guān)鍵性技術(shù)，可以有效抵御照片、視頻、三維模型、假體面具等仿冒欺詐，自主判斷操作用戶身份。人臉應(yīng)用一方面主要是面向交通樞紐場(chǎng)景，比如機(jī)場(chǎng)、車(chē)站等，主要應(yīng)用于實(shí)名認(rèn)證和重點(diǎn)人員布控。另一方面是面向城市級(jí)應(yīng)用，通過(guò)對(duì)接天網(wǎng)工程，構(gòu)建由前端攝像機(jī)布控，后端是識(shí)別平臺(tái)以及大數(shù)據(jù)分析平臺(tái)組成的綜合實(shí)戰(zhàn)平臺(tái)。在公安、交通領(lǐng)域，AI四小龍商湯科技、曠視科技、云從科技、依圖科技的人臉?biāo)惴ㄋ皆贏I企業(yè)中技術(shù)先進(jìn)，傳統(tǒng)企業(yè)則是主要由海康威視、大華股份這些傳統(tǒng)巨頭引領(lǐng)市場(chǎng)。伴隨人臉識(shí)別技術(shù)的快速發(fā)展，智能設(shè)備、線上金融、人臉支付等諸多創(chuàng)新應(yīng)用已日趨普遍，為大家生活、工作帶來(lái)快捷和方便。

另外，面對(duì)人臉識(shí)別的局限，以步態(tài)識(shí)別為代表體態(tài)識(shí)別以難隱藏性、非接觸性和非侵入性等特點(diǎn)從眾多技術(shù)中脫穎而出，成為目前生物特征識(shí)別領(lǐng)域的一匹“黑馬”。步態(tài)識(shí)別通過(guò)身體體型和行走姿態(tài)來(lái)識(shí)別目標(biāo)的身份，是一種頗為復(fù)雜的行為特征，體態(tài)識(shí)別技術(shù)不需要人為配合，能夠適應(yīng)更為普遍的應(yīng)用場(chǎng)景，特別適合用來(lái)進(jìn)行遠(yuǎn)距離身份識(shí)別。目前，國(guó)內(nèi)已經(jīng)有幾家企業(yè)識(shí)別精度已經(jīng)達(dá)到了非常高的水平。

值得一提的是，虹膜識(shí)別技術(shù)也是一種較為成熟的生物識(shí)別技術(shù)，目前虹膜識(shí)別技術(shù)也正普及開(kāi)來(lái)，虹膜識(shí)別誤識(shí)率低至1/100萬(wàn)，主要利用虹膜壽命不變性和差異的特征來(lái)識(shí)別身份。但由于成本以及對(duì)產(chǎn)品端的要求限制，其落地速度比較緩慢，不過(guò)，近一兩年來(lái)，隨著政府機(jī)關(guān)包括金融機(jī)構(gòu)，已經(jīng)開(kāi)始重視虹膜識(shí)別，其落地速度正在逐漸加快。下一步或?qū)⑹侨四樅秃缒さ慕Y(jié)合。總結(jié)來(lái)說(shuō)，生物識(shí)別本身并不是完全的替代關(guān)系，更多的是組合甚至融合應(yīng)用。

隨著技術(shù)的進(jìn)步和成熟，以及市場(chǎng)應(yīng)用需求的逐漸演變，多模態(tài)生物識(shí)別技術(shù)的聲音越來(lái)越響亮。展望未來(lái)，多模態(tài)生物識(shí)別技術(shù)將成生物識(shí)別市場(chǎng)的主流發(fā)展趨勢(shì)，并將迎來(lái)越來(lái)越寬廣的應(yīng)用領(lǐng)域和市場(chǎng)。a&sResearch調(diào)查顯示，單一的生物識(shí)別并不能夠解決所有場(chǎng)景下的身份認(rèn)證問(wèn)題，每一種技術(shù)都有一定的局限性。而多模態(tài)識(shí)別技術(shù)，一方面豐富了場(chǎng)景數(shù)據(jù)，使識(shí)別更為高效精準(zhǔn);另一方面，它更適合復(fù)雜場(chǎng)景的應(yīng)用變化，在很多場(chǎng)景中適合的生物識(shí)別技術(shù)。不可置否，多模態(tài)識(shí)別是未來(lái)生物識(shí)別技術(shù)發(fā)展的主流的一個(gè)方向。而多模態(tài)統(tǒng)一認(rèn)證平臺(tái)，不但融合多種識(shí)別技術(shù)，而且可以根據(jù)決策權(quán)重和場(chǎng)景需求，靈活自動(dòng)配置適合的生物識(shí)別技術(shù)，將成為多模態(tài)生物識(shí)別技術(shù)發(fā)展的理想狀態(tài)。當(dāng)前來(lái)看，多模態(tài)識(shí)別技術(shù)的落地還面臨著市場(chǎng)教育的過(guò)程，需要生物識(shí)別技術(shù)企業(yè)共同努力促進(jìn)技術(shù)的商業(yè)化和規(guī)?；瘧?yīng)用。

視頻智能從感知階段走向認(rèn)知智能

視頻智能分析是AI落地安防的重要技術(shù)之一。所謂視頻智能分析是利用基于深度學(xué)習(xí)的各類(lèi)智能算法來(lái)分析前端設(shè)備采集的視頻信息，實(shí)現(xiàn)對(duì)各種安全事件主動(dòng)預(yù)警，并將報(bào)警信息反饋至監(jiān)控平臺(tái)及客戶端。不過(guò)，從安防企業(yè)發(fā)展的產(chǎn)品和技術(shù)實(shí)現(xiàn)的功能來(lái)看，視頻智能分析還處于感知智能發(fā)展階段。

視頻智能分析主要包括行為分析和特征識(shí)別。行為分析是基于背景模型為基礎(chǔ)，技術(shù)應(yīng)用表現(xiàn)在人員聚集、物品遺留、物品丟失、人員徘徊、人員倒地、安全帽/工裝檢測(cè)、區(qū)域人數(shù)統(tǒng)計(jì)、進(jìn)入/離開(kāi)區(qū)域以及跨越警戒線、火焰檢測(cè)等方面;而特征識(shí)別主要包括車(chē)牌識(shí)別和人臉識(shí)別。較于傳統(tǒng)視頻分析，視頻智能分析的重大突破在于，能夠?qū)?chǎng)景中的背景和目標(biāo)分離，識(shí)別出真正的目標(biāo)，也就是具備對(duì)風(fēng)、雨、雪等多種背景的過(guò)濾能力。從技術(shù)角度來(lái)看，就是通過(guò)建立人體活動(dòng)算法模型，并借助計(jì)算機(jī)的高速計(jì)算能力，排除監(jiān)視場(chǎng)景中的干擾因素，準(zhǔn)確判斷并動(dòng)態(tài)跟蹤人類(lèi)在視頻監(jiān)視圖像中的各種行為，達(dá)到有效預(yù)警。

當(dāng)前，主流廠商推出的智能產(chǎn)品，視頻智能分析技術(shù)均已實(shí)現(xiàn)了排除干擾背景因素，動(dòng)態(tài)實(shí)時(shí)跟蹤目標(biāo)并分析目標(biāo)行為的目的，大大提升了報(bào)警準(zhǔn)確率。并且實(shí)現(xiàn)對(duì)人臉、人體、車(chē)輛等并行綜合檢測(cè)，精準(zhǔn)全息化感知業(yè)務(wù)場(chǎng)景數(shù)據(jù)，提升綜合研判能力，當(dāng)前這類(lèi)技術(shù)主要應(yīng)用周界防范、人臉布控應(yīng)用中。除了視頻的智能分析識(shí)別之外，物聯(lián)網(wǎng)技術(shù)的結(jié)合應(yīng)用也是人工智能的發(fā)展方向之一，將溫度、濕度、水浸（水位）、SF6、O2濃度等環(huán)境信息集成進(jìn)視頻中并智能分析和識(shí)別，目前的技術(shù)發(fā)展已經(jīng)可以做到物聯(lián)網(wǎng)視頻智能處理。不過(guò)，相較到人臉識(shí)別和車(chē)牌識(shí)別等特征識(shí)別，行為分析技術(shù)發(fā)展還不夠成熟，但無(wú)疑它們是未來(lái)視頻智能分析一個(gè)重要方向，在智能安防領(lǐng)域應(yīng)用前景廣闊，未來(lái)仍需要主流廠商大力投入研發(fā)不斷進(jìn)行技術(shù)迭代。

雖然視頻智能分析在準(zhǔn)確率和融合檢測(cè)能力有很大的突破，但是從當(dāng)前來(lái)看，智能安防行業(yè)的視頻智能分析基本還處于視頻結(jié)構(gòu)化分析的感知智能階段。公安系統(tǒng)包括其他監(jiān)控系統(tǒng)，在數(shù)據(jù)應(yīng)用上只是就結(jié)構(gòu)化數(shù)據(jù)進(jìn)行簡(jiǎn)單應(yīng)用，數(shù)據(jù)價(jià)值并未完全發(fā)揮出來(lái)。未來(lái)整個(gè)智能安防行業(yè)中的智能視頻分析將走向知識(shí)圖譜即認(rèn)知智能、決策智能階段。所謂的知識(shí)圖譜是一種針對(duì)應(yīng)用語(yǔ)義理解技術(shù)實(shí)現(xiàn)更高質(zhì)量、可計(jì)算、計(jì)算機(jī)可理解的大數(shù)據(jù)結(jié)構(gòu)，也就是針對(duì)多類(lèi)異構(gòu)數(shù)據(jù)源的知識(shí)結(jié)構(gòu)化、關(guān)聯(lián)化分析，屬于實(shí)用型認(rèn)知應(yīng)用，能夠更高效的實(shí)現(xiàn)決策智能，當(dāng)前已經(jīng)有一些主流廠商和技術(shù)商實(shí)現(xiàn)了在視頻智能分析技術(shù)應(yīng)用上實(shí)現(xiàn)一部分認(rèn)知智能。

邊緣計(jì)算與中心智能結(jié)合應(yīng)用發(fā)展

隨著深度學(xué)習(xí)算法的突破，安防領(lǐng)域的目標(biāo)識(shí)別、物體檢測(cè)、場(chǎng)景分割、信息提取標(biāo)簽化、數(shù)據(jù)檢索及分析研判等各項(xiàng)技術(shù)應(yīng)用也在不斷取得新的進(jìn)展，相比于傳統(tǒng)智能帶來(lái)的應(yīng)用效果，AI深度智能在識(shí)別準(zhǔn)確率、環(huán)境適應(yīng)性、識(shí)別種類(lèi)等方面的效能提升顯著。

在終端和邊緣端，主要體現(xiàn)為內(nèi)置高達(dá)30多種算法，其中混合目標(biāo)檢測(cè)模式支持同一場(chǎng)景下人臉、人體、車(chē)輛圖片并行抓拍，人臉人體關(guān)聯(lián)，以及人臉、人體、非機(jī)動(dòng)車(chē)和機(jī)動(dòng)車(chē)結(jié)構(gòu)化屬性提取，也就是輕量級(jí)的多維數(shù)據(jù)融合。當(dāng)前廠商推出的相關(guān)產(chǎn)品，已經(jīng)可以支持前端多維數(shù)據(jù)的提取和分析，包括全場(chǎng)景和細(xì)分感知數(shù)據(jù)采集和融合。這類(lèi)技術(shù)產(chǎn)品比較適合小規(guī)模項(xiàng)目場(chǎng)景應(yīng)用，相當(dāng)于一機(jī)多用，不僅大大減化項(xiàng)目部署的復(fù)雜性，而且降低工程實(shí)施成本。

邊緣智能是將邊緣計(jì)算與用戶、業(yè)務(wù)結(jié)合，其不是簡(jiǎn)單的把邊緣計(jì)算搭建起來(lái)，而是對(duì)管道能力的整體提升，是物聯(lián)網(wǎng)應(yīng)用的使能者。邊緣智能具有數(shù)據(jù)處理實(shí)時(shí)性、業(yè)務(wù)數(shù)據(jù)可靠性、應(yīng)用開(kāi)發(fā)多樣化等的優(yōu)勢(shì)。目前，安防領(lǐng)域邊緣智能的發(fā)展一日千里，許多智能安防產(chǎn)品已經(jīng)從具有邊緣計(jì)算的能力開(kāi)始進(jìn)化為邊緣智能，但是，邊緣智能依然處于發(fā)展的初級(jí)階段，技術(shù)、業(yè)務(wù)、商業(yè)模式等各方面的挑戰(zhàn)仍然具有不確定性，接下來(lái)需要在標(biāo)準(zhǔn)化、產(chǎn)業(yè)聯(lián)盟、場(chǎng)景驅(qū)動(dòng)、產(chǎn)業(yè)鏈協(xié)同、安全隱私等方面做好工作，推動(dòng)邊緣智能的規(guī)?；涞?。驅(qū)動(dòng)邊緣智能發(fā)展的業(yè)務(wù)場(chǎng)景主要包括網(wǎng)絡(luò)傳輸?shù)膱?chǎng)景和應(yīng)用特征產(chǎn)生的場(chǎng)景，從而形成對(duì)邊緣智能的需求。目前，邊緣智能已經(jīng)在智能城市、智能工業(yè)、智能社區(qū)、智能家居、車(chē)聯(lián)網(wǎng)等大量的垂直行業(yè)中形成示范應(yīng)用，給垂直領(lǐng)域帶來(lái)新的價(jià)值。

需要提及的是，現(xiàn)階段，數(shù)據(jù)資源大多歸屬于不同地區(qū)不同部門(mén)，未來(lái)是否有這樣一種機(jī)制，讓數(shù)據(jù)既能夠本地化又能實(shí)現(xiàn)跨地域互通，可以在降低數(shù)據(jù)傳輸?shù)娘L(fēng)險(xiǎn)和成本的同時(shí)滿足數(shù)據(jù)計(jì)算的需求。也就是說(shuō)，多維數(shù)據(jù)融合和智能分析需要視頻流媒體的分布式計(jì)算引擎和大數(shù)據(jù)動(dòng)態(tài)分布式架構(gòu)來(lái)支撐實(shí)現(xiàn)。

除了邊緣智能的發(fā)展應(yīng)用，以大數(shù)據(jù)分析為代表的中心智能分析技術(shù)也有了長(zhǎng)足進(jìn)步，通過(guò)多維數(shù)據(jù)融合分析平臺(tái)，初步實(shí)現(xiàn)輿情監(jiān)控和事件預(yù)警功能。多維數(shù)據(jù)融合是充分利用多源數(shù)據(jù)的互補(bǔ)性和計(jì)算機(jī)的高速運(yùn)算與智能來(lái)提高結(jié)果信息的質(zhì)量。包含有人流管控、交通熱力圖等應(yīng)用。同時(shí)，預(yù)警的另一個(gè)方向，利用行為大數(shù)據(jù)來(lái)預(yù)判潛在犯罪，在具體技術(shù)涉及對(duì)人物目標(biāo)特征和行為識(shí)別、分析，以及目標(biāo)歷史數(shù)據(jù)的線性研判方面，也有很大進(jìn)步。安防大數(shù)據(jù)的多維數(shù)據(jù)融合應(yīng)用初步成熟，邊緣端和中心端的結(jié)合應(yīng)用使安防大數(shù)據(jù)的實(shí)用性有了強(qiáng)大進(jìn)步。從技術(shù)發(fā)展水平和未來(lái)方向看，“大智能”在中心端，“小智能”在邊緣是長(zhǎng)期趨勢(shì)。

AI芯片發(fā)展構(gòu)建智能應(yīng)用基礎(chǔ)

安防智能化時(shí)代，芯片是構(gòu)建智能安防產(chǎn)業(yè)鏈的第一環(huán)。芯片技術(shù)的突破實(shí)現(xiàn)了安防產(chǎn)業(yè)的智能化，基于芯片設(shè)計(jì)的AI計(jì)算加速卡、模組等，在智能分析應(yīng)用中更能發(fā)揮巨大的作用，基于PCIE的多芯片互聯(lián)，更易于橫向擴(kuò)展和支持大規(guī)模數(shù)據(jù)中心。AI芯片、加速卡、模組為工業(yè)自動(dòng)化、安防智能化、機(jī)器人、智慧城市、軍工和航空航天等應(yīng)用提供可操作的洞察力。

縱觀整個(gè)芯片市場(chǎng)，頂層依然是Nvidia、Intel得天下。而針對(duì)安防監(jiān)控市場(chǎng)，視頻編解碼芯片被集中于SoC系統(tǒng)級(jí)芯片之上，基于芯片開(kāi)發(fā)的模組、加速卡在國(guó)內(nèi)的芯片產(chǎn)業(yè)中發(fā)展迅速，并在安防行業(yè)應(yīng)用廣泛，從終端IPC到邊緣端、云端，AI芯片及集成產(chǎn)品發(fā)展如日中天?？梢哉f(shuō)，中國(guó)芯片產(chǎn)業(yè)崛起幾乎是板上釘釘?shù)氖聝骸?/p>

從需求市場(chǎng)來(lái)看，憑借行業(yè)內(nèi)快速增長(zhǎng)的優(yōu)勢(shì)，AI芯片發(fā)產(chǎn)業(yè)發(fā)展的機(jī)遇已經(jīng)到來(lái)，傳統(tǒng)市場(chǎng)可能認(rèn)為安防芯片的主導(dǎo)權(quán)掌握在國(guó)外公司手中。但是，隨著近幾年智能安防的飛速發(fā)展，國(guó)產(chǎn)安防監(jiān)控芯片在技術(shù)水平上與國(guó)外先進(jìn)產(chǎn)品已相差無(wú)幾，并且在性價(jià)比上明顯占優(yōu)。隨著安防智能化的深入，高技術(shù)含量的深度學(xué)習(xí)芯片進(jìn)入到安防領(lǐng)域中，這為國(guó)產(chǎn)芯片廠商提供了突破的方向。

未來(lái)，AI勢(shì)必將改變安防，賦予安防系統(tǒng)更加智能化，自動(dòng)化處理視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)，讓整個(gè)社會(huì)更安全、更有秩序，而要實(shí)現(xiàn)這樣的轉(zhuǎn)變則有賴于行業(yè)上下游的通力配合。上游AI芯片即成為了構(gòu)建智能安防的第一環(huán)，具有創(chuàng)新性、性價(jià)比高的AI芯片必將成為成功選擇的基石。

基礎(chǔ)零部件軟件走向集成化、場(chǎng)景定制化

從2018年開(kāi)始，智能安防應(yīng)用的底層零組件就開(kāi)始趨向系統(tǒng)化、集成化，同時(shí)也在提升監(jiān)控系統(tǒng)本身的硬件系統(tǒng)整體性能。AI芯片、傳感器等基礎(chǔ)硬件和算法軟件集成化，讓產(chǎn)品可以根據(jù)不同業(yè)務(wù)算法進(jìn)行定制化開(kāi)發(fā)。當(dāng)前AI芯片廠商已經(jīng)在朝著算力和算法集成的方向進(jìn)行研發(fā)，也就是根據(jù)特定場(chǎng)景算法來(lái)設(shè)計(jì)AI芯片架構(gòu)，以更高效的應(yīng)用于場(chǎng)景業(yè)務(wù)。

在以視覺(jué)為核心的安防監(jiān)控系統(tǒng)中，CMOS圖像傳感器是核心角色。為了更好的AI智能應(yīng)用，CMOS圖像傳感器從成像設(shè)計(jì)上需要做針對(duì)性的改善。從這幾年來(lái)成像技術(shù)廠商推出的安防專(zhuān)用CMOS傳感器產(chǎn)品來(lái)看，由于需要考慮到場(chǎng)景環(huán)境、光照、氣溫等各種因素的影響，監(jiān)控用CMOS圖像傳感器的設(shè)計(jì)也開(kāi)始進(jìn)入到“場(chǎng)景定制化”階段，不同的應(yīng)用場(chǎng)景所適用的產(chǎn)品不一而同。

除了將多樣化的智能算法灌注到傳感器器件外，也可以同時(shí)植入到AI芯片中封裝。隨著視覺(jué)類(lèi)AI算法的深度學(xué)習(xí)計(jì)算逐步從云端部署擴(kuò)展到邊緣部署，邊緣的設(shè)備比云端多1-2個(gè)數(shù)量級(jí)，業(yè)內(nèi)對(duì)邊緣AI計(jì)算硬件的需求快速升溫，需要具有高算力、低功耗、接口豐富的芯片、模組、板卡等方案來(lái)替代原來(lái)的CPU、GPU方案?？梢哉f(shuō)，隨著AI技術(shù)的應(yīng)用及普及，在大數(shù)據(jù)及深度學(xué)習(xí)的要求下，安防對(duì)CPU及GPU的硬件要求逐步提升，基礎(chǔ)零部件的集成化、定制化應(yīng)用需求逐漸成為發(fā)展趨勢(shì)。