智能安防行业市场分析和行业展望2024
传统安防企业真正推出AI产品的时间集中在2017下半年，稍微落后于入局安防市场的新兴AI企业。但总体来看， 2018年之前，真正实现落地的AI产品并不多，主流厂商推出的徘徊、物品遗留/丢失、周界检测以及人脸识别等AI产品和方案也并不成熟。例如，在实际应用中，周界检测无法过滤树叶、动物、阴影等干扰因素，造成误报率高；人脸识别依旧会受到人佩戴的装饰遮挡以及光线环境、侧脸等影响，无法进行准确识别。这些技术应用的局限性使得产品与产业需求存在较大落差。
安防厂商们纷纷争先恐后地投入AI的怀抱，尤其以影像为主的监控厂商，早已将AI技术运用于监控影像针对特定对象的侦测、搜寻、追踪，并可自动触发、联动警报等相关系统设备，大幅降低人力、物力，并提升安全管理的效能。
AI虽好用，但支持其运算的硬件设备和耗能负载皆颇高，因此在追求精准度的同时，如何减轻负载、让AI更「轻盈」、速度更快，又能解决企业普遍欠缺AI专业人才的问题、降低所需付出的成本，成为业界共同努力的方向
2018年起，安防产业中依旧有不少企业通过人工智能概念进行产品或品牌包装，但态度明显趋向理性化。企业开始认识到， AI只是工具，要与场景需求相匹配，才能最大化发挥商业价值，仅依靠融资无法支撑企业走得更长远，同时，安防产业业务的碎片化、复杂化和工程化等特征，要求企业除了拥有技术的能力之外，企业必须投入一定精力去深耕场景，掌握用户真实需求。因此，大部分企业开始将精力投放到场景需求研究，进而推出适应场景应用的定制化AI产品和解决方案，并实现应用落地。
进入2019年后，安防厂商、 AI企业、跨界巨头们针对安防场景碎片化的应对之策更加成熟，不仅在产品与解决方案上覆盖前后端产品，同时更加聚焦产品架构、开放平台、数据服务，而且不断跳出安防，将自身技术赋能百业。经过这几年的探索，越来越多的安企不仅实现AI在安防场景中地，更是朝着传统难以深入的数字化领域渗入：
（1）在气象水文监测场景中，海康威视便通过气象智能观测平台打造出全天候、智能化、多层次的气象智能观测系统，该系统能对霜、露、冰、雪、团雾等天气现象进行实时智能识别，同时提供温度、湿度、气压、风速、风向、降雨量等常规气象要素的行业级、分钟级监测数据，从而实现区域气象的准确、实时监测，助力提升气象灾害预警能力；
（2）在燃气站安全生产监管场景中，亚略特通过前端监控设备+边缘计算单元+可视化智能管理平台打造智慧监管解决方案，通过边缘侧分析技术为燃气站提供长时间未关门识别、烟雾检测、人员倒地识别、安全帽识别、工服识别、抽烟识别、打电话识别等多种智慧识别服务，数据实时上报到监管平台，一旦发现安全隐患自动预警、上报、记录。同时实现关键数据汇聚互联互通，通过可视化监管平台，相关部门监管人员可及时调阅，避免人工巡检的费时费力、不及时等问题，大大提高燃气站安全生产和应急管理能力；
（3）在汽车智能充电领域，熵基科技将在智慧停车方面的行业经验沉淀，与充电桩、相融合，从而提升停车场的使用率、充电服务收益率和良好的用户充电停车体验。其将智慧充电SaaS平台与智慧停车SaaS平台打通，使充电与停车服务相互融合，解决充电车辆停车优惠减免、便捷支付、解决燃油车占位、短充长停等管理痛点，还可以对接国家/地方政府充电平台，符合政府监管要求；
安防产业一般是包括硬件设备制造商（视频采集、视频传输、显示系统和存储系统）、系统集成商和运营服务商，其中硬件设备商是整个产业的核心主体。随着人工智能在安防产业的落地，安防进入智能安防时代，产业链的核心开始向软件应用倾斜，产业链中出现了许多新的角色，如跨界进入安防行业的ICT/IT、互联网厂商、 AI厂商等，其业务涉及云服务、 AI芯片、智能算法、数据融合应用、大数据分析服务等，与传统的产业链形成竞合关系。
百川汇流万物智联尽入优视融合通信~大型融合通信可视指挥调度平台smarteye
5G执法记录仪+5G智能安全帽/头盔摄像头+5G智能AI布控球+融合同学可视指挥调度平台smarteye
#物联网#IoT+5G互联+AI智能视频分析#边缘计算#+大数据+遥感+#GIS#，八仙过海齐汇聚，保障安全无所惧！
#智能安全帽#/#头盔摄像头#+#4G记录仪#+#智能布控球#+#无人机4G回传#，移动视频四剑客，天生绝配，联手打造立体化全方位安全生产可视监管系统。
万物智联AIoT+5G智能感知图传，一切尽在合肥优视大型可视指挥调度平台VMS/smarteye 。
电力施工作业现场可视化安全综合管控平台项目解决方案，https://www.besovideo.com/detail?t=1&i=50
安全生产可视化远程监理在大型厂矿（发电厂、钢厂、石油石化炼化、化工园区等有危险工种岗位等工矿企业）中的应用，各类防爆安全帽、工作记录仪等，图传加数传，危险气体采集，工人心率等体征信息采集，与工单等信息结合，统一后台汇聚。
https://www.besovideo.com/detail?t=1&i=29
智慧工地-远程可视监管，劳务用工实名制，工作票绑定，定位安全帽~人员定位-考勤、精细化管理 系统应用方案，
https://www.besovideo.com/detail?t=1&i=28
智慧工地-智能AI算法的实现机制，https://www.besovideo.com/detail?t=1&i=129
警用执法记录仪~城管+公安执法记录仪~交警执法记录仪-布控球等移动视频终端视音频一体化管理平台建设方案，
https://www.besovideo.com/detail?t=1&i=188
移动执法视频取证标准配置（4G/5G执法记录仪+采集工作站+布控球+无人机4G回传+车载DVR+头盔摄像头，AR眼镜等统一接入大型可视指挥调度平台VMS/smarteye）,
https://www.besovideo.com/detail?t=1&i=2
一、从云端到边缘
近年来AI运算功能逐渐由后端／云端往边缘（Edge端）发展的态势愈来愈明显，主要的好处在于可缩短时间、降低风险及耗能，当然还有最重要的——节省成本。例如，IT大厂Intel（英特尔）提出的Edge AI解决方案，强调只需要一般的PC、Notebook或x86的工业计算机，透过OpenVINO开放式平台，即可运用该平台上200多种算法（包括TensorFlow、CaffeZ…等）自行开发或采用第三方伙伴已预先训练好的AI模型，轻松将终端设备转变成Video AI Box、具AI功能的NVR或Edge端的AI Server，进而解决各种领域所面临的问题，让AI系统成本不再高昂。
安防厂商推出的Edge AI解决方案也相当多元，尤其监控摄像机厂商已纷纷将AI视频的辨识、分析、搜寻、追踪等功能做在前端。例如：晶睿（Vivotek）通过前端的对象特征撷取运算（Edge-centric object extraction），不需在后端安装高效能显卡执行分析运算，有效降低服务器的运算资源和建造成本。利凌（LILIN）则早已看准Edge AI将成为主流，致力于边缘运算AI摄像机结合5G与云端的应用，并推出最新的AI废弃物侦测（Trash Detection）、球类追踪（Ball Tracking）、性别判断（Gender Detection）等功能，其视频管理软件（VMS）更是专为边缘运算AI摄像机整合设计。而软件厂商富萱（AiUnion）所开发的AI视频辨识边缘运算，则是融合了AI深度学习的影像分类、对象侦测和影像分割（Image Segmentation）技术，建立如智慧工业、科技执法、安防监控等的通用模型，便于用户直接导入使用，若有特定应用再视其需求量身订制。
二、从「沉重」到「轻快」
一般来说，AI在辨识视频时会将相似的影像（如背景）视为独立图像而重新进行辨识，因此运算量大;当有大型场域要做AI视频辨识时，支持其运算的硬设备数量及成本必然昂贵，相对耗能也高，并不符合企业持续性发展（ESG）的原则。因此，已有不少厂商想方设法，希望能为现行的AI运作模式「做减法」，令其挥别沉重的负担，展现轻盈的体态、迈出轻快的脚步。
例如，电子大厂台达（DELTA）就推出了DIVA（DNN Inference OS for Video Analysis）智能加速器，利用一连串相似影像的特性加快AI视频分析的速度，可应用在静态或动态摄像机上。只要在任何影像应用的AI模型上加上一层DIVA SDK软件，就可加速2～6倍（视场域硬件、视频分辨率、AI模型不同）且不损失任何精准度，进而降低设备数量及能耗，达到节省成本目的。
新创公司耐思尼（Nexuni）也提出利用低功耗、小型化、高度定制化的嵌入式系统（如Embedded Linux、Nvidia Jetson Platform…等），结合可降级至KB储存等级的机器学习模型TinyML成为Edge AI系统架构——可在资源有限的端点硬件规格上，进行视频（如人脸）和语音的AI运算，并保持与Server级运算相同的准确率。根据实测，TinyML可将Server等级所需的16GB，降至边缘嵌入式系统的320KB，等于将传统机器学习模型缩小了5万倍，更便于开发可应用于各种规格系统、易于普及的自动化解决方案，提升管理效率。
三、从专业到普及
近来ChatGPT让AI在全球的关注热度居高不下，主要在于它让大家使用AI这件事变得容易起来。同样地，为了让AI能够加速普及市场应用，业界也努力透过简化开发技术与设计流程，希望即使不具备AI专业知识的人，也能轻易打造满足本身业务需求且有效的AI训练模型。例如，Intel（英特尔）Geti计算机视觉平台标榜可让任何人透过简单的数据上传、标注、模型训练以及再训练界面，配合OpenVINO工具组进行优化，就可轻易部署高质量的计算机视觉AI，藉以推动更多应用创新、提高企业整体效能。
有鉴于一般AI项目导入流程：数据预处理→选定算法→程序开发AI模型→模型验证，不仅需要AI或IT专业人员，还需反复作业、动辄耗时数月;杰伦智能（Profet AI）发展的AutoML Platfrom（No-Code AI平台），则是将「选定算法→程序开发AI模型」两步骤利用机器学习技术自动、快速地建立AI模型，而且可将模型验证优化。如此一来，企业各部门（如人资、研发、生产、IT…等）人员都能很方便地应用AI解决所属业务领域的各种问题，例如，将AutoML Platfrom应用在工业生产上，能够优化生产制造过程、提升整体良率与效能;应用在网络安全上，也可协助预测安全程度，防止外泄风险邮件。