隨著技術的更新，倉庫安防不斷向"全景化"安防監(jiān)控的方向發(fā)展，強化了對倉庫全區(qū)域人員、物資、作業(yè)、設施設備、環(huán)境的監(jiān)控力度。但在大多數領域，倉庫安防仍停留在實時監(jiān)看、事后取證的地步，安全和效率都還有待提升。

　　得益于近年來深度學習算法技術的突破，AI技術逐漸向產品化、產業(yè)化和工程化發(fā)展，不同行業(yè)涌現出各類AI產品和解決方案，安防領域由于具有海量視頻數據資源池的優(yōu)勢，自然成為AI技術應用的最先著陸地。

　　AI與安防

　　算法、算、數據作為AI+安防發(fā)展的三大要素，在產品落地上主要體現在視頻結構化和生物識別兩個方面。

　　一、視頻結構化

　　1.技術描述

　　視頻結構化即利用計算機視覺和視頻監(jiān)控分析方法對攝像機拍錄的圖像序列進行自動分析，包括目標檢測、目標分割提取、目標識別、目標跟蹤，以及對監(jiān)視場景中的目標行為的理解和描述，理解圖像內容以及客觀場景的含義，從而指導并規(guī)劃行動。

　　技術描述

　　它包含兩層內容，一是智能識別，這是智能監(jiān)控的基礎，只有將視頻內容(人、車、物)特征屬性自動提取出來進行處理，分析和識別目標信息，組成可供計算機和人理解的文本信息，才能進行更深層次的理解。

　　二是智能分析，基于實時視頻和歷史視頻數據，按照業(yè)務需求設定智能分析算法規(guī)則，依托不同的智能分析算法模型，支持對視頻進行各種快速、高效研判，進而實現對目標的識別跟蹤和行為邏輯判斷。

　　目前來看，基本的目標識別分析技術已經比較成熟，以人體為例，只要有一定的視頻數據以供訓練學習，就可以很容易地識別他是否騎車、衣著特征、性別、年齡段、頭發(fā)長短、是否背包、戴口罩等，但較復雜的行為理解，由于難以界定特征穩(wěn)定性，對訓練視頻素材的豐富性和AI算法的高級性提出了很高的要求，目前實現起來仍有一定困難。

　　2.應用分析

　　智能車牌識別：車牌識別技術的應用在倉庫中已經比較成熟，物資到貨后，通過攝像頭對車輛的車牌進行識別，讀取車牌號，與后臺預約系統(tǒng)進行比對，對通過驗證的車輛進行放行。

　　異常侵入報警：一般，倉庫都存在禁止人員進入的重點安防區(qū)域，借助視頻結構化技術，可在攝像頭監(jiān)控畫面中實時標識并預警人員侵入的情況。

　　異常行為報警：在倉庫中，不規(guī)范作業(yè)行為以及物資設備的不規(guī)范存放，都有可能導致人員受傷、物資損壞；在評標基地，工作區(qū)域內打電話或評標時間內離開評標現場，都有可能帶來廉政風險。因此，基于視頻結構化技術的智能視頻監(jiān)控系統(tǒng)的部署就尤為必要，自動識別異常行為，并及時提醒相關管理人員，將危險消滅于萌芽狀態(tài)。

　　二、生物識別

　　1.技術描述

　　生物識別是指利用人體固有的生理特性和行為特征進行個人身份鑒定。

　　生物識別分類

　　在生理特征層面，人臉、指紋、虹膜三種方式是目前較為廣泛的生物識別方式，三者的使用使得產品在便捷性、安全性和唯一性上都得到了保證。

　　在行為特征層面，姿態(tài)識別技術是目前研究的熱點，它針對個體人物的走路姿勢進行識別分析，能夠遠距離感知，和其他生物特征識別技術相比，它的優(yōu)勢在于非接觸性、非侵入性、易于感知、目標物難以隱藏和偽裝等。姿態(tài)分析還可以輕松區(qū)分出個體人物的不同行為模式，例如是行走中、奔跑中、還是攜負重物等。

　　2.應用分析

　　生物識別技術應用最為廣泛的場景就是門禁系統(tǒng)。其中，指紋識別技術已經相當成熟，無論是智能門鎖還是智能打卡機都普遍采用了這種技術；而人臉識別則是目前比較流行的一種門禁方式，通行效率和用戶體驗顯著提升，安全性也有保障；虹膜識別最為先進，安全性最高，但部署成本也遠高于上述兩種技術，建議部署在倉庫機房等保密安防級別最高的區(qū)域；而姿態(tài)識別，則可以用于無接觸的門禁識別。

　　智能安防發(fā)展

　　智能安防還在不停地發(fā)展進步中，比如技術架構層面的云邊端融合。這里有兩層含義：

　　云-邊-端一體化架構

　　一、云邊融合

　　通過邊緣計算將人臉識別、物體識別等應用的計算力分攤至前端，而云端承載第三方提供的專業(yè)性服務，以及更加復雜的運算，比如對模型的優(yōu)化、算法迭代等，從而解決由于數據量暴漲給傳輸和云端處理帶來的壓力。

　　二、端邊集成

　　安防領域大部分業(yè)務應用場景對端側的響應速度都有很高的要求，顯然全部數據傳輸至云端處理，將造成較長的時延性，因此，安防企業(yè)在設計AI產品架構系統(tǒng)方案時，一般會采用集中的前端部署邊緣計算，但純粹的前端無法完全解決數據計算問題，需要借助邊域的算力共同承擔云端算力，這意味著，端和邊必須先集成，形成整體的邊緣智能計算，然后再和云端計算相結合，構建一體化的云邊端架構。

　　技術融合是目前安防行業(yè)智能化發(fā)展的另一大趨勢。除了AI技術之外，其他技術的發(fā)展成熟同樣帶動了智能安防的發(fā)展。5G的落地和成熟，可以提供至少十倍于4G的峰值速率、毫秒級的傳輸時延和千億級的連接能力，讓安防的終端設備，可以突破地理位置和時空環(huán)境的限制，實現視頻的全部覆蓋。另外，安防巡檢機器人更是技術融合在安防領域的集中體現。

　　當前安防行業(yè)已經呈現"無AI,不安防"的新趨勢，安防的智能普及，并非過度展望，而是技術的推動和實際需求的助力。