独角兽VIP会员群招募
产业研究第一社群，每周行业专家及明星分析师线上路演，分享新兴行业的最新投资机会，不定期线下产业沙龙，北上广深等地闭门会。加入会员即可获得原价3999元各行业及个股深度报告。申请加入需加微信：itouzi6（二维码在文末），加入需备注：
姓名+公司+职位
来源|安信证券胡又文团队
编辑|独角兽智库
深度学习算法解决了长期困扰安防智能化的问题——海量视频监控数据与人力分析瓶颈之间的矛盾。
深度学习促使识别准确率空前提高，深度学习直接建立了从数据到目标模型的映射，不再需要人工选择或创建特征集来描述目标。
安防智能化产品功能的四大方向：
1、人体分析(人脸识别、人体特征提取技术)；2、车辆分析(车辆识别技术、车辆特征提取技术)；3、行为分析(目标跟踪检测技术、异常行为分析技术)；4、图像分析(视频质量诊断技术、视频摘要分析技术）。智能前臵会受硬件计算资源限制，只能运行相对简单的、对实时性要求很高的算法，但算法升级、运维较难；后端智能分析(如智能分析服务器)通常可以根据需求配臵足够强大的硬件资源，能够运行更复杂的、允许有一定延时的算法，二者将长期同时存在。
芯片是决定安防智能化进度核心要素。
深度学习要求安防智能化产品需要空前的硬件计算资源，目前英伟达GPU主要应用在后端产品，前端仍然受到功耗、价格等因素制约。前端产品芯片目前有两种解决方案，一是采用用较为通用的视觉处理器，如movidius、英伟达的Jetson系列芯片，通用性较好，能够运行各类神经网络算法，但价格相对较高，主要针对高端市场。二是将较为通用的智能识别类算法直接固化为IP，嵌入到视频监控SOC芯片中，优点是因为是专用芯片（ASIC）,量产后功耗、价格等都极具优势，但功能拓展性有限。
安防智能化给产业格局带来四大影响：
1、行业集中度空前提升；2、智能化将是后端带动前端的过程；3、将加速安防厂商向运营模式转变；4、龙头公司将不再局限于安防行业，将AI能力向多领域横向复制。根据我们测算，2017-2021年国内智能安防产品市场空间将从166亿元增长至2094亿元，智能产品占整个安防产品市场比例将从14.75%提升至69.1%。
投资建议：
安防智能化大潮下，三类企业将会受益：1、上游芯片与算法企业将走向融合；2、海康威视和大华股份两大安防龙头企业将是安防智能化红利的最大受益者；3、二线安防企业将受益行业准入门槛的提升。我们重点推荐海康威视、大华股份、东方网力、苏州科达、熙菱信息、神思电子，建议关注富瀚微。
风险提示：
安防智能化市场拓展不及预期；竞争加剧导致毛利率下滑。
1.
智能化并非安防行业的新逻辑，为何现在走向成熟？
1.1.
智能化并非安防行业的新逻辑
安防智能化并非新逻辑，而是行业长期存在的客观需求，实际上海康、大华等行业龙头从2006年就开始布局智能安防产品：
安防行业对智能化需求的根本推动力：海量视频监控数据与人力分析瓶颈之间的矛盾。根据美国信息服务社的数字，截至2015年末全球已安装了超过2.45亿个视频监控摄像头，目前我国已安装的监控摄像头也已超过3000万个，而同时全球和国内监控摄像头销售市场仍在逐年扩张，每年仅仅我国就将产生数万PB（PetaByte）的数据量。而若均使用人工来处理视频数据，例如发生某刑事案件，一个办案人员按正常速度看完100路24小时所有视频资料就需要2400小时，即100天，同时还需要考虑人工容易疲劳，无法长时间集中注意力。这是目前安防行业迫切需要解决的问题。
过去智能安防产品为什么没有获得成功？2006年起安防行业就开始向智能化发展，但一直不能有令人满意的重大突破，主要原因有三点：1、智能识别准确率低；2、设备环境适应性差；3、识别智能种类少；这些问题一直困扰着智能化的普及。
1.2.
深度学习本质与安防智能化目的契合：建立监控数据与有用信息之间的映射
我们曾在人工智能深度报告《深度学习：人工智能的“神奇魔杖”》中指出，深度学习的本质是通过大量数据训练来建立输入数据与输出数据之间的映射，而安防智能化的核心目的正是建立视频监控数据与有用信息之间的映射，即将监控视频转化为人和机器可理解的信息，并进一步转化为公安实战所用的情报，实现视频数据向信息、情报的转化。
为何行业龙头已经布局10年的安防智能化最近能够厚积薄发？最重要的原因是近几年广泛应用的深度学习算法改变了此前长期困扰安防智能化的问题：
第一、深度学习促使识别准确率空前提高。应用深度学习算法的深度智能设备，可以自行提取更多更详细、更微小的特征，从而使得识别分类对象的准确率更高，深度学习让识别率有了质的提升。
第二、深度学习直接建立了从数据到目标模型的映射，不再需要人工选择或创建特征集来描述目标。
过去智能分析算法受场景影响较大。算法在设计的时候，需要对问题进行建模，这些模型是对场景的抽象和近似，由于实际场景非常复杂，单一的模型无法准确描述，就需要假设场景满足某些约束条件，如果这些条件与实际场景不符，算法的性能就会下降。而深度学习恰恰解决了智能分析的两大瓶颈：
1、适应足够多的环境和场景。深度学习在训练模型参数的阶段使用了海量数据，相比传统机器学习方法，包含了足够多的场景，并且直接建立从数据到信息的映射，对约束条件的依赖较少，这就意味着深度学习的产品可以应用到更广泛的环境当中。
2、识别种类更丰富。理论上只要有足够多的样本进行训练，深度学习能够实现比较精准的目标分类识别，自主特征识别的特点又让深度学习特别适用于抽象、复杂的关于人的特征、行为的分析领域。
1.3.
功能性瓶颈突破不断解锁下游需求
功能性瓶颈的突破使得安防智能化产品一经应用就获得惊艳效果，解决了很多依靠人力难以做到的事情，这也是下游客户愿意接受智能化升级的根本原因。
2.
安防智能化产品功能的四大方向和前后端共存的格局
2.1.
目前安防智能化产品的功能出发点离不开四个方向
虽然目前市场上各大安防企业的深度学习智能产品宣传侧重点各有不同，但其出发点都离不开四个方向：1、人体分析(人脸识别、人体特征提取技术)；2、车辆分析(车辆识别技术、车辆特征提取技术)；3、行为分析(目标跟踪检测技术、异常行为分析技术)；4、图像分析(视频质量诊断技术、视频摘要分析技术）
2.2.
前后端智能产品并不对立，或将长期同时存在
目前主流安防厂商的人工智能产品包括前端和后端两类。
前端产品的核心功能是为后端提供高质量、初步结构化的图像数据，其主要作用有两点：1、提升部分智能分析应用的实时性；2、节省带宽和后端计算资源。典型的前端智能摄像头内臵深度学习算法，一方面可以在前端完成人脸定位和质量判断，有效解决漏抓误报问题，同时拥有较好的图像效果，即使周围环境光线不佳，人员戴帽子或一定角度下低头、侧脸，仍然可以做到准确识别，并自动截取视频中的人脸输出给后端；另一方面可以输出编码后的网络视频，还支持输出非压缩、无损无延时的视频流图像。这样可以为大型用户节省服务器成本和带宽，因为在同等服务器数量和计算能力的情况下能够接入更多路摄像头。
后端产品的核心功能是利用计算能力对视频数据进行结构化分析，一般包括两类：
1、智能NVR，它是基于深度学习算法推出的智能存储和分析产品，兼顾传统NVR优势的同时增加了视频结构化分析功能；
2、高密度GPU架构结构化服务器，集成了基于深度学习的智能算法，每秒可实现数百张人脸图片的分析、建模，可支持数十万人脸黑名单布控，人脸1V1比对、以脸搜脸等多项实用功能，满足各行业的人脸智能分析需求。
智能前臵与后端智能分析一直是行业备受争议的两个方向，两者的主要区别是：
1、由于前端设备(主要是相机)内的空间有限，再加上功耗、成本等因素的限制，智能前臵会受硬件计算资源限制，只能运行相对简单的、对实时性要求很高的算法，但算法升级、运维较难；智能放在前端优点是计算资源专注于前端，大幅节省带宽资源。
2、后端智能分析(如智能分析服务器)通常可以根据需求配臵足够强大的硬件资源，能够运行更复杂的、允许有一定延时的算法，另外，在后端算法升级、运维都会比较方便。
前后端产品不是对立与竞争的关系，将长期同时存在：
第一，前端和后端合作的共同目标是为客户提供性价比更高的智能解决方案。具体过程是根据前端与后端的设计特征，将解决方案的执行过程予以分解，在满足智能需求的前提下，使资源利用得最充分。
一般来说视频的检测、跟踪、去重这类与具体识别目标无关、较为通用的功能适合放在前端，而较为复杂的识别、涉及到敏感信息的比对等功能适合放在后端。
第二，智能前臵与后端智能分析包含着明显的转化关系。随着芯片技术的持续发展，尤其是在以movidius为代表的专门为视觉处理设计的终端芯片成熟，使得针对神经网络算法的计算能力大幅提高，越来越多的智能算法可以从后端转向在前端完成。目前已经有很多智能算法可以在前端实时运行，如进入/离开区域、越界、徘徊、停车、人员聚集、快速移动、物品遗留、物品拿取、人脸检测等。
3.
芯片是决定安防智能化进度核心要素：后端或先于前端产品放量
3.1.
深度学习要求安防产品具备空前的硬件计算资源，英伟达GPU成熟应用于后端产品
深度学习与传统计算模式不同，最大的区别是不以执行指令为目的，但需要大量并行计算资源。以AlphaGo的配臵和性能可以看到深度学习对硬件计算资源需求极大，需要专门的计算芯片来加速计算。实际上无论是前端智能摄像头还是后端结构化服务器，其额外增加的硬件资源核心目的实质上都是为了增加计算能力。
由于前端产品对芯片功耗、面积和价格有更高要求，目前英伟达GPU主要成熟应用在后端结构化服务器等产品（对应英伟达的数据中心业务）。英伟达通过GPU在深度学习中体现的出色的性能迅速切入人工智能领域，又通过打造CUDA平台大大提升其编程效率、开放性和丰富性，建立了包含CNN、DNN、RNN、LSTM以及强化学习网络等算法的平台，但因为GPU芯片的功耗、面积和价格等限制性因素，其目前主要成熟应用在数据中心（对应安防后端结构化服务器等产品）。从近期财报来看，其收入增速最快的业务也是数据中心业务。
3.2.
对于智能前端产品目前有两种芯片解决方案
第一，采用较为通用的视觉处理器，如movidius、英伟达的Jetson系列芯片，通用性较好，能够运行各类神经网络算法，但价格相对较高，主要针对高端市场。就像当年iPhone5s加入了M7协处理器，针对计算机视觉领域在一些终端设备上提供一块专门的低功耗处理芯片，在处理深度学习的问题时更加高效，可以针对卷积神经网络的训练特征从芯片级别进行优化，从而促进基于深度学习的计算机视觉算法在终端设备上的普及。
这类通用处理器也为顶尖算法类公司向上游硬件发展，提供嵌入式解决方案奠定了基础。例如商汤科技将深度学习人脸识别算法通过高性能计算极致优化，搭建底层算法最优解决方案，基于英伟达JetsonTX1芯片平台推出了SenseEmbed嵌入式解决方案可；旷视科技(Face++)和NVIDIA合作的全新自研智能处理器——MegBrain-M1001正是基于NVIDIAJetsonTX1平台开发的高性能人工智能算法处理器，具有强大的并行处理计算能力，能够流畅运行全球领先的Face++人脸识别算法并为人脸识别整体解决方案提供强劲的核心支撑。
为什么大部分安防前端智能产品都在2016年推出？我们可以关注到海康、大华、宇视科技、苏州科达、格灵深瞳、商汤科技等大部分公司的前端智能产品都是在2016年正式推出，上游芯片厂商的布局无疑是前端产品的前瞻指标：NVIDIA2015年底发布了JetsonTX芯片，主要针对终端市场，而大部分前端产品都采用了该系列芯片。
第二，将较为通用的智能识别类算法直接固化为IP，嵌入到视频监控SOC芯片中，优点是因为是专用芯片（ASIC）,量产后功耗、价格等都极具优势，但功能拓展性有限。虽然英伟达已推出Jetson系列芯片并与多家安防公司合作前端产品，但包含256颗CUDA核心的Jetson芯片仍然属于通用型GPU计算产品，高昂的芯片成本使得智能前端产品价格过高，难以快速推广，而专用芯片的成熟应用成为我们跟踪前端产品放量的前瞻指标：
1
）海康视频监控芯片供应商富瀚微招股说明书透露海康已经将智能分析IP授权给公司，应用该IP的芯片将在2017年量产。
A股视频监控芯片设计公司富瀚微招股说明书显示，海康威视已将视频智能分析技术及人脸图像的检索系统及方法专利授权给公司，将应用于公司新一代高清网络摄像机SoC中，用于对特定的监控场景中的人脸进行有效检测，并提取关键特征参数。该技术被设计为一个专用模块，并配合相关软件使用。公司在智能分析技术上已投入人力进行研究开发，并已拥有相关核心技术。而根据富瀚微披露的募投项目研发进展，该SoC芯片已经流片，将于今年量产。海康威视作为富瀚微重要芯片销售客户，占其2016年营收比重达到40.94%，位列所有客户第一，预计明年就将会有搭载该芯片的智能摄像机进入量产。
2
）全球主要的视频监控芯片设计公司均在布局带智能识别功能的安防芯片
全球视频监控芯片领域的海思，安霸等公司均已与商汤科技合作，通过SenseEmbed解决方案，为芯片添加人脸识别模块，实现芯片级的高度集成，为部署到智能摄像头、摄像机、机器人、刷脸闸机等多种产品形态提供高效、低成本的方案，进而缩短交付到银行、商超、社区等最终应用场合的周期。
商汤科技的SenseEmbed将深度学习人脸识别算法通过高性能计算极致优化，搭建底层算法最优解决方案，利用商汤科技自主研发的PPL、FastCV高性能异构并行计算组件库，能将复杂的深度学习算法集成在一张小小的芯片中，进行毫秒级识别速度。目前已支持海思Hi3519/Hi3516A/Hi3516D、飞思卡尔IMX6、ARMCortexA7等多款主流嵌入式芯片，将为硬件设备提供最优深度学习算法引擎。根据我们的产业调研，商汤科技在去年已经与海思共同研发用于摄像头中的人脸识别芯片，预计今年有10万片的产量，相应订单将输出给主流摄像头生产厂商。
4.
人工智能对安防行业格局的影响
4.1.
行业集中度将空前提升
过去几年安防行业网络化、高清化的发展过程使得“两超多强”的竞争格局愈加明显，技术升级推动行业集中度不断提升已经得到充分验证。
第一，龙头企业才足够支撑大规模和高质量的研发团队。传统安防行业规模效应主要体现在上游芯片采购成本优势和销售渠道优势上，在智能化技术变革中研发能力门槛空前提升：目前国内主要只有海康、大华两家安防企业能够在全球LFW人脸识别比赛、ImageNet图像识别中拔得头筹已经验证了这一点。
在A股主要的安防公司中，海康威视及大华股份的研发费用绝对额远远高于其它中小公司。从研发人员数量上来看，近年来海康威视及大华股份的研发人员占比及数量均急剧上升，这体现了行业内龙头公司在研发投入方面的绝对优势。
更需要关注的是随着图像识别率进步速度的放缓，使得安防龙头企业在应用场景、产品能力、市场渠道方面的优势相比于纯技术驱动的科技公司更为显著。2013年的时候，获得ImageNet第一名的算法错误率是13%，2014年时是7%，2015年时是3.6%，到2016年时变成3.0%。大家可以看到，从2013年到2014年，错误率下降了近一半，从2014年到2015年，又下降了近一半，而2015年到2016年的时候，下降的幅度就变得很小了。在深度学习的框架下，以现有的技术处理图像分类任务的能力，错误率继续大幅下降的空间已经不大了。
第二，龙头企业才有智能化所需的全解决方案运营经验和完整的产品体系。
安防产品是非标准化市场，行业龙头本身品牌溢价优势明显，而实现安防智能化需要前后端产品的整体配合（包括前后数据格式的统一），市场将进一步向能够提供整体解决方案的龙头企业集中。
海康威视深耕安防行业多年，在技术、产品和解决方案等领域拥有深厚积累，形成了从前端（感知）、传输、存储、显示控制到综合管理平台等全系列产品体系，面向各国政府、企业、家庭及个人用户的多层次安全防范需求，提供“一站式”的整体解决方案。公司凭借对视频技术应用的经验以及丰富的产品和系统集成能力，将深度学习和视频大数据技术优势快速产品化，形成从采集到处理、智能分析贯穿前端到后端以及大数据应用平台的深度智能产品家族。
目前大华股份的核心产品包括前端产品、存储产品、中心产品、楼宇产品、云存储与云计算产品、AI产品以及人脸识别产品等。大华拥有嵌入式开发技术、视频及图像处理技术、存储技术、智能化技术、HDCVI技术、光学技术、芯片技术以及云存储/云计算技术等，八大核心技术贯穿整个安防产业链。
4.2.
安防智能化将是一个后端带动前端的过程
安防智能化不同于安防高清化，安防高清化解决的是输入数据质量问题，所以由前端启动，带动后端需求。
智能化解决的是数据处理效率问题，一方面目前大部分安防数据处理都在后端，另一方面后端GPU芯片已经应用成熟，相对前端没有芯片价格和功耗的限制，故在安防智能化时代后端产品将率先启动。
对于前端产品，一方面政策强制要求提升高清化渗透率。2015年5月6日，九部委下发《关于加强公共安全视频监控建设联网应用工作的若干意见》，到2020年，要基本实现“全域覆盖、全网共享、全时可用、全程可控”的公共安全视频监控建设联网应用。在“全域覆盖”方面，要求重点公共区域视频监控覆盖率达到100%，新建、改建高清摄像机比例达到100%；重点行业、领域的重要部位视频监控覆盖率达到100%，逐步增加高清摄像机的新建、改建数量。
另一方面人工智能带来后端数据处理能力的提升对前端产品产生新的要求：
1、过去高清化带来的海量数据与人力分析瓶颈矛盾显著，高清化并不一定能够解决客户核心需求，客户推动高清化动力有限。深度学习技术带来了视频分析能力革命性的变化，而这种能力是以摄像机的高清化为前提，会反向带动高清化渗透率加速提升；
2、双目摄像头、全目摄像头等增强前端数据质量和范围的产品与智能分析技术结合将发挥真正价值，其渗透率将空前提升，这将大大增加前端摄像头的附加值；
4.3.
智能化将加速安防厂商向运营模式转变
人工智能给安防企业带来的根本性改变是：
第一，对计算资源要求空前巨大，云计算模式成为趋势。目前后端智能业务大多以提供搭载GPU结构化服务器和相应的人脸搜索、人脸布控等软硬件一体解决方案来盈利。对于公安等信息安全敏感客户需要搭建自己的私有云，但对于更广泛的客户群体所需要的并不是结构化服务器，而是其提供的计算资源和上层应用，这使得转向云计算模式越来越重要；
例如大华股份在行业内率先推出了视频云战略和产品，包括云存储、云识别以及云数据库产品，可解决大规模摄像头的接入、汇聚、存储、内容识别和分析研判，让百万级摄像机能轻松上云，形成视频数据的汇聚，然后结合人工智能算法进行视频图像数据的高效精准分析形成结构化数据，最后在运用大数据技术进行数据挖掘，使看视频变为搜视频、搜视频变为事件预测，极大提升视频价值和用户的使用效率。
零售行业成为践行安防云模式的首选场景。海康威视的连锁云服务依托于其强大的云服务平台，可以给商家提供全互联的综合安防解决方案，商家无需自建中心，所有分部数据都通过互联网上传至云平台由总部统一管理和运营。
大华股份则在智能楼宇连锁商业细分行业中完成了可视化连锁行业智能综合解决方案，能够实现：
远程巡店：
管理员通过监控中心管理平台，远程实时了解员工服务工作状态与每个门店的商品核实、促销广告设臵是否合理，即时掌握各分店突发事件，有效节省现场调查的人力、时间；
可视化收银：
对POS机训练模式漏洞、恶意退货、恶意频繁刷会员卡、单笔消费额异常大等事件进行现场视频联动，收银信息叠加于监控画面，并产生报警时间调查消息信息；
客流分析：
根据视频记录分析统计每天的客流变化频率与店内经营区域客流密度，为合理安排工作时间与人力、货架分布、供货等提供决策依据；
惯偷识别：
通过在出入口设臵惯偷识别系统，通过人脸抓拍、识别、对比，减少店内损失。
第三，安防企业的能力从提供安防设备和解决方案上升为从安防数据中获取有价值的信息，使得客户可以只为有价值的信息买单而不用为安防设备买单，将加速安防运营模式推广。相较于目前中国安防运营服务只占安防市场10%的现状，欧美安防运营服务市场规模是安防产品市场的5倍以上，这意味着安防运营服务仍有很大的市场空间。
安防运营服务核心业务主要包括监控维保服务、报警运营服务、产品系统集成服务等。其中，以数据为中心，将视频、报警、对讲等服务内容以信息化、流程化形式进行管理的报警运营服务云平台将成为重要突破口。从产业结构来看，根据安防知识网数据，去年我国安防产业总规模达到了4000多亿元。其中，安防产品市场规模约为1900亿元，安防工程市场扣除产品重复计算的规模约1900亿元，运营服务及其他约为410亿元左右。值得注意的是，我国安防工程和安防产品占据超过90%的市场份额，而运营服务规模占比仅为7%左右。
海外企业ADT已经树立了从产品供应商到安防运营商的发展路径。ADT从单一的产品供应商，到引入ADT报警监控服务，再到全面倡导整体安防营运解决方案，它成功地整合了服务与产品，成为集产品设计、生产、安装、安防服务与解决方案的策划与提供、维保维修等于一体的全方位安防营运商。ADT主要提供智能家居安全监控服务。通过手机上的APP，可以监控家里的情况，包括温度监控、入室行窃监控、洪水监控、火灾和烟雾监控、一氧化碳监控、医疗警报监控等，几乎涵盖了家庭监控的所有范畴。
ADT主要以ADT和ADTPulse品牌销售其产品给住宅的业主以及小型企业客户，目前ADT全球的服务对象包括90%的世界财富500强公司；美国50家最大的全国性及区域性银行控股公司中的半数；美国72家大中型机场。美国30座最繁忙的机场中，19家使用ADT的服务；全球最大的100家零售商中，80%使用ADT的服务。ADT提供的解决方案从最小的店铺到最大的零售中心、从小型车间到大型工厂、从地下停车场到最高的办公楼、从酒店到机场、从工厂到银行等各个行业。ADT主要通过独立的授权经销商以及第三方分销公司销售其产品，ADTPulse是一款订购式的安防自动化服务，可与第三方智能家居公司合作。
