人工智能技術(shù)體系中，生物識別是最早進(jìn)入落地應(yīng)用的技術(shù)。生物特征識別技術(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、掌紋識別、指靜脈識別到人臉識別、虹膜識別，生物識別技術(shù)變得更加成熟的同時(shí)，也正在邁進(jìn)“視覺”時(shí)代。

 

指紋識別是最“傳統(tǒng)”的生物識別技術(shù)，其地位比較特殊，與人臉識別、聲紋識別相比，其識別準(zhǔn)確度、區(qū)分度要高很多，甚至可以說，指紋身份識別是很多場景下唯一可行的一種方式。從2018年指紋識別技術(shù)取得重大突破開始，更高效的推動(dòng)全國性的社會(huì)公共服務(wù)及商業(yè)模式變革。但是，隨著2020年初的一場疫情，非接觸式門禁出入口控制技術(shù)的應(yīng)用得到了高度的重視和發(fā)展。

 

掌紋識別是一種新型的生物特征識別技術(shù)，它以人體的掌紋作為目標(biāo)特征，通過多光譜成像技術(shù)采集生物信息。多光譜掌紋識別算得上是多模態(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)中共識是，單種模態(tài)的識別無論在識別性能還是在安全性上均存在瓶頸，而多模態(tài)融合是人臉識別乃至生物特征識別的重要突破——不僅能通過多因子的方式提升識別精準(zhǔn)度，也能在一定程度提升生物識別技術(shù)的場景適應(yīng)性和隱私安全性。相比傳統(tǒng)單模態(tài)算法，更能滿足金融級誤識率(低至千萬分之一)，也是生物特征識別發(fā)展的主要趨勢。

 

在非接觸生物識別技術(shù)中，人臉識別是最重要模塊，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，未來仍將是很長時(shí)期內(nèi)AI落地安防的重要方向。目前傳統(tǒng)人臉識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人臉識別算法補(bǔ)充2D投影的缺陷，能快速識別人員身份，為二維人臉識別的應(yīng)用帶來了一定的突破。同時(shí)，目前基于活體檢測技術(shù)正作為提高人臉識別安全性的關(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景，比如機(jī)場、車站等，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應(yīng)用，通過對接天網(wǎng)工程，構(gòu)建由前端攝像機(jī)布控，后端是識別平臺以及大數(shù)據(jù)分析平臺組成的綜合實(shí)戰(zhàn)平臺。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)領(lǐng)先，傳統(tǒng)企業(yè)則是主要由?？低暋⒋笕A股份這些傳統(tǒng)巨頭引領(lǐng)市場。伴隨人臉識別技術(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、工作帶來快捷和方便。

 

另外，面對人臉識別的局限，以步態(tài)識別為代表體態(tài)識別以難隱藏性、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別領(lǐng)域的一匹“黑馬”。步態(tài)識別通過身體體型和行走姿態(tài)來識別目標(biāo)的身份，是一種頗為復(fù)雜的行為特征，體態(tài)識別技術(shù)不需要人為配合，能夠適應(yīng)更為普遍的應(yīng)用場景，特別適合用來進(jìn)行遠(yuǎn)距離身份識別。目前，國內(nèi)已經(jīng)有幾家企業(yè)識別精度已經(jīng)達(dá)到了非常高的水平。

 

值得一提的是，虹膜識別技術(shù)也是一種較為成熟的生物識別技術(shù)，目前虹膜識別技術(shù)也正普及開來，虹膜識別誤識率低至1/100萬，主要利用虹膜壽命不變性和差異的特征來識別身份。但由于成本以及對產(chǎn)品端的要求限制，其落地速度比較緩慢，不過，近一兩年來，隨著政府機(jī)關(guān)包括金融機(jī)構(gòu)，已經(jīng)開始重視虹膜識別，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)來說，生物識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，以及市場應(yīng)用需求的逐漸演變，多模態(tài)生物識別技術(shù)的聲音越來越響亮。展望未來，多模態(tài)生物識別技術(shù)將成生物識別市場的主流發(fā)展趨勢，并將迎來越來越寬廣的應(yīng)用領(lǐng)域和市場。a&s Research調(diào)查顯示，單一的生物識別并不能夠解決所有場景下的身份認(rèn)證問題，每一種技術(shù)都有一定的局限性。而多模態(tài)識別技術(shù)，一方面豐富了場景數(shù)據(jù)，使識別更為高效精準(zhǔn);另一方面，它更適合復(fù)雜場景的應(yīng)用變化，在很多場景中是最適合的生物識別技術(shù)。不可置否，多模態(tài)識別是未來生物識別技術(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，不但融合多種識別技術(shù)，而且可以根據(jù)決策權(quán)重和場景需求，靈活自動(dòng)配置適合的生物識別技術(shù)，將成為多模態(tài)生物識別技術(shù)發(fā)展的理想狀態(tài)。當(dāng)前來看，多模態(tài)識別技術(shù)的落地還面臨著市場教育的過程，需要生物識別技術(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)的各類智能算法來分析前端設(shè)備采集的視頻信息，實(shí)現(xiàn)對各種安全事件主動(dòng)預(yù)警，并將報(bào)警信息反饋至監(jiān)控平臺及客戶端。不過，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、區(qū)域人數(shù)統(tǒng)計(jì)、進(jìn)入/離開區(qū)域以及跨越警戒線、火焰檢測等方面;而特征識別主要包括車牌識別和人臉識別。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)鼍爸械谋尘昂湍繕?biāo)分離，識別出真正的目標(biāo)，也就是具備對風(fēng)、雨、雪等多種背景的過濾能力。從技術(shù)角度來看，就是通過建立人體活動(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)視場景中的干擾因素，準(zhǔn)確判斷并動(dòng)態(tài)跟蹤人類在視頻監(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)對人臉、人體、車輛等并行綜合檢測，精準(zhǔn)全息化感知業(yè)務(wù)場景數(shù)據(jù)，提升綜合研判能力，當(dāng)前這類技術(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，相較到人臉識別和車牌識別等特征識別，行為分析技術(shù)發(fā)展還不夠成熟，但無疑它們是未來視頻智能分析一個(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)確率和融合檢測能力有很大的突破，但是從當(dāng)前來看，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)行簡單應(yīng)用，數(shù)據(jù)價(jià)值并未完全發(fā)揮出來。未來整個(gè)智能安防行業(yè)中的智能視頻分析將走向知識圖譜即認(rèn)知智能、決策智能階段。所謂的知識圖譜是一種針對應(yīng)用語義理解技術(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)，也就是針對多類異構(gòu)數(shù)據(jù)源的知識結(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。

 

 

隨著深度學(xué)習(xí)算法的突破，安防領(lǐng)域的目標(biāo)識別、物體檢測、場景分割、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)智能帶來的應(yīng)用效果，AI深度智能在識別準(zhǔn)確率、環(huán)境適應(yīng)性、識別種類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)檢測模式支持同一場景下人臉、人體、車輛圖片并行抓拍，人臉人體關(guān)聯(lián)，以及人臉、人體、非機(jī)動(dòng)車和機(jī)動(dòng)車結(jié)構(gòu)化屬性提取，也就是輕量級的多維數(shù)據(jù)融合。當(dāng)前技術(shù)領(lǐng)先的廠商推出的相關(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，包括全場景和細(xì)分感知數(shù)據(jù)采集和融合。這類技術(shù)產(chǎn)品比較適合小規(guī)模項(xiàng)目場景應(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，其不是簡單的把邊緣計(jì)算搭建起來，而是對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)用開發(fā)多樣化等的優(yōu)勢。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，接下來需要在標(biāo)準(zhǔn)化、產(chǎn)業(yè)聯(lián)盟、場景驅(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)模化落地。驅(qū)動(dòng)邊緣智能發(fā)展的業(yè)務(wù)場景主要包括網(wǎng)絡(luò)傳輸?shù)膱鼍昂蛻?yīng)用特征產(chǎn)生的場景，從而形成對邊緣智能的需求。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，未來是否有這樣一種機(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，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)也有了長足進(jìn)步，通過多維數(shù)據(jù)融合分析平臺，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)來預(yù)判潛在犯罪，在具體技術(shù)涉及對人物目標(biāo)特征和行為識別、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)展水平和未來方向看，“大智能”在中心端，“小智能”在邊緣是長期趨勢。

 

 

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，頂層依然是Nvidia、Intel得天下。而針對安防監(jiān)控市場，視頻編解碼芯片被集中于SoC系統(tǒng)級芯片之上，基于芯片開發(fā)的模組、加速卡在國內(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，中國芯片產(chǎn)業(yè)崛起幾乎是板上釘釘?shù)氖聝骸?/div>