2022-02-18
随着国家“十四五”规划指出要加快数字化发展、建设数字中国等众多引导性政策的出台,安防行业各大细分领域迎来新一轮利好。2021 年安防行业在后疫情时代整体发展速度有所恢复,据相关数据显示, 安防行业一、二、三季度的生产规模、内销市场、企业盈利、外销市场等主要景气指数都出现较大幅度提升,劳动力需求、企业投入也相应增加,安防企业对未来抱有较强信心。在安防视频监控运维服务领域,广州弘度信息科技有限公司作为一家专注于人工智能落地应用的科技型企业,是国内专业的视频人工智能诊断产品提供商。公司以研发 AI、物联网等新技术在视频领域的创新应用为主,产品目标聚焦在如何使 AI 技术与业务场景更好地融合和落地;公司具备前沿技术的预研能力和落地实践能力。团队自主研发的有源视频质量诊断技术、多维度录像诊断技术、超高精度人体目标识别等核心技术已在视频卫士、智能运维平台、视防报警系统等核心产品应用,产品广泛应用于公安、司法、交通、金融、教育等领域。本期《市场热点》栏目采访了弘度科技产品总监李焕佳,对 2021 年安防视频监控及运维市场特点及未来发展方向进行分析和展望。
《中国安防》:多环境因素影响下, 2021 年国内安防行业的视频监控市场呈现了哪些特点?
李焕佳:中国安防经过四十余年的发展得到了迅猛的扩张,逐渐发展成为一个市场规模巨大且稳定的成熟行业,单中国市场就占据着全球安防近60% 的市场份额。受新冠疫情、国际贸易限制等国内外环境的影响,近两年国内经济增长速度放缓, 国内视频监控市场的发展也受到了波及,增长速度变缓、市场侧重点也发生了一定的变化。一是市场区域和用户的变化,视频监控建设正由主城区、发达地区延伸至如城中村、乡镇、村落等基层和欠发达地区,应用行业从侧重传统的公安、司法、金融、交通等转向教育、文博、商业住宅、医院、环保等新兴行业;二是建设侧重点的变化:国内视频监控系统建设正在从“建设- 运营”转向“建设- 考核- 运维”,监控系统的运维比重正在逐渐加重。
整体来看,安防行业持续蓬勃发展,视频监控市场呈现以下特点:
1.行业将继续保持发展态势,应用向深度和广宽拓展
安防行业与经济、科技、国际反恐态势以及居民安保意识密切相关。随着行业的不断发展,公安、交通、金融、司法等传统安防领域应用将更加深入;教育、环保、医疗卫生、安全生产等应用领域增长速度加快, 民用领域如智能楼宇、社区、居民安防应用也在快速增长,用户的个性化需求成为重要增长点。市场应用由一二线城市向三四线城市及农村地区延伸,由通用需求向更加细致的需求转变,市场逐步扩大
视频监控产品应用目前多集中在交通、公检法、金融、教育、政府、商业住宅等。2021 年以“智安小区”建设为主的小区视频监控建设项目在不断增加,这主要与视频监控应用领域扩展过程是从重点部门向一般部门、从公用到个人有关。视频监控领域在普通经济领域的应用量小,未来市场空间较大, 而传统行业将向深度和广宽拓展。
2.行业集中度不断提高,技术创新成为核心因素
近几年,安防行业技术、品牌和资本的整合更加深入,企业间的合作已经由技术、产品、资本等扩展到了品牌、渠道层面,行业的集中度加速提高, 市场份额进一步向主流企业集中。企业间的竞争逐步转向产品创新、性能优化、产品质量、企业品牌、企业服务等全方位的竞争。
在技术升级和价格战的压力下,小企业将被加速淘汰。从今年平安城市、智能交通等集成项目的中标情况来看,无疑都是大企业中标居多,安防产品份额“海大”两大巨头市场占有率已然超过一半, 视频监控市场的集中度将持续逐年提升,寡头垄断的竞争格局将愈加明显,掌握核心技术的企业将在未来产业链竞争中更具竞争力和影响力。
物联网、云计算、人工智能和大数据的技术与理念不断深入安防视频监控行业,技术变革和产品升级迭代不断拓展和延伸安防行业的应用领域,技术创新成为企业竞争的最关键因素。不同行业客户的差异化、定制化需求,也促使企业不断丰富产品线, 重视技术创新。未来的技术发展趋势将会是高清化、智能化、多维度、超整合、低成本。
3.AI应用促进行业创新发展,跨界合作加深
随着安防行业的持续发展,商用、民用视频监控设备需求不断増加,人工智能的落地应用,促使视频监控在公安、交通、教育、银行、小区等领域衍生出更多的软硬件产品,应用更多转向业务层面。视频监控监控系统与人工智能技术的深度融合,使得其识别率、准确率及分析率得到进一步提升,视频监控系统所产生的海量数据由此可能会衍化出更多的信息数据。
应用领域不断扩展、产品技术快速变革、市场规模持续放大、产业资本积极入场诸多因素在共同推动视频监控行业的竞争不断升级,新赛道、新技术、新模式在快速成熟和迭代。智能化使得视频监控系统的安防属性在逐步减弱,而物联网属性却越来越强,家居安防、云端的 AI 服务、AI 算法供应商、产品模组等新业态也在不断涌现,给行业带来了创新和活力。在“互联网 +”的发展趋势下,视频监控设备厂商与算法厂商、芯片厂商、第三方软件商、综合解决方案商等积极跨界合作,从而实现资源配置、品牌效应、信息共享的优势互补。
4.视频监控系统成管理抓手,运维受重视比例加重
中国无疑是新冠疫情爆发以后防疫管理做得最到位的国家。视频监控系统作为重要的管理手段,在基层的网格化管理发挥了重要的作用,代替人力做了很多的工作,如重点区域的隔离监控、防控管理、日常的流动人员管理等。视频监控在刑侦破案、治安防控、社区维稳、疫情防控等方面发挥着立竿见影的效果。随着视频监控覆盖率的提高,用户开始更多地关注视频图像信息的应用,视频图像质量与视频监控系统的应用效果息息相关,是直接反应监控系统运营效果的关键指标之一。今年招标的视频监控运维项目中, 部分已经开始要求用运维软件进行运维效果的考核, 或是直接将用户关注的系统指标进行关联考核,如设备在线率、完好率、视频质量、前端设备的巡检次数、硬盘完好率、图像存储时间、可调阅率这些作为具体的考核项。某市的一个区级视频监控运维项目就提到调取案发现场的监控摄像头,如由于设备故障导致的没有录像,运维单位将要被扣除当期维保费用。从这个侧面可以反映,用户对视频监控系统的稳定性和运维质量要求越来越高。
《中国安防》:请您谈谈现阶段海量视频监控下的运维市场情况。
李焕佳:视频监控系统已经成为城市治安管理的重要组成部分,随着国家新基建的发展,智慧城市的不断建设,视频监控系统朝着高清化、智能化、规模化、密集化发展,城市安防监控规模呈指数化增长。据机构预测,到 2022 年中国的探头总数可能会达到 6.26 亿个。视频监控逐渐形成了规模不断扩大、设备种类庞杂、联网结构越来越复杂、参与维护的人员众多、产品升级换代节奏加快、系统建设升级改造活动越来越频繁的趋势。
很多视频监控系统在设计时虽然十分注重前端设备质量,但对其运营维护却缺乏管理,因此出现故障常常不能及时发现、及时解决,导致系统不能正常运行甚至处于半失效状态。目前视频监控运维普遍存在以下问题:
2015 年,国家发展改革委员会等九部委就发文要求,重点公共区域安装的视频监控摄像机完好率要达到 98%,公共区域的视频监控摄像机完好率要达到 95%。同年,公安部要求通过图像信息部级联网平台的运维管理模块对各省平安城市运维情况进行考核,联网指标、在线率、完好率和图像质量成为公安系统视频监控运维情况考核的标准。国家及地方政府对视频运维的要求在逐年提高,视频运维保障成本也在飞速上涨。
视频监控系统如果采用传统的人工运维方式, 其被动运维效率低下,经常出现漏检问题,数据统计不全、考核无法下手,无法适应城市视频规模高速增长和相关业务应用不断增加的管理需求,运维管理只会越来越被动。从人力成本上涨、技术复杂性和专业性等因素综合衡量,未来以智能化技术工具为主导的专业运维必是行业的发展方向。
《中国安防》:未来,视频监控系统运维与AI将怎样融合,又会给市场带来怎样的影响?
李焕佳:视频诊断AI算法的深入研究,以及AI技术和大数据融合,实现智能运维(AIOPS)。
1.视频运维的技术基石—视频诊断AI算法
近几年人脸识别、目标识别等视觉分析类算法发展迅速,但专门应用于运维场景的算法没有受到太多的关注。业内视频诊断产品,在算法层面没有突破性发展,哪怕是最优秀的选手,识别率最高只能达到 90%-95%。这个准确率对于小规模应用勉强可以接受,但是一旦设备数量超过万路的项目, 误报数量也是非常惊人的,需要投入大量人力进行复核过程,无法实现自动化、智能化运维。
目前发展比较成熟可以大规模应用的人脸识别、目标识别算法,之所以发展如此迅速,主要原因是:
(1)此类算法需要的模型训练生产资料非常容易获得;
(2)AI 基础层供应端的产业配套齐全,包括一站式数据治理平台、计算硬件平台、AI 软件开发平台;
(3)完整的产业链供给,使得需要该类技术的企业只需要投入较少资金即可采购到高质量的解决方案进行集成。
而视频诊断的 AI 分析算法,并不具备人脸识别场景那么好的发展条件。要想生产出高质量的产品, 那么在算法定义、数据收集、模型训练、准确率评估几个方面都存在更高的门槛。
(1)算法定义:视频监控的图像异常情况非常繁多,类型界定模糊,无法统一量化标准,因此大多数图象场景需要多种算法组合,对单种图像异常类型仍需要定义大量的模型才能适应不同场景;
(2)数据收集:异常故障多为偶发事件,数据量非常少,并且无法模拟,无法批量生产训练数据,需要具有大量项目基础数据积累才能形成孵化产品,建立可持续采集、持续发布的应用模式才能具备持续优化产品的能力;
(3)模型训练:异常故障数据多集中在常见故障,异常的图像样本个体差异非常大,传统的模型训练方式和成效,只能满足一些基本的功能,精度可达到90%以上。如果没有应对不常见视频质量问题和图像个体差异的措施,系统功能和准确率会出现严重偏科的情况。
(4)准确率评估:异常故障界定必然会受到主观判断差异的影响,1千个用户心中就有1千套衡量标准,一套标准只能趋近大多数场景的期望,标准算法只能无限趋近大部分用户的期望,无法满足所有用户场景的需求。因此视频诊断系统就需要配套技术手段应对这些矛盾冲突,才能有效提升实战应用的准确率。
视频诊断系统要提升准确率和适应性,除了要解决标准化AI算法持续优化问题,还需要关注产品交付过程中,算法定义、数据收集、模型训练、准确率评估4个环节如何做到自动化、智能化,将自主学习的理念融入到产品使用过程中。
视频诊断技术的准确率和适应能力是实现智能化运维的基石,弘度科技通过多年研究设计的有源视频质量诊断技术(Active-VQD)为打造智能化的视频运维体系提供可靠的数据来源。全新自主研发的有源主动学习框架重新定义视频图像质量评估系统,对实时和录像画面中存在的质量问题进行智能分析、判断和告警,允许针对单个摄像机设置分析模型,实现“千机千面”,降低因为摄像机工作环境不同或用户的主观判断差异所致的误报、漏报,与同类产品相比可大大提升产品的准确性和适应能力,诊断准确率高达99%。
2.未来视频运维产品的价值增长点—AI技术和大数据的融合实现智能运维(AIOPS)
城市级的视频监控系统规模越来越大,视频联网的组网结构环节越来越多且复杂,一个请求的可能路径以笛卡尔乘积方式增加,一个节点异常往往会引起网络上多个资产告警。用户侧出现各种视频无法调用或者质量下降的现象,很有可能是多个环节异常造成的。这给故障发现、故障定位、故障应急处理带来巨大的挑战。针对这种情况,把人工智能引入到自动化巡检诊断过程,以及通过人工智能进行故障定位提高运维效率,缩短故障恢复时间。
现阶段的视频运维工具主要是发现单个视频设备的故障,但无法精准地定位故障原因及业务影响分析,例如某个视频点位无录像,可能原因有硬盘故障、无硬盘、未配置录像计划、设备关机、网络中断等。近年来,各种网络监测、物联网监测设备都已上线为智慧城市保驾护航,虽然可以实时监测前端设备工作状态,使运维更加便捷,但远远达不到故障精准定位的严格要求。
清华大学裴丹教授总结说“智能运维落地的核心挑战是:从工业界的角度,我们有数据、有应用, 但是缺乏一些算法和经验;从学术界的角度,我们有不少理论算法,但是缺乏实际的数据以支持科学研究,也不熟悉运维的场景。基于这个思路,我们通过收集大量的视频监控系统运行数据,不断地研究越来越多运维场景和人工智能之间的结合点。
视频监控智能运维场景有十几种,由于篇幅所限,本次主要从根本原因上对运维场景进行分析。在大型视频监控系统中,完成一次视频点播服务需要经历多个产品、多个节点、多个进程,会调用多个接口。一旦视频点播链路上某个节点异常,会导致上游所有节点表现异常,此时监控系统上会表现为多个产品同时告警。理想状态下故障点及之前的节点堵塞,故障点之后的节点没有请求,此时只需将点播路径上的负载及情况可视化就能够快速定位问题。不过实际情况是一个接口往往被很多用户使用,一个节点上一般提供多个接口服务,流媒体服务器等分流设备后有多个同类型节点,这些因素构成了一个复杂的 IT 服务网络。在复杂网络下,视频
质量下降,很难在监控系统上引起明显特征。这种场景适合应用人工智能,人工智能系统能够很好的捕捉这个特征,在故障发生且还没有引起大规模业务堵塞的时候通知处置系统采取动作。这不仅降低了运维人员应急处置压力,更为重要的是提升了系统连续性。基于运维知识图谱选取数据,训练模型可以有效降低模型训练时的数据范围,去除服务网络上无关数据干扰,使模型训练更快速准确。在训练根本原因分析模型时,主要是找出异常发生位置与路径上各种监控指标的关系。
未来,通过 AI 和大数据技术的快速融合,通过全局搜索、关联分析、机器学习、数据建模等,视频运维的故障精准定位应可自动分析各种故障因素进行排查并最终确定故障原因且可自动给出维护的指导意见来辅助运维,视频运维工具终将成为易用工具。
从政府公开的相关规划可知,在“十四五” 期间政府对于公共安全投入的大方向保持不变,平安中国依然是主要的建设方向之一。2021 年作为“十四五”的开篇之年,新基建、智慧城市建设等相关政策助推人工智能、云计算、大数据、5G 等前沿技术在安防行业得到进一步的应用,新技术 + 新场景将成为国内视频监控市场的新增长点,同时雪亮工程、智安小区、城镇老旧小区改造等项目也将带来一定的增量市场。同样地,视频监控运维市场也将随之水涨船高。
弘度科技作为专业第三方运维产品服务提供商将携手企业伙伴共同打造视频监控运维服务新生态, 更好地服务各行各业客户。2022 年安防视频监控运维市场将是机遇与挑战并存的一年,前景广阔、未来可期!