1)近年来安防视频监控向高清化与网络化发展是实现安防智能化的大前提:一方面,高清监控设备传递回来高清监控图像,才有可能对画面上的各种细节(人脸、车牌号等)进行识别;另一方面,网络化监控设备采用云端存储,传递实时图像,为实时动态分析提供基础。

2)大数据时代IVA 的必要性:海量视频数据,采用人眼识别难度越来越高IVA 采用计算机视觉结合人工智能,对图像进行智能分析,使得安防大数据分析成为现实。

硬件+数据+算法助力安防IVA 快速落地。

IVA 快速发展受益于深度学习的发展,驱动深度学习神经网络算法进步的核心是大规模的训练数据、硬件运算能力和深度学习算法的增强。

1)数据:深度学习算法的鲁棒性、泛化能力大小都取决与数据训练的量级而安防行业拥有天然的监控数据源,从数据层面来说,我们认为安防行业是人工智能落地最快的方向。

2)硬件:相对CPU,GPU 更适合于数据级并行,因此GPU 更适合深度学习中大规模量级的运算需求。GPU 目前已经广泛应用在IVA 前后端设备中去。

3)算法:伴随硬件技术升级,深度学习算法快速发展,以人脸识别为例2015年ResNet 算法识别错误率已经达到3.57%,低于人眼5.1%的识别错误率。

深度学习算法助力IVA 从理论走向现实。

安防监控硬件企业的智能化转型,看好硬件龙头产业链重塑。

1)安防智能化浪潮下,硬件龙头首先受益于硬件价值量提升:前端集成GPU/TPU,价值量翻倍;后端集成GPU 阵列,价值量是传统产品5 倍以上2)硬件龙头向核心算法延伸:深度学习核心是数据,硬件龙头掌握安防数据入口,有大量数据资源,在商业化层面会缩短与算法公司差距。从研发投入看,海康、大华每年研发开支10 亿+,算法团队100 人家+,资金优势相对传统算法企业优势巨大。硬件龙头向上游布局算法&芯片,把握智能安防核心竞争力。

3)深度整合IVA 上中下游产业链:安防智能化提升,安防集成与运维重要性大幅提升:需要专业团队/系统进行平台搭建及对后台数据进行跟踪、提炼、分析。硬件龙头向下游切入项目集成与运营,承担“解决方案提供商的角色。