1)近年來安防視頻監(jiān)控向高清化與網絡化發(fā)展是實現(xiàn)安防智能化的大前提:一方面,高清監(jiān)控設備傳遞回來高清監(jiān)控圖像,才有可能對畫面上的各種細節(jié)(人臉、車牌號等)進行識別;另一方面,網絡化監(jiān)控設備采用云端存儲,傳遞實時圖像,為實時動態(tài)分析提供基礎。

2)大數據時代IVA 的必要性:海量視頻數據,采用人眼識別難度越來越高IVA 采用計算機視覺結合人工智能,對圖像進行智能分析,使得安防大數據分析成為現(xiàn)實。

硬件+數據+算法助力安防IVA 快速落地。

IVA 快速發(fā)展受益于深度學習的發(fā)展,驅動深度學習神經網絡算法進步的核心是大規(guī)模的訓練數據、硬件運算能力和深度學習算法的增強。

1)數據:深度學習算法的魯棒性、泛化能力大小都取決與數據訓練的量級而安防行業(yè)擁有天然的監(jiān)控數據源,從數據層面來說,我們認為安防行業(yè)是人工智能落地最快的方向。

2)硬件:相對CPU,GPU 更適合于數據級并行,因此GPU 更適合深度學習中大規(guī)模量級的運算需求。GPU 目前已經廣泛應用在IVA 前后端設備中去。

3)算法:伴隨硬件技術升級,深度學習算法快速發(fā)展,以人臉識別為例2015年ResNet 算法識別錯誤率已經達到3.57%,低于人眼5.1%的識別錯誤率。

深度學習算法助力IVA 從理論走向現(xiàn)實。

安防監(jiān)控硬件企業(yè)的智能化轉型,看好硬件龍頭產業(yè)鏈重塑。

1)安防智能化浪潮下,硬件龍頭首先受益于硬件價值量提升:前端集成GPU/TPU,價值量翻倍;后端集成GPU 陣列,價值量是傳統(tǒng)產品5 倍以上2)硬件龍頭向核心算法延伸:深度學習核心是數據,硬件龍頭掌握安防數據入口,有大量數據資源,在商業(yè)化層面會縮短與算法公司差距。從研發(fā)投入看,?？?、大華每年研發(fā)開支10 億+,算法團隊100 人家+,資金優(yōu)勢相對傳統(tǒng)算法企業(yè)優(yōu)勢巨大。硬件龍頭向上游布局算法&芯片,把握智能安防核心競爭力。

3)深度整合IVA 上中下游產業(yè)鏈:安防智能化提升,安防集成與運維重要性大幅提升:需要專業(yè)團隊/系統(tǒng)進行平臺搭建及對后臺數據進行跟蹤、提煉、分析。硬件龍頭向下游切入項目集成與運營,承擔“解決方案提供商的角色。