一、市场概览
这两年科技界最热门的话题就是AI了，而最先得到应用的是万亿级的安防市场。根据GrandViewResearch的调查，全球安防市场年增长率为10.2%，将在2025年达到$167.12Billion（约1万亿人民币）。
传统安防领域主要包括监控设备，VMS软件系统，以及安防人员。然而传统安防领域存在几大痛点：1）机器对图像视频的识别度低，主要靠人眼观察分析为主，精确度低，反应速度慢。2）人力安防成本大，特别是在欧美等发达国家，而且安防人员培训成本高，流失率大，造成了安防投入高但效果差等问题。
随着AI的成熟，针对这两大痛点，新兴起了三个领域：人脸识别，行为识别，以及安防机器人。无论是中国，还是美国，无论是传统大型公司，还是新崛起的科技新贵，都嗅到了这三个领域中巨大的商机，争先恐后开发AI产品，争取快速的占领这个巨大的市场。
目前中美市场格局主要分为5大领域。传统的2个领域：监控设备，视频管理软件领域。新兴的3个领域：人脸识别，行为识别，还有安防机器人。
二、监控设备与VMS软件
第一个传统领域就是监控视频设备领域。在中国有海康和大华两家巨头公司，在美国有Axis，Cannon等巨头公司。目前的创新主要集中在智能摄像机。现在行业中最多的产品是各种升级版本的安防摄像头，基本只是实现了简单的视频处理功能，比如motiondetection等，这类公司包括Ring（已经被Amazon收购），Nest，Arlo等。目前能将AI应用在摄像头端的公司非常的少。
另一个传统领域就是VMS软件，和视频设备一样，这个领域无论中国还是美国，都被巨头占据。在中国是以东方网力为首，在美国是以MileStone、Salient为首。在这个领域的创新逐渐集中在AI和云服务上面。用AI对视频进行深入的处理，并且将视频的存储和处理逐渐移到Cloud.
三、计算机视觉—人脸识别与行为识别
AI包括的细分领域很多，其中最热门的就是计算机视觉（CV）和机器人。首先我们先来看看计算机视觉。计算机视觉是指计算机读懂照片和视频中信息的技术。从技术组成上计算机视觉又包括三个方面：数据收集，硬件计算平台，软件算法。
1）数据就像是粮食，一个好的算法要想落地，需要海量的数据来训练。很多应用场景落地比较慢的原因就是因为数据量不够大，无法很好的训练算法模型。所以一家CV公司能否获取大量的高质量数据就成为了成功的关键之一。
2）硬件计算平台则像是骨骼。因为巨大的数据处理量和算法的复杂度高，对硬件的处理速度要求也就高。特别是在对算法模型的训练阶段，对硬件的处理速度要求最高，往往采用的是GPU.当算法训练完成之后，一部分应用场景可以回归到价格便宜的CPU上使用。现在一些公司也相继推出了专门的AI芯片。
3）软件算法就是计算机视觉的灵魂了。得益于深度学习的应用，计算机视觉算法在近些年取得了重大的突破，经典算法有ConvolutionalNeuralNetworks（CNNs），R-CNN，FastR-CNN，FasterR-CNN，MaskR-CNN.
从发展历程上看，计算机视觉经历了从物体识别，人脸识别，以及行为识别的过程。
1）物体识别：狭义的物体识别包括从图片中识别物体的种类，比如苹果、杯子等。广义的物体识别还包括文字识别，数字识别等。应用场景包括无人收获店等。
2）人脸识别：根据人体特征和人脸特征对人进行识别，应用场景包括对逃犯的抓捕等。
3）行为识别：根据人的动作行为和周围物体进行综合判断，比如区分一个人是在打伞避雨，还是在拿着棍棒斗殴等；又比如区分一个人是坐在椅子上思考，还是在荡秋千玩耍等。应用场景比如对犯罪行为的监控。
目前人脸识别在中国落地最快。一些计算机视觉分析的软件公司已经成为了独角兽，包括商汤、旷视、和依图等。
在美国，因为私密原因，人脸识别目前尚处于不开放的阶段。
与人脸识别渐渐形成红海的情况相比，行为识别虽然被人们讨论了很多，简单的跨线探测功能也已经被实现，但存在精确率低，误报率高的问题。真正利用深度学习开发的行为识别应用才刚刚兴起，处于蓝海阶段，这类公司包括中国的皓图智能，美国的UmboComputerVision.
四、安防机器人
机器人大家都很熟悉了。从Robot（机器人）这个名字在1921年被捷克作家KarelCapek提出到现在已经接近100年。在这100年间，无数的相关科技得到了巨大的发展，而机器人则是大量技术相集合的产物，主要包括Sense（感知），Understand（理解），Act（行为）三个方面。