在过去的10年里，监控摄像头市场经历了从模拟、闭路摄像头到全数字ip摄像头的巨大变化。这些摄像头的物理形式也从固定的安全类型摄像头，到可穿戴的身体摄像头，无人机摄像头，车载摄像头等……监控摄像头市场的这些变化是由硬件方面的改进带来的，但更重要的是在软件方面，随着深度学习(DL)的最新发展。根据Counterpoint的估计，到2023年，该市场将以8%的复合年增长率增长到超过2亿部。

DL分析的好处

人工智能和深度学习在监控摄像头市场中扮演着越来越重要的角色，并提供了比传统视频分析更大的优势。DL的一些主要好处如下:

改进的目标检测精度-分析软件可以更好地区分不同的对象(人、车辆、动物等)，以及在不同的情况下(白天、夜晚、季节性天气条件等)。

〇学习能力传统的图像视频分析软件依赖于基于规则的方法，每个监控摄像头和每种警报类型都需要人工操作人员进行配置。相比之下，基于人工智能的解决方案随着时间的推移收集和分析数据，并创建描述每个视频流中的所有对象的元数据。这种技术还允许解决方案扩展到无限数量的摄像机，而不需要人工配置每个新设备。

处理速度快，成本低处理能力的快速增长意味着DL算法可以在相机级别本地运行，而不是在中央服务器或云中。因此，这些算法可以在早期分析的一小部分时间内分析越来越多的视频片段。

监视分析正在走向前沿

我们看到一个趋势正在出现，监控供应商正在转向基于边缘的视频分析应用程序，其中数据最初在设备上进行分析和处理，而不是在服务器或云中。这可以实现更快的响应时间和结果，有时对于某些监控事件(如高级驾驶辅助系统(ADAS))至关重要。目前，GPU已经成为边缘相机最主流的DL芯片选择。例如，海康威视在2016年推出了市场上首批支持ai的前端产品之一——包含英伟达嵌入式GPU Jetson TX1的DeepinView双目智能相机。这款GPU能够通过深度学习技术运行更复杂的面部、交通和车辆分析和计算，所有这些都在设备本身上运行，而不需要配置后端服务器。虽然GPU具有强大的计算能力，但它在成本、效率和功耗方面也存在问题。相比之下，专门针对特定垂直应用进行优化的ASIC/FGPA芯片将具有更好的性能，并且可以更好地用于边缘设备上的推断。这就是为什么地平线机器人(Horizon Robotics)、寒武林(Cambricon)、深光(Deepglint)和比特大陆(Bitmain)等中国顶级人工智能初创企业正专注于为监控领域开发asic。

多样化的应用程序

监控摄像头、软件和不同的存储解决方案有许多应用和用例，这些应用和用例的重点通常是安全性、降低风险和成本。辅助监控和零售是智能监控应用的常见垂直领域。一些有趣的用例如下:

〇辅助监测日本电信巨头NTT East和初创企业Earth Eyes Corp开发了一款名为“AI Guardman”的安全摄像头，旨在帮助日本的店主发现潜在的扒手。它使用开源技术扫描直播视频流，并估计它能看到的任何身体的姿势。然后，系统尝试将这些数据与预先定义的“可疑”行为相匹配。如果它发现了值得注意的事情，它会通过连接的应用程序提醒店主。据称，在早期的一些试验中，该系统将商店里的偷窃行为减少了40%左右。

零售,“零售商店允许顾客走进来，选择商品，然后再走出，而不需要站在收银台排队，因为付款是通过关联账户自动完成的。这种设置可以潜在地降低公司的主要运营成本，并解决消费者等待时间过长的痛点。2016年底，亚马逊推出了一家名为Amazon Go的“免结帐”商店。阿里巴巴集团最近也在中国开设了一家实验性的无现金超市，名为淘Café。

监控摄像头技术近年来发展迅速，摄像头价格下降，用户增加。Counterpoint预计，在未来18个月里，更多芯片组的选择将导致产品差异化越来越多地基于相机的分析软件功能，而不是相机硬件本身，尽管相机硬件将发生重大变化和多样化，以满足多种用例。