智能视频分析应用现状与发展趋势 鲲云科技走出了AI领域另一条路

智能视频分析技术自诞生以来，已经有数十年的发展历史，作为视频监控的关键因素，智能视频分析市场正随着技术的不断成熟而逐步扩大，并慢慢的形成为一个产业。特别是在国内，视频监控的智能化趋势已经日渐明显。正因为智能化落地成果不断出现在生活视野中，在安全管控上得到了各地区应急部门的强力推荐。智能视频分析的商业化逐步受到重视，面对市场需求的不断提高，先来看看智能视频分析的现状和发展趋势?

智能视频分析技术应用现状

虽然视频分析技术已经落地在化工、加油站等以强制要求部署的领域中，但想要做到普及到各行业各地区应用中，原因在于智能视频分析应用存有很大的进步空间，主要体现在以下几个方面。

1. 使用场景局限性

从应用角度来说，市面上大多数的智能视频分析应用场景有限，更多应用于厂区、园区、化工、加油站等固定环境领域，。智能视频分析主要是对人员行为特征以及对事物的状态进行AI算法识别判断，最终给出相应的反馈结果，导致在比较复杂和多变性的环境下，视频分析的稳定性可能大打折扣。

2. 算力性能低

从市面上大多智能视频分析产品能够发现，多数的视频分析应用属于前端分析，即通过具有AI功能的DSP嵌入到摄像机或黑匣子中，算力的短缺导致只能针对几路视频进行分析，在拥有几百路或者上千路的安监视频分析需求上显得捉襟见肘。如何适应变化多端且规模庞大的监控外部环境，与安防设备进行有效融合是智能视频分析厂家的研究解决方向。

3.市场价格昂贵

价格的高低是需求用户老生常谈的话题，同样是视频分析厂家的主要限制因素，市场大多使用的以GPU为主的国外芯片，成本较高，普遍成本超出用户的预算且容易受到政治、贸易因素的影响，用户缺乏可靠性高、性价比高且产品周期长的AI芯片。

4. 用户认知有限

人工智能的发展使大家对智能视频有了一定的认知水平，然而在用户对智能视频的期待与认知上仍存在一定的差距。一方面用户需要从根本上看清自身的需求，另一方面也必须弄清楚智能视频的功能与实际应用能解决的问题。

针对智能视频分析技术的现状，鲲云科技推出了自主开发的数据流架构人工智能芯片、人工智能加速卡、边缘计算盒和具有结构化管理模式的视觉分析平台。鲲云科技从芯片利用率和算力算法中规避了此类问题，芯片利用率高达95.4%，延迟计算能力低至3ms，视频分析系统在充分利用原有摄像头设备的前提下部署，解决了算力和成本过高带来的困扰。

1. 算力高性价比

基于其在定制数据流领域三十余年的技术积累，鲲云聚焦于更加广泛的AI推断算力需求，自主研发数据流CAISA架构，开拓了AI芯片的另一条技术路径，并达到全球领先。不同于传统的冯·诺依曼的指令集架构，CAISA芯片通过控制数据的流动次序来管理计算执行次序，能大大提升芯片的利用效率，最高可实现95.4%的芯片利用率，较同类产品提升11.6倍，打破了算力提升对芯片制程工艺的高度依赖。同时，CAISA依托简单易用的RainBuilder编译工具链实现对主流AI框架和算法的通用支持，为客户提供最优算力性价比。

2. 满足多种应用需求

基于CAISA芯片的技术优势, 鲲云推出星空X3加速卡、星空X6A边缘小站、星空X9加速卡等硬件产品，支持从8路-64路视频分析。在小规模应用场景，星空X6A边缘小站具有配置灵活、体积小、支持温度范围广、环境适应能力强、易维护管理等特点，一个盒子足以满足客户实际需求。在大规模应用场景，星空系列加速卡搭载服务器，可支持上千路视频部署，保证系统稳定性、计算服务独立性需求、数据存储安全。

3. 算法适用于各类场景

针对于视频分析场景适用的局限，鲲云基于深度学习的人工智能开发平台，研发了人的行为、环境风险、物体状态、安全着装等多类AI算法，算法经过长期的迭代开发，精度高，鲁棒性强，泛化性强，并基于各个行业需求的深度理解，打造行业性完整解决方案，广泛应用于智慧化工、加油站、石油、工地、工厂、港口、钢铁、矿业、营业厅、电力、仓储等多个行业。

智能视频分析发展趋势

智能视频分析产品市场化和商业化角度上来看，为了做到简单好用且符合用户需求，可从技术层面和应用层面上考虑做些突破。

从技术角度来看，为提升智能视频分析技术的应用性，使得智能视频分析产品真正市场化。作为智能视频分析厂商在完善核心算法的同时，必然将向以下方向发展：

(1)更高性能的算力;

(2)更低的成本;

(3)识别和分析更多的行为和异常事件;

(4)适应更为复杂和多变的场景

(5)更灵活的产品形态。

从应用的角度来说，丰富功能是必经之路，对智能视频分析需求的应用场景会越来越多。不同的行业对视频智能监控系统的需求一般有着明显的区别，对智能视频分析也有差异，不单单仅限在人脸识别、人员闯入、抽烟识别、安全帽识别等现有的通用ai算法，更要求智能视频分析算法多样性，功能稳定性，以及对行业需求的理解能力。结合行业应用实际，抓住用户的需求，将智能视频分析技术的功能落实到应用的实处。