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

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實。

硬件+數據+算法助力安防IVA 快速落地。

IVA 快速發展受益于深度學習的發展,驅動深度學習神經網絡算法進步的核心是大規模的訓練數據、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擁有天然的監控數據源,從數據層面來說,我們認為安防行業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 從理論走向現實。

安防監控硬件企業的智能化轉型,看好硬件龍頭產業鏈重塑。

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,在商業化層面會縮短與算法公司差距。從研發投入看,海康、大華每年研發開支10 億+,算法團隊100 人家+,資金優勢相對傳統算法企業優勢巨大。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:需要專業團隊/系統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。