【導讀】安防監控歷史可以追溯到幾千年前，古代城墻和士兵巡邏承載了城市保護的任務。20世紀初，人們開始使用閉路電視和無線電傳輸等技術來實現遠程監控。進入21世紀后，智能視頻分析、云存儲和無線通信等創新技術的加持讓安防監控進入了新的紀元。而近年來，“AI+安防”成為了行業熱議的話題，人工智能賦能和新型智慧城市的政策推動，讓安防監控產業持續蓬勃發展。
本文就和大家一起來探討下安防監控領域的技術新趨勢，以及在“AI+安防”時代，如何實現更精準的安防監控。
安防監控技術新趨勢邁入智能化監控時代
通常提起安防監控，一般所指的就是視頻監控系統。但隨著對智能化、高效化安全監控需求的增加，安防監控技術也在不斷創新和發展。像門禁系統、防盜報警、消防報警等都可以和視頻監控相互融合，形成一個集成的安防管理方案。
當前我們正處在從網絡監控時代邁向智能監控時代的進程中。總體來看，整個安防監控應用呈現出數字化、網絡化、移動化和智能化幾大趨勢。
圖1：安防監控的市場發展（圖源：IHS Markit）
1. 數字化趨勢
首先是安防系統數字化的趨勢。傳統的閉路電視攝像頭采用的是模擬信號輸出，而現在大部分被數字化攝像頭所取代。數字化攝像頭可以提供清晰、穩定和可靠的數字視頻信號。數字視頻信號可以實現更高效的存儲、傳輸和共享，并且更易與其它類型數據進行整合。數字化的監控系統可以實現自動化監控和預警，同時提供實時數據和報告，幫助用戶更加全面地了解安全狀態。
2. 網絡化趨勢
網絡化是指安防設備和系統通過網絡進行連接和通信，實現遠程監控和管理。隨著互聯網的發展，安防設備和系統之間的互聯互通變得更加容易，這使得安防系統的覆蓋范圍和監控能力都有了顯著提升。網絡化趨勢的技術支撐主要來自IP網絡技術和云計算。
IP網絡技術是安防監控中基礎的網絡技術，可以實現數字視頻、音頻和其它數據在網絡上的傳輸和處理，高帶寬、低延時和高可靠性是其持續演進的目標。而通過過云計算技術，可以將數據和應用程序存儲在云服務器上，實現對于視頻監控和報警信息等數據的集中管理。針對采集到的大規模數據進行深度分析，可以進一步反饋到監控系統，從而推動整體安防系統迭代升級。
圖2：住宅安全監控方案（圖源：alarm.com）
3. 移動化趨勢
移動化是指可以通過安防監控設備的移動化，以及通過移動設備來對安防系統進行遠程操作和管理。隨著移動應用和5G通信技術的發展，用戶可以通過移動設備隨時隨地進行監控、配置和管理，獲取安全信息并進行應對。目前使用移動設備進行遠程監控的用戶已經占到了安防監控市場的較大比例，并且持續上升。
來自Mordor Intelligence發布的《Global Smartphone Video Surveillance Market - Growth, Trends, and Forecasts (2020 - 2025)》報告稱，2019年全球智能手機監控市場規模超過了43億美元，預計到2025年將達到91億美元。
4. 智能化趨勢
智能化則是安防監控近年來極為重要的技術發展趨勢，尤其是隨著人工智能技術的落地，“AI+安防”將為安防監控應用帶來巨大變革。通過在端側集成多種傳感器，可以實現對周圍環境的智能感知，包括聲音、圖像和溫濕度等。這些數據可以用來識別如煙霧和火災等異常行為，并提供預警信號。
借助計算機視覺和深度學習技術，可以對視頻進行智能分析和識別。基于人臉識別技術，可以自動捕獲監控畫面中的人物特征，甚至可以對不同的個體進行精確識別，并與數據庫中的信息進行比對，從而實現自動門禁管理、人員進出記錄等功能。
圖3：機場AI監控方案（圖源：HITACHI）
AI+安防正推動著智能安防監控市場不斷擴大，預計到2025年將會達到500多億美元的市場規模。基于這一火熱的市場前景，不同類型的玩家也紛紛入局搶占市場，像人工智能企業、傳統安防企業、智能硬件廠商和安防云服務商都在推出自己的全套解決方案。
但不論是何種AI+安防的方案，都需要實現智能化的底層硬件基礎，以及來自感知層面的傳感器升級。端側傳感器融合和感知能力冗余，是實現安防監控智能化的第一步。
圖4：AI監控產業鏈（圖源：安天下）
智能化安防監控的感知入口——雷達傳感器
攝像頭是安防監控的主要傳感器，視頻監控目前占據了整個安防市場的90%以上。但攝像頭僅提供二維圖像記錄，實現實時主動監控的成本較高。在某些特定條件下，僅僅靠攝像頭的感知是不全面的，激光雷達和毫米波雷達與攝像頭的集成，可以實現更精準的智能感知。多傳感器集成，是端側安防設備實現智能功能的關鍵硬件基礎。
圖5：安防監控中的傳感器技術（圖源：Velodyne Lidar）
相比攝像頭這種通過實時視頻分析來實現主動監控的方案，通過雷達來進行實時監測的準確性更高，所需的算力和功耗也更低，可以直接在端側獲取到目標物體的位置、運動狀態和路徑。而且雷達所捕獲的是3D場景的深度信息，相比攝像頭的二維信息采集更加全面。
另一方面，在夜間或低能見度條件下，雷達不會受到光線問題的困擾，仍可以實現目標物體的準確檢測。此外，在一些需要隱私保護的室內場景中，雷達的監測信息并不涉及到圖像和視頻，僅為3D建模信息，因此更能確保用戶的私密信息安全。
圖6：雷達實現物體檢測（圖源：nanoradar)
正是基于以上優勢，在當前的諸多安防應用中，會更多地采用雷達傳感器實現全天候實時的異常檢測，為判斷和確定異常情況搜集線索，而攝像頭則更多地用于跟蹤線索的視頻記錄和實時影像傳輸，雷達與攝像頭的聯動成為了智能化安防應用的理想方案。
在大型安防系統中，控制中心可以通過雷達解析可疑人員的距離、速度和方向，并根據距離信息控制攝像機的電動變焦鏡頭，從而清晰捕捉發現該人員的區域。
圖7：邊界區域安全的安防監控系統（圖源：Leanhowford）
雷達傳感器分為激光雷達（LiDAR）和毫米波雷達（RADAR）兩類，激光雷達發射的是激光脈沖，而毫米波雷達發射的是電磁波。激光雷達的精度更高，而毫米波雷達的探測范圍更廣；激光雷達的模組成本通常要比毫米波雷達貴得多；激光雷達通常用于需要更高精度和更詳細建模的環境感知任務，如自動駕駛汽車或機器人導航系統，毫米波雷達則更適合于對成本功耗敏感的安全監測和物體檢測等應用。
圖8：不同傳感器的優勢對比（圖源：embedded.com）
適用于廣泛安防用途的高精度60GHz雷達
安防監控要實現更高準確性，就要求雷達有更高的精度。而要追求更高精度，就需要雷達頻段提高。目前60GHz雷達是市場上非常熱門的選擇，提供了更好的穿透能力和抗干擾能力。而在一眾產品中，英飛凌提供的XENSIV? 60GHz雷達MMIC憑借著高集成度、低功耗和高性價比脫穎而出。
XENSIV? 60GHz雷達MMIC集成了封裝天線（AIP）以及內置運動和運動方向檢測器，其FMCW工作模式具有5.5GHz的超寬帶寬，可以檢測毫米范圍內的微動，實現包括存在探測、跟蹤、生命傳感和手勢控制等在內的先進雷達功能。
圖9：BGT60系列雷達MMIC（圖源：英飛凌）
該產品系列提供兩種不同的型號選擇，一類是集成一發三收天線的BGT60TR13C MMIC，另一類是集成了一發一收天線的BGT60LTR11AIP MMIC。其中BGT60TR13C可以實現低于5mW的功耗，BGT60LTR11AIP的功耗則可以低至2mW。
除了性能成本和功耗優勢外，開發優化是該產品的一大特色。內置的封裝天線（AIP）消除了用戶端天線設計的復雜性，集成的功能集讓MMIC可以實現速度、角度、水平和垂直方向的測量。基于英飛凌已經提供的算法，MMIC可以在不侵犯隱私的情況下實現人體存在檢測、跟蹤和分割、入門計數等應用。
英飛凌還提供了IP攝像頭中集成MMIC的參考設計方案。如下圖所示，MMIC作為附加感知的模塊，讓攝像機系統在檢測到運動時喚醒，從而降低運營成本和所需的帶寬。
圖10：集成運動檢測的 IP攝像頭方案（圖源：英飛凌）
此外，值得一提的是，BGT60LTR11AIP是一款尺寸極小的MMIC產品，這種小型雷達甚至可以作為傳統被動式紅外傳感器（PIR）的替代升級方案，適用于IoT電池供電應用。該產品在貿澤電子的具體料號為“BGT60LTR11AIPE6327XUMA2”。
圖11：BGT60LTR11AIP框圖（圖源：英飛凌）
“AI+安防”時代雷達傳感器不可或缺
傳感技術賦予安防設備感知的能力，AI技術賦予安防設備認知的能力。感知和認知能力相結合、單設備多功能集成和多設備的同平臺融合，是安防智能化的未來發展趨勢。
在AI安防初期，圖像及視頻處理主要依靠云端算力支持，前端安防設備只用于數據的采集。但隨著視頻數據采集走向4K/8K，原始數據量的激增給傳輸和計算帶來了壓力，算力向端側前移成為必然。將訓練好的模型部署在端側的AI加速單元中，就可以提高邊緣端的推理能力，實現低延時、高能效的本地AI推理運算。
例如在端側的視頻處理鏈路中集成NPU實現AI降噪、HDR、弱光色彩增強等功能；在聲音處理鏈路中集成專用加速單元來實現AI降噪、語義識別、智能喚醒等功能。在設備端、邊緣端的AI推理應用普及，將加速安防監控的智能化發展。
要實現“AI+安防”，算力和模型的提升固然重要，但設備端側的感知能力提升同樣關鍵，沒有精準的感知能力也就沒有了準確的推理數據來源，AI推理的結果也會大受影響。多傳感器融合、感知能力冗余能夠讓安防監控的安全性進一步提高。毫米波雷達憑借著更優異的性能、功耗、成本和安全表現，成為了智能化安防監控設備中重要的傳感器選擇。
隨著60GHz毫米波雷達的成本降低，雷達傳感器在安防監控設備中的應用比例還將會進一步提升，推動安防監控加速邁入“AI+安防”時代。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯系小編進行處理。
推薦閱讀：
