3D 独特的技术优势或许能赋予安防新机遇

未来安防智能化落地的三大方向：视频结构化、生物识别技术、物体识别技术。

视频结构化对数据进行追踪和关联的分析，从而做到事前预警；生物识别技术中的人脸、指纹、虹膜、声纹识别将得到大规模应用；物体识别技术减轻各种成本，提升效率。

针对未来安防智能化落地方向，奥比中光高级战略 BD 总监彭勋禄做客雷锋网公开课，阐述了奥比中光的思考，并详述了奥比中光关于 3D 视觉在智能安防领域应用落地的实践与探索。彭勋禄提到，安防产业每一阶段的突破，都是由上游技术的革新引领，“看得到、看得远、看得清、看得懂”四大要素也成为推动安防行业进步的主要驱动力。

其中，感知作为 AI 三个阶段之一，是实现智能化认知和决策的必经阶段。未来安防智能化，要实现“看得懂”这一目标，不仅仅需要依靠 AI 算法和 AI 芯片，还需着力提升图像视频类感知的深度和纬度。同时，AI 技术对视频成像的高要求成为安防智能化的痛点之一。而 3D 将在主动光技术、空间三维数据、背景分离等方面带来革新，其独特的技术优势或许能赋予安防新机遇。

以下为彭勋禄分享内容节选，雷锋网 AI 掘金志做了不改变原意的编辑。

安防行业发展经过了几个重要阶段。1979 到 1983 年，安防行业形成以模拟摄像机+视频矩阵+磁带录像机为产品矩阵的模拟阶段；编解码技术的出现实现了从模拟阶段到数字阶段的转化，而数字化是网络化和智能化的前提；1997 年网络摄像机的出现打破了传统安防地域的边界，安防行业通过网络全面升级、传感器芯片性能的提升和网络基础设施的高速发展而步入高清 / 超清时代；2012 年以后，国内互联网公司涌入安防行业，人工智能技术进入快速落地阶段，至此，安防行业进入智能化时代。由此可见，安防产业每一个阶段的突破，都是由上游技术带来的革新引领；另外“看得到、看得远、看得清、看得懂”这四大要素，成为推动安防行业进步的主要驱动力。

安防行业宏观环境

智能安防的发展环境非常有利。

首先国家政策大力支持，十三五规划、十九大报告等政策均在不断强调数字城市、智慧城市、智慧安防监控系统的建设。

从市场潜力看，目前一二线城市的安防基础设施布局已经日趋完善，未来会以更新升级为主。主力的安防市场会逐渐向二三四线城市下沉。

从技术看，AI 技术从 2012 年进入安防行业，经过多年的发展，已经进入实战化阶段，人脸识别等 AI 技术在公安抓逃、社区治理等场景中发挥了巨大作用。

从行业研发投入上，国内安防厂商对 AI 技术投入逐渐加大，尤其是安防赛道中的头部企业，在 AI 技术与产品的研发投入占比极高。

另外，新晋的 CV 独角兽与互联网巨头企业纷纷进入到安防主赛道，加剧行业竞争。但安防不同于互联网行业，它涉及诸多层面，包括硬件、软件、系统集成，以及工程与运营，还有渠道建设，这些都需要时间积累与沉淀。

所以我认为，CV 公司和互联网公司虽然能够利用各自优势触达行业、进入到赛道，但他们同样也面临传统安防巨头的挤压与竞争。

今年爆发的新冠疫情，对整个城市的安防及应急指挥系统提出极大的挑战，同时也是前所未有的发展机遇。

从安防行业业务需求看，会出现从事后查证向事前预警前移的需求变化。

我认为安防智能化的一个重要出发点，就是从事后查证向事前预警前移。传统安防监而不控，更多是强调安防系统的覆盖面，监控不能有盲点，不能有死角，它只解决“看得到”和”看得清”的问题；而到了安防 2.0 时代，安防系统还需要”看得懂”，实现这一目标，不能仅仅依靠 AI 算法和 AI 芯片，还需要着力提升图像视频类感知数据的深度和维度。

另外，AI 技术融入安防全产业链，上中下游均出现明显的技术革新趋势。

传统安防产业，上游的图像传感器供应商，包括芯片和其他电子元器件供应商，负责提供技术给中游的硬件供应商、软件供应商以及系统集成商，下游以运营服务商为主，为终端客户提供服务。

AI 技术融入安防行业中有一个非常有趣的现象：CV 公司开始做芯片，原来传统上游芯片公司都在做 AI 算法。

因为通用型的芯片无法满足垂直场景下的市场需求，所以 AI 算法必须和芯片结合。这并非简单的整合，要考虑诸多因素，包括芯片的算力、图像处理、功耗、成本等。

所以，从上、下游两个层面来看，下游会提出更多智能化需求，包括场景内的语音识别、图像识别、文本处理等，上游传感器供应商正在下沉，实现技术创新、产品创新抑或产业创新。上中下游均呈现明显的技术革新趋势。

在 AI 安防产业图谱中，增加了智能应用服务的层，主要是以商汤、旷视、云从、依图为首的 AI 算法公司。这种 AI 公司的入局也给整个安防行业带来了变化。

其次，原本华为处于整个安防产业的下游，更多地是提供一些ICT服务，现在其通讯业务具备云端的能力，海思芯片在安防行业的市场占有率非常高。像华为一样的巨头进入，对整个安防行业的格局来会产生深远影响。

智能安防三大落地方向

未来智能安防落地方向在哪里？我认为在三个层面。视频结构化。视频结构化的概念已出现多时，是指利用计算机视觉和视频监控分析方法对摄像机拍录的图像序列进行自动分析，包括目标检测、目标分割提取、目标识别、目标跟踪等。主要作用是为未来人工智能进行数据追踪和关联分析提供事前预警。生物识别技术。生物识别技术是指利用人体生理特性和行为特征来进行个人身份验证的技术。现在的人脸、指纹、虹膜、声纹识别都属于生物识别技术，未来将会在安防行业得到大规模推广和广泛应用。物体识别技术。物体识别的典型案例就是车牌识别，如今车牌识别已成为许多智能停车场的标配。使用车牌识别技术，采集车辆图像，能够减轻停车场管理运营的人力成本，提高通行效率。

智能安防市场规模

智能安防的市场规模如何？虽然这些数据的统计时间较早，但是也有一定的参考价值。2017 年，中国安防市场的资产规模达到 6220 亿，2018 年，智能安防的资产规模接近 300 亿。预计 2020 年以后，智能安防将创造千亿级的市场，所以智能安防市场不容小觑。

智能安防的痛点

智能安防是热门话题，但具体落地的情况如何？中国一年就有超过 5000 万个摄像头的市场需求，但实际只有 50 万个智能摄像头在应用，比例不到 1%。为什么？第一是成本。前端部分、存储和视频分析是智能安防高成本的主要因素。集成施工、机房改造等系统建设的时间和人力成本，也提高了智能安防的落地成本。第二是数据，安防领域的数据比较分散，存在许多数据孤岛。尽管我们一直追求建设智慧城市，倡导数据共享，但这些数据分布在不同的体系里，包括公安、交通、城管等，很难实现共通共享。如果没有数据，人工智能也无法进行数据分析和支撑。第三是人工智能应用的深度不足，现在的人工智能技术应用于小范围或者单目标场景。像安防这种大范围的监控，还有人、车、物的关联分析需要专业能力和专业技术的积累。最后一个是人工智能识别技术对视频成像的质量有较高要求。为什么会有高要求呢？这就是我后面要展开的，3D 视觉与智能安防到底是怎样的关系？

3D 视觉赋能安防新机遇

人工智能与 3D 视觉

AI 分为三个阶段，感知、认知和决策。感知就是 AI 通过不同的传感器接收物理世界的信息；认知就是 AI 通过算法判断、理解信息；决策就是 AI 的大脑，做综合的分析，并执行相应的动作。感知也分很多种，比如视觉、听觉、嗅觉、触觉等，这些都是通过不同传感器去实现的。感知技术里占比最大的是视觉，视觉在整个感知里占比 70%以上。传统意义上的视觉是以 2D 为主，现在 2D 的清晰度也越来越高，4K、8K 都已出现，但依然停留在二维、单维的层面，只能解决看得清的问题，缺少了物理世界中的 3D 图像，即深度信息。深度信息到底是什么？举几个例子，第 1 张图看鸽子的大小，从这个视角上看，鸽子比远方的行人要大；第 2 张图里一个人从窗口探出一只手抓住汽车，感觉汽车变成人手中的玩具；第 3 张图中杯子上面的蚂蚁好像和远处飞过的直升飞机一般大。在二维图像里，因为不同的拍摄角度，近大、远小并不是现中的真相。

3D 与 2D 图像的区别

我们现在看到的所有图像、视频都是通过 2D 摄像头平面成像，2D 无法识别物理世界中的三维信息，比如尺寸、体积、距离等几何数据。3D 摄像头是立体成像，能够识别视野内空间上每个点位的三维坐标信息，把这些坐标信息给到计算机和芯片，通过三维成像算法，能完整复原出整个三