安防行业海量的数据源以及应用场景为人工智能的落地提供了良好的土壤，同时，该行业对于人工智能的落地具有非常急迫的需求。智能安防很有可能成为人工智能产业化的第一着陆场，同时也将开启安防行业新一轮的成长周期。

出于对市场的敏感，主流的设备及解决方案供应商已经开始发力，在安防行业的人工智能化市场有了不少的投入，凭借其各自深耕安防行业的经验，在人工智能落地方面取得了不俗的成绩。

一、多维感知及应用

视频的多维感知要求智慧安防系统向下叠加多维的物联感知（包括空间信息、动环信息、生物体征、深度语音识别等等）；多维应用则体现在向上输出更多的视频数据应用价值，支持更为宽广的业务应用（比如智慧城市的“数据大脑”、城市交通态势分析、机器视觉、大数据预警与决策等等）。

多维感知通过集成多种传感器，将各类感知数据与视频数据相融合，使得传统的、分布式、开放和共享程度低的传感数据最终以集中式的方式展现出来。不仅丰富了感知手段，同时还能直接将结构化信息传至后端，提升了整个系统的效率。多维应用则是在实现了信息数据的全面深入的感知和特征提取之后，着力于为智慧城市、交通态势分析等顶层业务应用提供更多有价值的数据信息，逐步构建城市智慧服务体系，从而进一步为城市民众提供有针对性的新服务和新模式。

多传感器信息融合是多维感知重要的技术之一，指的是利用计算机技术将来自多个传感器或多源的信息和数据在一定的准则下进行自动分析和综合，以完成所需要决策和估计而进行的信息处理过程。

如采用多个传感器（双目、TOF相机和激光雷达等）联合获取监控区域数据，进行行人检测及轨迹追踪。监控系统联合多个深度相机，并将每个相机的检测及追踪结果进行融合。可以有效的对同一区域内多个目标进行检测和轨迹追踪。多传感器感知及监控系统相较于传统的单一传感器（如单个单目或深度相机）监控具有非常大的优势，监控准确度和目标数目都有非常大的提升，对于视频中多个行人的前后匹配及追踪也更加准确。

值得注意的是，算法在多维感知中的地位日益凸显。该解决方案内包含了多个不同位置、不同视角的深度传感器，涉及大量的传感器标定、配准及数据融合算法，检测和轨迹追踪结果的准确性很大程度的依赖于算法的性能。因此智能算法的支持工作非常重要，其配准和融合效果的差异直接影响着检测和追踪结果的输出。

图1多传感器行人检测及轨迹追踪（客户端画面）

在交通监控场景中，某些路段需要检测车辆的长宽高是否超限，传统的二维监控视频，车辆的三维信息已经在成像过程中失去了，所以基于二维模型的各类算法都难以取得理想的精度。针对这种情况，就需要使用立体视觉及多传感器融合监控方案，如搭建双目相机并融合雷达、测距仪等传感器的信息。又如广场、机场等大范围监控场景，传统的单枪机视场角过小，而鱼眼相机成像的清晰度不够。鱼球联动方案是一种解决办法，鱼眼相机超过180度的视场可以覆盖整个目标区域，而对区域中具体某个目标感兴趣时，可以自动控制球机去观察该目标细节。但是，在应用中发现，鱼眼相机的成像清晰度不够的缺点仍然存在，导致一些小目标无法被检测出来。为了更好地满足客户的需求，大华又推出了多目全景相机与球机联动的解决方案。相比鱼眼相机，基于拼接算法的多目全景相机成像分辨率更高，而且能够根据应用的特点选择不同型号的全景相机。其中，守望者高清全景相机将8个超低照度200万图像传感器拼接成2个4K画面，实现360度全景监控，同时一体化搭载了30倍超星光球机，用以实现细节监控。

图2大华高清三目全景红外枪（监控画面）

基于这样的多传感器融合的硬件方案，在大场景中实现了如进入/离开区域、越界、徘徊、停车、人员聚集、快速移动、物品遗留、物品拿取、人脸检测、轨迹追踪等智能功能。

二、前端智能

前端智能可以利用摄像机进行前端分析，理解视频画面的内容，而后将获取的图片、视频以及分析结果等传至后端存储。常见的前端视频分析技术，运用计算机视觉、图像分析等技术从海量的视频图像中识别和提取目标，并形成结构化的数据，帮助客户高效的抽取视频中的关键信息。其带来的最大改变是延时的消失，可以近乎实时的进行判断分析。同时减轻后端的计算压力，使得后端的优势计算资源更加集中于实施深入的分析工作。