对智能安防现状和未来的思考

作者阐述了自己对于安防领域的理解，着重说明安防与AI的结合现状及发展趋势。

安防发展进程

总体来说经过30多年的发展，安防行业主要经过下列几个阶段：

模拟监控阶段（1979—1983）

早期的安防监控系统使用单位主要是一些非常重要的和特殊的单位和部门，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。

数字监控阶段（1984—1996）

此时，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等，模拟监控的数字化转变势在必行。

值此阶段，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、以及网络传递、远程控制等方面远优于模拟监控设备，特别是在存储方面。DVR产品一般分为：硬盘录像机，PC式硬盘录像机，嵌入式硬盘录像机等。

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。

高清化，网络化监控阶段（1997—2008）

经历近十年的发展，国内安防市场进一步放大到金融、公安、能源、交通、教育、电信、机场、海关等领域。其中，智能建筑领域成为最大的应用市场，市场总量达到数干亿元规模。

伴随数字化技术的成熟应用，为了满足类似车牌识别、人脸识别、事故分析、过程监控以及智能化监控等应用需求，引入高清／网络视频监控技术将有效地解决上述问题。

此阶段的系统结构更加复杂，前端的摄像机大多为网络型的高清摄像机、传感器、报警器材、灯光设备等等，后端则是由DVR／DVS、NVR（数字网络录像机）、视频监控服务器、监视器群组／超高分辨率数字拼接墙、客户端设备、系统软件、网络等构建起来的大系统。

高清监控概念的引入，其带来的不仅仅是软硬件系统的革命，更大的意义在于由单一的视频监控，开始逐步过渡到视频监控与客户应用系统的融合，视频监控不再是一个信息孤岛，更多地与用户的业务系统结合，成为促进业务发展的重要资源。

智能化监控阶段（2009—2012）

从安保、交通、能源、环境、政府应急到商业信息显示、广播电视等，都有效地整合了安防监控信息与业务运行信息，安防应用由事后的调查取证，向事前的分析、总结、预警、演练，事中的跟踪、指挥、调度、协调、配合、沟通等方面扩展，安防行业已经突破安防产业既定的范畴，以集成化、智能化为特征的大安防新时代已经到来。

值此阶段，安防监控行业基本上由信息获取阶段，开始进入到信息的使用阶段。

如今的安防系统已经不仅仅是一个简单的视频监控系统，安防系统已经扩展成为可以集成各行业业务管理、数据传输、视频、报警、控制于一体、可以实现对海量数据的存储、智能分析，调用的安防智能化综合管理平台。

智慧化监控阶段（2012一至今）

随着AI技术在社会公共安全领域的综合应用时机的逐渐成熟，并且随着2012年国家智慧城市发展战略的提出，视频监控技术作为物联网技术的重要组成部分，更是智慧化监控系统的一个发展，是感知安防的主要手段。

视频监控也是应用历史相对较长、技术密集度较大的应用领域。此时，AI算法不断加强，计算机识别能力，特别是人脸识别能力，在这个阶段吹响了号角。业务效率飞速提高，同时在信息获取侧，已经看不到太大的发展。

2015年作为一个分界线，在公安部信息化建设深入开展的背景下，将现有视频监控网升级到智能化程度更高的智慧化视频监控系统，已经是安防监控领域发展的趋势。

如何用新技术改造现有的视频监控网络，使之能更好地适应物联网时代视频监控智慧化、情报化的应用需求已迫在眉睫。

在2015年前后，各个厂商开始针对如何利用数据打造软件。例如，视频监控系统作为面向城市公共安全综合管理的物联网应用中智慧安防的重要组成部分，如何同其他信息系统进行标准数据交换、互联互通及语义互操作；解决这一问题的核心技术即是视频结构化描述技术。用视频结构化描述技术改造传统的视频监控系统，使之形成新一代的视频监控系统一一智慧化、语义化、情报化的语义视频监控系统（典型应用：智慧家居控制系统）。

AI安防行业的特点

在当下的安防市场中，每一家公司都自称为「完整的解决方案供应商」。

「自主研发」「竞赛算法第一名」「多模态AI解析能力」「软硬件一体机产品」「面向垂直场景的解决方案」……

没有以上的宣传语，你都不好意思说自己是个AI安防公司。

然而，如果你今年去安博会上走一组那么多人脸识别一体机，无论系统根据现场情况如何进行了调整，你一家一家观察下来会有一些答案。抓拍效果不说，漏检率、识别率、误报率、算法效率（平均硬件成本），属性丰富程度，响应时间等等技术指标还是有差别的。

技术研发以及产品落地方案上，还是有较大差距，并不是用算法套个壳就可以标榜自己是个有落地能力的技术公司。

即便到了 2019 年，安防行业与 AI 的结合仍然远未成熟。

一方面，上面说的很少公司拥有真正全栈产品的技术工程化能力；而另一方面因为行业特点：碎片化。

首先，安防领域是个很碎片化的行业，玩家很多。AI+安防产业链与传统安防差异最大的地方在于，上下游关系并非泾渭分明，安防厂商、AI公司、云服务厂商都可通过集成商渠道或直客模式向客户提供产品与服务，部分集成商也可直接提供部分硬件产品和软件技术，各角色相互之间存在合作加潜在竞争的关系，生态比较开放。

产业链内核心玩家类别包括上游的芯片公司、AI公司、中游的安防厂商、云服务厂商，下游的安防集成商等。这是由安防行业几十年来形成的特点决定的——未有效实现大规模联网，存在数据壁垒，是真正被遗落在信息化角落的一个行业。

现在的监控全部是以区和街道为单位，全部都是分布式存储，所有数据并没有拉通，所以它连自己内部都没有拉通，就更不用提移动互联网化这个事情了。

这也就能回答，为何到目前为止，每个以人脸识别为基础的安防项目都是以市或者区为单位来进行；继而能够从更大的视角来解释安防行业结构的「碎片化」，全国大大小小几万家公司都可以在这个市场捞口饭吃，每一家公司都可以盘踞一个地方。

同时，因为行业客户以toG为主，客户对产品技术理解较少，但是很有钱，市场需求大。只要有BD资源就可以来分一块蛋糕，导致这个行业玩家众多，无法被完全垄断。

玩家多，为了抢市场抢客户，也导致整个安防行业都是加班996状态。毕竟有的公司提供7*24小时售后服务，如果你不提供，就会在客户心里打下一个不好的分数，服务态度也是客户很看重的一方面。

而未来，现在雪亮工程趋近于结束，下一个重点方向是什么？

国家其实已经指明了方向，提出了立体化、信息化社会治安防控体系建设。现在要求厂商要拥有一整套完整的安防体系，而不是单个摄像头，单个算法服务器，单个业务软件。

“雪亮工程”更多还是政府驱动和买单，技术特点上更多是偏后端，把视频从摄像头传到后端分析。到了下一阶段，安防走到了“最后一公里”，要覆盖的场景更多，视频的量会有数量级的上升，同时解析也会不断往边缘拓展，对企业的能力有了更高的要求。

所以要求安防厂商未来至少把握以下两个方向才能活下去：一个方向是丰富算法，除了人脸识别，构建视频的全结构化解析能力，行人、车辆、非机动车、指定物体的检测跟踪和属性描述等；另一个方向是需要推出全结构化相机、计算盒子等边端的智能硬件，以满足治安防控业务的需求，抓住前端解析的趋势，同时拉长自己的战线。

安防到底是不是红海呢？

很难说。

安防还有一个数据，我认为是不合理的，安防行业从业人员是130万，去年市场规模七八千亿，软件产品只占不到两千亿。

自己平时接触项目，也是硬件占了收入的大头，软件只占四分之一到五分之一左右。目前还是硬件赚钱，所以很多厂商开始做硬件，包括算法厂商开始做AI服务器，也是因为软件竞争目前同质化太严重。

短期做硬件我能理解，但是从长远来看，安防的本质是IT，而IT行业的历史规律就是最初都在卖硬件，但是后来硬件慢慢变得不值钱。当年一个电话几百块钱，而且只能打电话。后来功能机有了增值服务短信，再到智能机，手机变成了平台了，真正提供用户的是服务。

安防也一样，现在占大比例的收入主要还是硬件。但随着AI引发的变革，国家2017年正式发布《GA/T 1399公安视频图像分析系统》和《GA/T 1400公安视频图像信息应用系统》等标准，安防产业的软件化、信息化这才真正开始。安防的市场空间增量也就在于这个地方。

从国家政策层面来看，叫立体化、信息化社会治安防控体系，信息化这个词在别的行业都不怎么提了，但安防行业现在还在做，证明它真的是现在才刚开始。用一个不太恰当的比喻，安防行业现在正属于小米才创业的时期，雷军刚刚把第一台小米手机点亮，所有人现在都摩拳擦掌，机会来了。

为什么这个时候还有企业进入安防市场？

如果这时候已经是红海了，那么一定没必要，这其中一定还是有利可图的。

从硬件走向软件或者数据维度的价值上移过程才刚刚开始，或者说华为所说的软件定义产品，肯定是个大方向，至少目前大家都看到了。通过“软件定义硬件”，企业就能通过物联网能力能直接服务客户，远程重启、升级、跟踪，不再需要那么多的运维人员，将过去碎片化的市场有可能会部分连接起来。华为瞄准的是整个AI时代的标准化的基础设施，比如海思芯片、最新发布的HoloSens算法商城。

在华为的基础设施之上，就存在第二层级的公司就像互联网中的软件公司，可以在它的生态中开展业务。

这就是一个崭新的机会，不过也会有很多厂商竞争，未来有机遇，也有挑战。