传统的网络摄像机对于网络带宽的要求较高，1080P的图像，即使反复压缩后，也需要至少8Mbps带宽。主要是由于网络摄像机直接把大量数据的高清视频回传给数据中心里的NVR，很难对所有图像进行实时分析，大部分时候是对保存的图像进行事后分析。如果全部通过后端数据中心处理，不论处理能力、存储还是网络，都是不可能承受的。
AI智能处理“云+边缘节点”将成为业内主流的解决方案，即前端摄像头和后端系统均设有AI功能。前端摄像头可以实时对大部分视频数据进行结构化处理，例如，设置在交通路口的摄像头可以提取车牌，车型等汽车信息和乘客数量，是否带安全带等乘客信息回传给数据中心。而小部分不容易识别的视频数据才会发送至后端系统处理。同时，前端处理完的数力投放以及治安管理更加科学、精准、有效的掌控。其中4K/8k的超高清普及是据已经结构化，数据量极大减少，发往后端做存储和进一步的分析。
未来以“AICloud”架构基础+视频摄像+应用场景将赋能传统行业打开新市场，AiCloud面向公安、交通、司法、文教卫、能源、金融、智能楼宇等行业，将赋能各行业智能化转型。例如，在公共安全领域，AICloud能快速打击犯罪;在公共服务领域，AICloud服务智慧出行;在商业领域，AICloud能帮助商户优化产品和服务，提升经营效率;在金融领域，AICloud赋能精准营销，提升客户体验;在教育领域，AICloud将实现智慧教育，创新教学管理。随着“AI+摄像”设备接入量不断提升，至2022年，中国智能安防行业市场规模将达到近万亿。
AI将成为视频监控技术发展主方向
前端摄像机内置人工智能芯片，可实时分析视频内容，检测运动对象，识别人、车属性信息，并通过网络传递到后端人工智能的中心数据库进行存储。这是人工智能满足视频监控实战应用需求的优势。
目前，人工智能在安防领域的主要应用场景包括以下几点：
1.人脸身份确认
人脸身份确认应用属于卡口场景仿人AI应用，以公安行业人员布控为代表，在关键监控点位安装人脸抓拍摄像机，通过后端人脸识别服务器对抓拍到的人脸进行比对识别，确定该人员身份。一种是与人脸黑名单库进行比对识别，另一种是和静态人脸库进行比对识别。
人脸黑名单动态布控应用中主要利用人脸抓拍摄像机从高清/超高清视频画面中使用深度学习模型检测并抓拍人脸照片，然后提取人脸深度学习特征向量，与黑名单库人脸的比对并实现报警提示。
人脸静态比对指的是使用深度学习模型检测并抓拍人脸图片，然后提取的人脸深度学习特征向量与静态库中的人脸比对识别，确认该人脸身份。
2.车辆识别应用
车辆识别应用属于卡口场景应用。车辆识别技术是公安实战中应用最成熟、效果最明显的技术之一。借助遍布全国各地交通要道的车辆卡口，车牌识别使得“以车找人”成为现实，成功协助警方破获各类案件。车辆识别技术已经从初级的基于车牌的车辆识别应用阶段，发展到车型识别、套牌车识别等精准的车辆识别应用阶段。
3.视频结构化
视频结构化应用一般属于非卡口应用。在视频结构化分析与快速检索应用中，视频结构化业务功能是对视频中的机动车、非机动车、行人等活动目标进行分类检测，并对其特征属性识别。提取目标小图和场景大图写入存储设备，便于后续快速查询及智能检索。通过视频结构化业务快速分析并提取出视频中感兴趣目标的特征属性信息，用户能够高效获取案事件相关线索，促进大安防时代视频数据从“看得清”跨入到“看得懂”的阶段。
4.行为分析
通过行为分析系统对人员的异常行为进行分析处理，可应用于重点区域防范、重要物品监视、可疑危险物品遗留等行为的机器识别，也可对人员的异常行为进行报警，极大提升了视频监控的应用效率。另外，还可以实现对群体的态势分析，如人群密度分析、人员聚集分析等，对重点区域或人员聚集较多的场所态势进行分析，防止人群事件发生，做到提前预警、及时处置。 |
