人工智能与安防融合的挑战

合计：200亿
百亿级数据响应
AI带来的结构化/半结构化数据动辄百亿；在 “以图搜X”时代须实现百亿的秒搜处理能力
系统轻量化
规模增长的数据量带来系统级的机房空间扩张 与投资压力
数据挖掘与可视化
海量数据需要进行有效的数据价值挖掘，并进 行友好业务呈现
AI 对业务应用的挑战
单位1
单位2
业务的个性化和不确定性VS业务厂商的产品的标准化
应用开发接口 标准/协议
前端采集
深度智能摄像机 物联网摄像机
图片、视频
视频图像存储
视图云存储
视频图像智能分析 大数据研判检索
视图解析系统
传统认知 算力 + 算法 / 样本 = 好 AI
好AI更需要好的架构与产品
智能业务
计算存储平台
前端-后端/算力
智能算法
单厂商基础方案，业务开放
A算法
A智能前端
A算法
单位3
实战业务
定制业务
第 三
业务接口
方
SDK
视图信息综合应用平台
新
息
系
标准接口
SDK
统
前端
前端
用户对于个性需求的不确定性
整合现网非标前端产品
对接用户方已有各类信息系统，
定制业务的分支版本管理
ቤተ መጻሕፍቲ ባይዱ
获取各类业务数据
复杂，平台升级困难
技战法因各地地情不同需要本地化、
贴身定制开发
AI 时代信息安全面临的挑战
N
智能
A智能后端
业务
A融合架构/多业务应用标准接口
多厂商博弈，私有接口开放
B
D
E
A智
C智
智
算能
算能
能
法前
法后
业
端
端
务
ABCDE接口
趋势：
架构之争 产品之争
AI 对大数据的挑战
某大型游乐园区一年的数据采集量:
数据类型
人脸识别数据 车牌识别数据 车脸二次识别 视频流结构化 实时安保数据 RFID数据采集
如果仅是如此，shodan似乎还不足以让我们恐惧，但是 值得注意的是，shodan搜索出来的设备都是存在安全漏 洞的——比如几十万台从来没改变过用户名和密码的用 “admin”和“1234”就能登录的机器。
AI融合 多维大数据
合成作战
安防IT化2.0
业务融合
视图大数据
视频内容加密
“看”得稳
视图信息安全
“看”得准
视图智能分析
数据定义智能
看得广
车辆大数据 视频网闸
视频安全准入
深度智能
场景智能
GB/T-28181
视图大联网
GA/T1400 视图联网应用
8K+/全天候 4K/全景联动/ 超星光
看得清
全天候超高清
互联网
物联网
Shodan，官方给自己定义是Computer Search Engine（计算机资源搜索引擎） 它搜索的是各类设备端口产生的系统旗标信息，换言之， 他在搜索IP地址。
IP地址意味着什么？在每一个IP背后，是放在某处的路由 器、冰箱、摄像头或者是前文所述的某家企业的能源管 理系统。
部署 规模
300路 100车道 800车道
500路 500人车 300基站
数据 模型
1万人/天 0.2万车/天 1.5万车/天 2万目标/天
1条/5S 1条/S
每天 数据
300万 150万 1200万 1000万 864万 2592万
数据 总量
11亿/年 5亿/年 44亿/年 37亿/年 31.5亿/年 94.6亿/年
人工智能与安防融合的挑战
AI成为安防技术与政策中最热的关键词
关关键键词词：： 大联网、大数据 、人脸智能、视图库、视图解析、信息安全、物联网
基本业务 人、车、物、流程
AI增值 提升效率，扩展功能
AI 加速安防IT化3.0 转型
IT
深度 学习 大数据 云计算 IP化
安防IT化3.0
“看”得懂 大数据
基本智能
DB33（浙江）
D1/微光
1080P/星光
数字化 D1
H.264 1080P
星光
视频 结构化
H.265 4K
超星光
视频 实战化
安防
AI
产品部件？ 系统级方案？
AI对安防监控系统全流程的挑战
数据可视化 业务应用
结构化（含物联网传感数据）、半结构化数据
图片、视频 图片、视频
结构化、半结构化数据