2019年中国AI+安防行业研究报告.pptx

2019中国AI+安防行业发展研究报告,SMS,摘要AI+安防是人工智能技术商业落地发展最快、市场容量最大的主赛道之一，预计到2020年，AI+安防软硬件市场规模将达到453亿元，其中视频监控尤其是中心侧业务将先行发展，知识图谱和安防智能机器人发展潜力较大。,AI+安防产业链较长，上下游关系并非泾渭分明，角色界限比较模糊，竞合关系复杂。在此背景下，人工智能公司应从战略管理到业务能力构建竞争壁垒，坚持技术引领业态，不断探索AI+安防这一广阔市场的实战需求，提升市场对AI的反响和预期；安防厂商应着眼全行业、全产业链条的整体需求，积极拓展业务范围。未来AI+安防行业将形成人工智能公司、安防厂商、集成商、云服务商并立的格局。市场在AI+安防建设大规模完成后，也将迎来应用与运维市场的焕发，下游运营领域将成为新战场。未解之处，请继续关注2017年中国计算机视觉行业研究报告、2018年中国人工智能行业研究报告，及即将发布的2019年中国人工智能行业研究报告、2019年中国AI+IoT产业研究报告。,行业概述篇AI赋能篇商业分析篇未来思考篇,1234,AI+安防全景,AI+安防的概念界定本报告聚焦于计算机视觉和知识图谱技术在城市级及行业级安防场景中的实际应用情况本报告中所阐述的“AI+安防” 指的是人工智能技术在安防场景中的实际落地应用。人工智能技术主要表现为，感知方面的计算机视觉技术和认知方面的知识图谱技术在安防产品中的使用情况；安防行业根据不同的使用场景可以分为城市级安防、行业级安防和消费级安防，其服务分别面向政府需求、企业需求和C端消费者需求，本报告所研究的主体为城市级和行业级安防。AI+安防概念界定安防,AI,城市级计算机视觉感知,行业级知识图谱认知,消费级,技术的垂直应用将不断涌现。,AI+安防行业的发展历程被动监控向主动识别过度，AI技术成为安防发展的推动力纵观安防行业发展历程，主要是围绕着视频监控在不断改革升级，至今共经历过五次变革。“看得到、看得远、看得清”一直是推动行业进步的主要因素，而2015年AI技术的产品化引入，使得行业从被动监控向主动识别过度，“看得懂”成为了视频监控产品的主旋律。2016年、2017年通过国家大力建设和企业积极创新的共同作用，2018年AI+安防行业进入快速落地阶段，科技开始真正赋能产业，在未来，AI技术将成为推动安防行业的主要力量，市场广度会不断拓宽，各类基于AI,AI+安防行业的发展历程,模拟监控阶段（1979-1983）安防行业逐渐形成以模拟摄像机,+视频矩阵+磁,带录像机为产品矩阵,数字监控阶段（1984-1996）采用数字记录技术的DVR产品，,取代了磁带录像,机，在各项功能上产生突破,网络监控阶段（1997-2008）视频监控系统更加复杂，出现网,络,摄,像,机,高清监控阶段（2009-2012）安防系统已经初步扩展成为集数,据传输、视频、,智能监控阶段（2012-今）随着计算机视觉技术的落地，人,工智能成为了推,动安防行业发展的重要手段2012,报警、控制于一体的平台化应用2013,+NVR+软件系统的产品矩阵2014,2015,2016,2017,2018,未来,GB/T28181-2011国家标准颁布实施,国务院发布物联网指导意见,H.265标准在国内开始普及计算机视觉开始应用于视频监控,人工智能成为安防行业最大热点,众多互联网科技公司涌入安防行业,人工智能技术进入快速落地阶段,经国务院同意，八部委联合印发关于促进智慧城市健康发展的指导意见,国家建设会持续投入市场广度将会不断拓展,行业概述篇AI赋能篇商业分析篇未来思考篇,1234,AI赋能篇目录,AI视频监控系统,智能机器人,公安知识图谱,对前端接入的部分视频流、图片流进行人脸识别比对，实现结构化属性分析识别与存储,AI摄像头,卡口相机,全景相机,其他类型摄像头,高清摄像头,智能视频监控一体机/NVR,人脸识别盒子,存储、解码等其他服务器,智能比对分析及管理系统智能分析服务器 人脸实时布控 人像大数据 中心管理及数服务器 服务器 据库服务器人像系统,边缘侧,市、区（县）分析中心,主要建设动态比对识别系统实现实时视频监测抓拍、实时过人比对（1:1,1:N,N:N）、视频结构化属性识别智能应用包括：人员布控、人口管理、落脚点分析、轨迹分析、情报研判、人脸大数据分析等省级分析中心主要建设静态人像系统，实际应用中，人证比对终端等采集的数据也会接入系统实现人员数据的静态查询智能应用包括：图像检索（1:N,N:N）、属性分析比对、串并案分析等,采集信息实时监测,AI视频监控系统AI基础能力包括动态视频分析、静态人脸比对公安AI视频监控系统主要有动态比对识别（主要基于视频流）和静态比对识别（主要基于图片流）两类基础能力，其中，动态比对识别系统主要由市级及区县级公安部门建设，用于实时抓拍比对告警，大型静态库则主要由省级公安部门建设，用于响应各级公安的数据查询需求。2018年典型公安人像视频监控系统架构图端侧,基于人及其轨迹进行监测与布控建设了大量摄像头，视频监控数据量巨大，但嘈杂信息多，有效数据需挖掘单个案件侦破平均要调看3000小时录像，对警力耗费巨大，安防对技术手段提升业务效率的需求更强传统安防侧重事后侦查，面临源头管理、动态管理不足等问题,透过数据看AI+安防视频监控的长期成长城镇人口及人员流动大幅增长，强化社会治理对AI技术需求社会治安防控的基础逻辑是围绕人及其轨迹进行监测、布控，即围绕“居住的人”和“流动的人”，其中城市摄像头密度高、人员复杂且活动频繁，是社会治安管理的重点。从长期来看，我国城镇化率不断提升，大型城市（常住人口在百万以上）人口占比增长明显，轨交、铁路、民航等客运量大幅提高，未来这一趋势将继续存在，传统安防依靠人力查阅监控的方式难以满足业务需求，社会治理对技术手段的需求更迫切，构成AI+安防行业长期成长的基本盘。,注释：1.大型城市指常住人口超过百万人的城市；2.请注意图中所有数据均为增长率。,2013年-2017年中国治安防控相关对象增长情况,AI技术与安防监控的契合之处,人口管理基数增长率,城镇化率 大型城市 大型城市数量占比 人口占比,轨交客运量 铁路旅客 民航机场旅发送量 客吞吐量,8.9%,10.5%,27.4%,46.4%,人员流动增长率67.6%52.3%,基于计算机视觉的人脸识别、视频行为分析技术日益成熟，对于人的识别和追踪可进行实战应用能够将各种属性关联进行数据挖掘通过感知与认知技术可将人力查阅监控和锁定嫌疑人轨迹的时间由数十天缩短到分秒可对监控信息进行实时分析，使安防管控前移到预警和实时响应阶段,安防四大特点,AI四大特点,透过政策看AI+安防视频监控的长期成长政策指导为AI+安防视频监控的智能升级提供保障从2016年到2018年初，十三五规划、十九大报告、雪亮工程等不断强调提升安防视图资源共享协作及联网率、高清化建设。监控视频图像结构化数据的协作机制逐步建立，以及视频监控的清晰度和联网率得到快速发展，为监控智能升级奠定了较好的基础条件，使AI+安防视频监控得到较快推进，预计2020年将实现从公共安全到民用监控的各个场景实现智能化。政策指导下协作机制、联网率及高清化为AI+安防视频监控的智能升级提供基础保障,2017年,政策指导,对安防信息化、社会治理智能化做出要求,对视频监控增点扩面、高清化升级及联网共享模式做出要求十三五规划与十九大报告,公安部指导,发布行业标准，解决采集数据的结构化标准及其应用问题；推动视频监控的全网共享雪亮工程,AI+安防基础的发展情况视图资源共享协作机制与公安大数据战略,公安视频图像信息联网共享应用六项行业标准，解决了监控联网系统协议结构、视图分析系统及标识编码等标准化问题，推动各类视频监控系统实现采集数据结构化与快速分析联网率、高清化,摄像头密度仍然较低，且超过80%的摄像头性能及架设情况无法支撑AI应用智能化,雪亮工程要求，2017年底至2018年，一类视频监控点达到覆盖率100%，一类视频监控点新建高清摄像机达到100%,二类视频监控点覆盖率100%，其中涉及公共区域的二类点视图资源联网率达到100%；一类点新建、改建高清摄像机比例达到100%,全国公安厅局长会议指出大力实施公安大数据战略，强调打造共建共治共享的社会治理格局。以上海为例，智慧公安建设开启，社区、单位等安防物联系统建设逐步进行，推进全社会联网共享形式的协作公共安全,AI视频监控系统建设如火如荼，估算全国累计建设动态人像卡口近10万路，接入动态视频解析的摄像头路数超过66万路，全国各省均部署了静态库2018年,从公共安全到民用监控的各个场景实现智能化，前端智能设备渗透率进一步提升2020年,视频结构化,11681,11549,11320,11726,男短发眼镜长袖站立,小轿车蓝色京QPL666,确定侦查范围现场勘查与案件初查,确定嫌疑人摸底排查、资料查询、技术侦查、阵地控制,取证拘捕内线、技侦、蹲点、讯问,摄像头过人抓拍,比中、抓捕,对视频流智能分析,与黑名单库比对,对行人、驾驶员及车辆监测、跟踪、比对，快速查阅视频线索,人脸识别,AI视频监控系统的技术演变视频结构化与人脸识别仍是主流应用2018年及之前，人工智能在公安中核心主流应用包括视频结构化和人脸识别。（1）视频结构化：对视频内容自动处理，提供目标的监测、跟踪、属性分析、以图搜图等功能，能够用于案件侦破全流程的效率提升，提升公安信息科技水平，但由于视频蕴含的信息复杂多维，而属性标签由人工选取和定义，不够丰富，并且仍需人根据结构化之后的信息走访排查，因此实战应用效果有待优化；（2）人脸识别：对动态视频中的人脸与黑名单库中的影像记录做实时比对，使拘捕抓逃环节依赖蹲点抓捕等传统手段的不足得以改善，人脸作为识别身份的强介质，在实战中准确高效，目前应用已经较为成熟。典型案件侦破流程及人工智能在其中的应用, 较小规模监控场景中准确率约超过70% 目前主要处于试点应用阶段，可服务于技侦、刑侦, 仍需人工辅助做匹配判断,实战应用,注释：不同项目建设成本与周期差异很大，此处数据为参考值。,ReID,行人再识别,75%建设成本节约60%建设验收周期缩短,80%存量摄像头可用,商业价值,无需全部新建人脸卡口，可以充分利用原有基础设施,应用方式,人脸+行人,在关键卡口位置建设人脸摄像头采集人脸,及人身图像，其他点位配合普通摄像头采,集人身图像，把检索目标在各个不同摄像头出现的视频段关联起来，配合行人跟踪（MOT）技术形成轨迹还原, 图像采集，将检索图与底库图抽取特征 计算相似性 根据相似度对检索结果队,列进行排序,技术流程, 首位命中率：排序第一位的图片是否命中检索对象 平均精度均值：所有命中检索对象的图片在队列排序中,是否相对靠前,评价方式,AI视频监控系统的技术演变跨镜追踪将成为近年AI绕过基础设施限制的最有效途径存量前端感知设备很难满足人脸识别所要求的架设高度、角度等需求，超过80%的摄像头需要换新或改造才能用于人脸识别，而这一般涉及长周期高投入的建设。2018年，AI+安防业内头部玩家开始重视将ReID（行人再识别）技术与人脸识别结合应用，充分利用现有设备和基础设施，实现跨摄像头对检索对象进行连续追踪和轨迹还原，增强数据的时空连续性。ReID的应用与价值,检索图,检索结果队列排序,云从科技技术方案图示,大数据/,机器学,GIS,检索引擎,习引擎,半结构/非结构化,AI引擎,关系,结构化数据,数据,基于人脸的大数据,在云端构建视图AI运算服务池和大数据资源池，通过API和中间件整合多系统数据，实现数据共享和业务联动，应用层服务主要包括人像布控、态势预警、关系图谱、ID融合、线索分析、异常行为分析、涉毒挖掘等,应用方式,视频结构化和大数据的融合应用, 数据治理：依据应用方向（如实时布控、离线分析等）精准处理 复杂分析模型：通过机器学习构建多维线,索分析模型并形成技战法,评价方式 响应速度：通常应秒级响应,用场景解决方案而有较大差异 以应用工具为主，同时开始出现大规模项目 需要人工二次研,判,实战应用 准确率因不同应,基于“识别人” 这一核心基础能力，人脸大数据的应用使视图数据、社会数据和公安业务数据成为辅助用户决策的知识，形成感知与认知的AI能力闭环，匹配刑侦、缉毒、经侦等多警种需求,从业务的导向出发匹配场景,商业价值,感知层,平台层,应用层,视图资源,社会数据,数据云存储 多系统数据和视频汇聚,中间件及接口,态势预警,综合轨迹,典型架构关系 行为图谱 分析,线索分析,身份认定,抓拍检索,AI视频监控系统的技术演变当结构化数据池形成后，以人脸大数据应用为代表的认知计算将成另一个爆发点安防认知分析尚未与感知智能完成打通，未来认知计算将成为突破AI+安防智能水平的重要方向。2018年，随着公安视图数据结构化工作的推进，汇聚视图数据、社会数据和公安业务数据，并形成针对具体业务的实战解决方案成为行业新热点。基于人脸的大数据应用与价值,公安业务数据,数据模 业务调 运维鉴型库 度引擎 权服务数据 数据ETL, 3D数字降噪、宽动态、透雾、强光抑制、人脸识别防遮挡、图像配准等图像处理算法 支持多种视频编码传输技术 注重传感器的选取与架构设计，并确保施工中架设点位准确, 设备芯片升级 与后端服务器协同，通过服务器分配的计算资源做进一步智能化处理 在设备上加载部分深度学习算法,采集能力,处理能力,2018年AI摄像机渗透情况：在公安新建动态识别系统项目中，渗透约达16.6%；若考虑存量监控系统，渗透率约为0.4%1 信息采集质量 2 信息处理能力获取全面、清晰、抓拍角度易识 对视频流、图片流信息在前端别的图像，主要手段： 进行一定的处理，主要手段：,AI视频监控系统的建设逻辑AI前端感知节点市场比较理性前文提及，安防人脸识别的实现大多需要新建或改造现存前端摄像机，简单来看，人脸检测、抓拍乃至比对等人脸识别算法可由AI摄像机在感知节点实现，或由高清网络摄像机配合后端服务器完成。2018年市场较为理性，从铺设速度看，AI摄像机在公安动态识别系统项目中渗透约达到16.6%，而若考虑全国近2300万路现存公安监控摄像头，则渗透率约0.4%，从设备能力看，符合应用场景可用指标为核心准则。2018年中国AI摄像机建设逻辑与发展概况,特征一：具备计算机视觉全链条技术积累的企业将感知成像能力作为差异化竞争优势特征二：分辨率以200万像素为主流，占比超70%，600万、800万甚至上千万像素产品使市场更丰富,特征三：抓拍像素从15*15到50*50不一而足，以30*30应用比较普遍；单帧抓拍人脸数也可从20到250，依场景需求而定，以20-40为相对主流需求；抓拍率一般达到95%-99%以上,2018概况,2018概况,案例云从科技8百万像素AI摄像机适用于人流密集区域，能实现人脸人体抓拍、车辆抓拍、行为分析及结构化,特征一：设备芯片方案差异大，GPU模块、ASIC、FPGA、NPU等均存在特征二：高端设备可以加载多算法，包括人脸检测识别、行人检测抓拍、行为分析、车牌识别等多种算法,静态系统,动态布控系统,AI视频监控系统的建设逻辑试点项目与标杆项目的临界期，规模化联动布控价值凸显省级静态库与地市、区县的动态布控的业务逻辑有所不同。静态库一般处理针对省内人员数据的查询需求，查询频次与并发响应约为千次/月至万次/月，其技术门槛主要涉及底库容量与检索速度。动态识别系统主要解决人员布控问题，每路摄像头需要实现过人比对、自动报警，系统还应支持通过与历史数据比对碰撞，还原人物轨迹的实战需求，由于过人量、抓拍数较大，调用频次相较于静态库高很多，其能力主要涉及布控库容量、系统架构对高并发的支撑性、识别算法误识率、数据融合挖掘能力、轨迹还原细粒度与准确性。过去，公安动态人像监控项目一般规模较小，多以试点形式进行，约几十路到两百路，2018年，大规模、标杆性项目陆续出现，依靠单路布控加人工辨图提升还原轨迹准确性的方式很难做到有效的实战布控，规模化联动布控将成为较高门槛的业务场景，另外前文提及，中国大型城市人口占比增速是城镇化速度的三倍，未来大型城市综合管理场景需求将先行爆发，对系统性能的要求将指数式增长，百万级库容、数据融合挖掘（如时空数据、侦控数据、社会数据、互联网数据等）、算法对摄像头间并行轨迹分析的二次校准能力将成为优势竞争力。2018年公安人像视频监控系统核心能力,底库容量检索速度,布控库容量,查询需求,并发能力融合数据挖掘轨迹还原细粒度与准确性,2012,2013,2014,2015,2016,2017,2018,2019e,2020e,AI视频监控系统的建设逻辑AI视频监控成本进入下降通道，利于渗透加速在国产化的作用下，传统监控（包括模拟摄像机、高清摄像机等）的平均价格下降，2012年至2018年CAGR为-9.2%，而AI视频监控（包括前端智能、后端智能等）应用大部分出现于2015年，其价格走势也进入了下降通道，到2018年平均价格约为2万元一路，近几年将保持平稳下降态势。2012-2020e中国城市级视频监控系统成本走势图下降通道2000010000CAGR：-9.2%5000,控平均价格（元/的平均,传统监 传统监控设备一路每路）价格（元）注释：图中平均价格口径仅含软硬件费用，不含存储、交换机、网络、施工建设、运维费用。,AI 控设备一路的平均价格（元,智能监 视频监控平均价格（元/每路）,AI视频监控系统的痛点项目落地的准确性和智能程度仍然不及预期目前AI监控系统误报率一般是根据人流密集的重点场所误报次数和总过人量计算的，这类场景监控设备架设规范，受外界条件影响较小，因此系统运行较为理想，而在实际公安案件的处理和侦查中，往往需要整体进行城市级布控和轨迹分析，其监控条件与重点场所差距很大，一方面光线、灰尘、雨点等会对采集信息造成干扰，摄像头架设高度也不完全适宜人脸抓拍；另一方面，少量摄像头布点位置不准确、角度偏离，也会产生嘈杂数据形成干扰。与此同时，人脸抓拍仍是无配合型采集信息，对人的姿态、发型配饰遮挡、表情等都有要求，行人检测、姿态识别、ReID等行人识别技术面临的遮挡、换装等问题更加复杂且训练数据获取难度较大，这些问题都制约着实际应用中AI视频监控的高度智能化实现。未来随着安防信息化闭环的推进，视频监控项目的实施和验收将得到持续改善，提升前置环节的信息采集条件，而算法层的进一步优化，也将使视觉成像、人脸识别和行人分析等技术的效果明显提升。2018年AI视频监控系统的主要痛点,运行条件架设条件不理想、点位信息错误的摄像头会影响整个城市级轨迹的完整展现，未来随着安防信息化闭环的推进，视频监控项目的实施和验收将得到持续的改善,无配合型信息采集人脸抓拍对人的姿态、发型配饰遮挡、表情等都有要求，行人识别技术面临的遮挡、换装等问题更加复杂且训练数据获取难度较大，未来算法层的进一步优化，将使视觉成像、人脸识别和行人分析等技术的效果得到提升,AI赋能篇目录,AI视频监控系统,智能机器人,公安知识图谱,痛点一海量异构数据处理难公安大数据包括音频数据、视频数据、卡口系统数据、DNA、指纹、人像模型、空间位置（GPS）数据、报警数据、社交网络及移动互联网数据、射频（RFID）数据，及其他传感器数据需求：充分利用每一条有效数据,痛点二数据缺乏关联性人、车、案、组织、地址等主题库建设与时空、全文、轨迹、手机、关系、图片、视频等专题库建设之间缺少有效可用的关联性需求：加深大数据挖掘，增强实战能力,痛点三缺乏全警种智能应用各地发展公安数据库建设情况不同，缺少与公安技术部门的实时性数据结合，除反恐、禁毒等少部分警种开展智能化应用外，面向全警种的智能化应用尚未出现需求：建立数据共享应用机制,公安大数据应用的痛点三大痛点：海量异构数据处理难、数据缺乏关联性、缺乏全警种智能应用2018年，公安大数据应用面临三大痛点。第一，公安信息化建设中产生了大量结构化、非结构化、半结构化的数据资源，现有公安系统在数据应用中往往只能就结构化数据进行简单应用，多数非结构化和半结构化数据并没有发挥作用；第二，各地方公安数据库建设情况不同，大多只停留在标准库和原始库层次，数据之间缺乏有价值的关联；第三，大部分地区只有反恐、缉毒等少数警种在开展智能化应用探索，没有形成全警种的智能应用网络，预测、预警、预防能力普遍偏低。公安大数据应用的三大痛点,知识图谱定义和与其他分析服务的区别知识图谱是对多种类数据源的知识结构化、关联化分析对于解决数据关联性问题，建设行业知识图谱成为了公安大数据应用的主流方向。知识图谱是解决数据梳理和组织成知识库的技术，是一种应用语义理解技术实现更高质量、可计算、计算机可理解的大数据结构，用于提高对数据、信息、情报的搜索查询能力。知识图谱与大数据分析和视频结构化分析同属于软件应用类服务，但存在着明显区别，视频结构化分析是通过计算机视觉技术，将非结构化的视频数据进行处理，变为机器可识别的数据集，是知识图谱上游的数据来源之一，可以说，视频结构化分析实现的是人眼及人右脑视觉区域所解决的部分问题，而知识图谱更像是人的左脑，通过对右脑存储信息的分析进行知识构建和调用；大数据分析实现的是数据结构化及关联，知识图谱是在大数据分析的基础上，通过语义理解将“点线面”的数据关联与事物现实中非简单指向性的复杂关系相联结，而形成的实用型认知应用。,知识图谱,大数据分析,公安知识图谱与大数据分析的区别大数据分析是知识图谱的基础,知识图谱关联了更多复杂的事实关系,知识图谱,视频结构化分析,逻辑,语言,数学文字推理分析,图片,视频,语音情感想象创意,公安知识图谱与视频结构化分析左脑 右脑（分析脑） （感知脑）,公安知识图谱的意义与建设应用AI算法实现技术与业务的深度融合在公共安全领域，公安多年积累的实战经验与技术算法如何相互转换，是最大的行业难点，也是知识图谱主要解决的问题。公安知识图谱通过数据采集、数据处理、数据库重构、知识转化和实战应用五个步骤，运用分布式存储、关联算法、语义推理等技术，以及大量的公安专家团队与技术人员配合，来实现技术与业务的深度融合。目前，国内能够在“十亿数据节点，百亿关联边”的图谱结构下，实现秒级查询的公安知识图谱应用是较为优秀的产品标准，在国务院和公安部大力推动下，未来将有更大规模，更高数据集的知识图谱应用落地。公安知识图谱流程结构,数据采集,文本数据视频数据音频数据,数据处理,数据库重构,知识转化,实战应用,关系挖掘路径推演全文检索时空分析,公安知识图谱,数据提取 建立标准库 公安数据与计算机数据清洗 建立专题库 语言转化数据关联 建立主题库 社会数据与计算机数据对比 建立研判战法集 语言转化 碎片化数据与计算机（注：各库数据要与人、 语言转化地、事、物、组织、虚 数据可视化拟身份等基本信息打通； 与吃、住、行、消、乐等数据结合）,行业知识图谱主要解决的问题,技术（算法）业务（行业知识）通过专家团队与技术团队的通力配合，使公安技战法与算法深度融合,公安知识图谱的发展演变2018年市场认知逐渐清晰，行业向规模化、体系化发展公安知识图谱建设起步较晚，2015年有少部分大数据分析公司开始尝试建设，初期以小而具体的工具软件形式出现，数据关联更多是通过人工打标签实现，效率低且价值有限，在全国范围的应用率仅为10%以下。经过技术发展和落地实践，以及企业内部技术标准统一和服务工具自动化迭代，自2017年开始市场认知产生变化，随着2018年公安部出台相关指导意见，各级公安系统对公安知识图谱的认知逐渐清晰、统一，更多基础层平台化的大型项目开始投入建设，已有项目维护和应用持续进行，2018年工具型公安知识图谱应用率为30%，平台型建设率达到10%，将持续看好其发展。公安知识图谱发展概览,2017,2016,2015,2018,未来,时间线,产品线 重点为定制化应用工具，解决一些具体问题建设线 数据信息化建设为主，多通过开元工具进行人工作业客户线 客户认知存在较大差异，市场开拓成本较大,重点为标准化建设的平台，向公安“大脑”过度开始从底层重构数据库，建设公安知识图谱通过标准化、自动化的软件工具作业公安部出台指导性意见，客户认知逐渐清晰、统一,应用率 全国公安系统工具型应用率10%以下，平台型应用尚未起步 全国公安系统工具型应用率为30%，平台型建设率为10%,知识图谱项目开始建设,部分公司产品开始上线,市场认知发生变化，公安知识图谱进入警务建设计划,建设公安大脑,AI赋能篇目录,AI视频监控系统,安防智能机器人,公安知识图谱,安防智能机器人的分类巡检机器人：导航精准度、专业检测能力要求高巡逻机器人：导航稳定性、AI技术可用性要求高安防智能机器人根据使用场景可分为，应用于机房、电商仓库、核电站等封闭场景的巡检机器人和应用于电路、轨道、园区、公共场所等开放场景的巡逻机器人，二者相比，巡检机器人对导航的精准度和专业检测、报警能力有更高要求，使用的AI基础能力包括：烟火检测、高温告警、异常声音告警等；巡逻机器人因使用场景丰富，所以需求空间更大，由于需要暴露在开放的室外，所以对导航稳定性、流畅性，本体鲁棒性等方面有很大的要求，使用的AI基础能力主要包括、人脸识别、人体检测、辆检测及识别、烟火检测、异常行为分析以及人证核验、语音交互与语义分析等。智能安防巡检机器人分类,巡检机器人应用于机房、电商仓库、核电站等封闭场景。图示为京东第二代巡检,机器人,巡逻机器人应用于电路、轨道、园区、公共场所等开放场景。图示为高新兴千巡,O2室外巡逻机器人,机房,仓库,核电站,园区,公共产所,铁路,如何保证由激光雷达、红外传感器等信息采集设备配合应用的SLAM技术，在动态导航中稳定、准确应用如何实现在光照强弱不一、恶劣天气情况，以及多移动目标等复杂场景下，以计算机视觉为代表的AI技术可用,安防智能机器人的核心技术及难点三大技术促成安防机器人实现落地，整体鲁棒性是关键巡检、巡逻与监控是安防行业中相辅相成的领域，安防智能机器人的出现是主动安防的进一步深化。安防智能机器人的核心技术包括本体的低速无人驾驶技术（由底盘技术、传感器组合和自主导航SLAM技术组成）、以计算机视觉为主的AI技术和网络传输、云平台管控相关技术。在落地应用中安防智能机器人有两大技术难点，一是如何保证SLAM技术在动态导航中的稳定性和准确性；二是如何保证在光照强弱不一、恶劣天气情况，以及多移动目标等复杂场景下，AI技术的可用性。目前安防智能机器人还无法实现自学、自理、自决等完全智能的能力，但已经具备了目标检测、物体识别、环境感知、多模态交互等基本的AI功能，未来相关技术的突破还有赖于学术成果落地，以及市场的实际需求的推动。智能安防巡检机器人的核心技术及难点,低速无人驾驶技术由底盘技术、传感器组合和自主导航SLAM技术组成，目前SLAM多采用激光采集，基于视觉技术的SLAM还不成熟,AI技术人脸识别、人体检测、车辆检测及识别、烟火检测、异常行为分析以及人证核验、语音交互与语义分析等,网络传输技术多为视频传输需求，使用包括WiFi、移动互联网等多渠道传输，目前峰值可达9Mb/s,网络系统机器人云平台可拓展设备,机器人,充电坞,安防智能机器人系统和落地部署端到端的闭环系统服务和快速部署能力是行业竞争壁垒安防智能机器人系统构成包括机器人、网络系统、机器人云平台、可拓展设备，以及充电坞，其中机器人本体近年来不断增加边缘计算能力，多采用CPU+GPU的芯片模式；网络传输方面多为视频传输需求，使用包括WiFi、移动互联网等多渠道传输，目前峰值可达9Mb/s，伴随5G的商业化落地，相关企业也在做该方向的积极尝试；目前能实现公有云、私有云部署的企业并不多，云平台主要作用是多机器人管理、应急控制和AI赋能，是开放性合作的重要载体。安防智能机器人在落地部署方面主要包括，机器人运行环境勘察、制定网络部署方案、制定机器人巡检/巡逻方案、机器人建图，以及机器人巡检/巡逻路径和工作目标设定，实际交付中对技术支持团队的要求较高，需要技术支持人员对机器人的各项功能、对各类网络特性、对工程实施都非常熟知，并且能够做初步的工程预算，未能在机器人快速部署上整合出高效率的解决方案，将成,01,02,03,04,05,机器人建图,制定机器人巡检/巡逻方案,制定网络部署方案,机器人运行环境勘察,机器人巡检/巡逻路径和工作目标设定,智能安防巡检机器人系统和落地部署,为行业内公司的一大竞争壁垒。机器人系统,机器人落地部署,需求线 市场需求较为盲目，有明确使用价值的产品较少，实际需求,安防智能机器人的发展历程2018年是发展元年，贴近场景、解决实际问题是王道继2005年国内第一台电力巡检机器人投入使用之后，机房巡检机器人、消防机器人等产品开始陆续出现在市场中。2015年是一个发展节点，业内一众玩家捕捉到赛道的潜力，开始致力于人工智能、物联网、导航技术等新兴技术的研发，成长起如高新兴机器人、国自机器人、安泽机器人等一批业内优秀的企业，但当时市场需求较为盲目，多以展示型需求为主，市场空间有限，行业也一度陷入迷茫期，但随着智能机器人在安防行业的落地试用，为行业找到了突破口。2018年是安防智能机器人发展元年，北京安博会中抢眼的表现、公安部门大力规划建设和年底激增的订单量都证明了其在主动安防大背景下的价值所在。未来安防智能机器人将向可移动平台方向发展，向更多应用领域开放其后台，带来更多附加价值，,也将持续关注其发展。,安防智能机器人发展概览,时间线,产品线 大部分产品为类人型服务机器人，没有什么专业能力技术线 大部分产品为磁轨导航，按规定路线执行机械性任务中大部分为电力、消防等特定场景，且多为非智能性应用销售量 电力、消防机器人每年约有300-500台的销售量,更多面向专业领域的特种机器人成为安防行业主流产品更多采用激光SLAM技术导航的，可在开放性场景下实现人脸识别、智能语音交互等AI应用的产品成为主流市场需求转为理性，智能巡逻机器人成为公安部门重点智能化建设之一，受5G影响，预计2020年将迎来爆发机器人总销量有所增长，智能巡逻机器人开始小批量销售预计2019年有望突破500台，未来3年增速不低于50%,2015 2016 2017业内玩家开始投入新技术研发，经过迷茫期，安防行业成为突破口,2018发展元年，各家以解决实际问题为导向开始打磨产品,未来成为主动安防的可移动平台,行业概述篇AI赋能篇商业分析篇未来思考篇,