迟来的家庭安全大脑,360 为何拖延了大半年?

摘要

事后查证变为事前预警,边缘计算设备如何做好无人值守?

若不是回想起今年 3 月,周鸿祎在 360 的 IoT 主场,提出家庭安全大脑的概念,近乎支离的记忆恐将被冲蚀殆尽。春去秋来,距离那场发布会整整过去了 7 个月,360 家庭安全大脑才从抽象概念落向实体产品。

而毗邻发布会现场的深圳会展中心,恰逢一年一度的安防博览会。360 IoT 创新产品部业务负责人孙浩表示:「在安博会期间发布这样一款产品,不是为了强调家庭安全大脑的概念,占领战略上的制高点,而是希望借助边缘计算,解决实际的落地场景中,那些尚未满足的刚需。」

       360发布安防类硬件产品——家庭安全大脑旗舰版 | 360


家庭场景下的AI 保安

360 正式切入家庭安防领域,要追溯至 2014 年 6 月,小水滴摄像机的发布。其后,户外摄像机、云台摄像机、智能门铃等产品,以及相关的智能安防套件陆续推出,使 360 家庭安防类的产品阵列趋于完善。

五年间,360 累计服务了近 2000 万的智能摄像机用户,日均收到的看家消息提醒达 2.7 亿条。在视频领域的人工智能算法研究方面,360 共申请了 150 条的算法条例,并获得了 ImageNet 视觉识别冠军。

从最初追求报警的准确率、实时率和无丢失数据等提醒工作,再到逐步把人工智能算法引入到软件服务中。随着产品功能的不断完善和进化,360 在家庭安防领域的市场角色,从单纯的硬件制造商,向综合服务的提供者贴近。根据 360 家庭安防产品的用户画像显示,60% 是用于看家,46% 用于看孩子,28% 是用于看老人。截至目前,360 累计收到的儿童呼声报警达 1060 万,人形判断达 8800 万,人脸识别接口的调用次数达 6700 万。

360安防业务线在过去5年来的成果积累 | 360

这些数据的背后,是安防类设备搭载的视觉传感器和智能家具传感器,演化为以视觉和触觉为主的感知系统。

很大程度上,360 家庭安全大脑的启发和构想来源于此:融合视觉、触觉、听觉、嗅觉等感知能力,既支持单一设备的数据处理和智能分析,又能协同调配门铃、摄像机、防火墙等全栈产品。

周鸿祎曾指出:「市面上 80% 的硬件还不是真正的智能硬件。真正的智能硬件需要连接人工智能、大数据,做到协同计算。很多公司在协同上做得不错,但并没有很好融入边缘计算。」现有的形式带来了很大的局限性,即端侧的产品存在局限,智能硬件受到功耗的限制,没有办法在端侧做强,只能做简单的基础功能。

端侧能力的受限,使得设备之间只能完成协同,更多的运算和处理工作,交由云端服务器来完成。「但云端会受到数据源限制,单日的数据负荷需要消耗数目惊人的带宽成本,其中包含有日均近亿次的人脸调用成本」,孙浩补充道。

仅凭早期的云端 AI 模式,很难提供完美的解决方案。「既然 AI 智能驱动了产品化服务,那么以图象识别为核心的安防类设备,应该在端侧实现对 AI 能力的再升级」,孙浩表示。

2019 年年初,在家庭安全大脑发布之前,360 发布了基于端侧 AI 的云台摄像机。通过对端上的数据进行分析,在人形追踪方面,端侧 AI 的云台摄像机通过人形跟踪 2.0 降低了失败率,及时性提升了 30%,同时在端上采取了基于人脸的图片筛选,挑选识别率最强的画面,使人脸识别率达到 60%。

不过,尽管端侧更加靠近数据中心,不存在带宽的限制,但它没有办法对多路的数据进行融合计算和处理。这时,业内注意到了边缘计算。「如果在端侧整合边缘计算,把多路的数据进行融合,依据高可靠、广连接、低延时的特点,端侧设备的市场空间将更加开阔。」

孙浩判断,安防领域目前存在一系列拐点,其中之一就是,「算力的爆发,对产品形态的改变」。

作为面向家庭场景的视频边缘计算设备,360 家庭安全大脑需配合传统的摄像机使用。其采用了海思公开对外发布的旗舰级安防处理器,可达到每秒 4TOPS 的 AI 算力,能够对视频进行实时分析解码,在边缘对人脸进行实时捕捉和分析。

        360家庭安全大脑的参数配置和核心能力 | 360

从底层技术来看,传统安防和家庭安防在人脸识别技术上高度重合,但不同场景的产品需求各异,进而使其在功能逻辑上差异化明显。

传统安防是面向有人职守的场景,「画面分屏+有人职守」的模式有安全隐患。而智能视频分析盒和智能摄像机虽然对算力进行了升级,通过对人脸人形抓拍、车辆识别等视频分析提供结构化的视频存储,但其存储规则没有摆脱纯记录的形式,「一旦有事件发生,视频监控发挥的作用还是用于后续的查询取证,」孙浩坦言。

因此,360 家庭安全大脑要解决家庭户外的安全问题,基于边缘场景规则引擎做事件分级,把事后查证变为事前预警,从有人职守变为无人值守。「设备不仅要实时记录,还要在边缘侧对家庭摄像机进行实时的分析和处理,具备实时预警的功能。」通过边缘计算,为用户提供 7×24 小时的家庭 AI 保安,这是家庭安全大脑区别于以往产品的本质改变。


边缘侧的爆发和差异化需求

从 3 月 28 号发布家庭安全大脑的概念,到 10 月 28 号实体产品的推出,拉长产品时间轴的主要原因,主要是牵扯到诸多算法的调试和优化工作。「好不容易完成了模型裁减和适配,又要解决照明率水平只有 30% 的问题,」孙浩说明道。

这些意想不到的棘手问题,让工程师团队一度陷入困惑。在算法几乎零代差的前提下,数据性越佳,机器的表现就越好。而客观问题在于,很多第三方数据来自公共安防场景,算法和数据的水土不服,令模型调优的工作变得异常很难。

这半年来,团队的精力主要花在了软件迭代,针对产品规则的探索和改进。按理来说,人员密度低,人形检测完整是家庭安防场景的独特优势,人脸识别的算法难度低于公共安防,但 360 家庭安全大脑首批产品公测之后,通过数据标注的发现令人惊愕:人脸的检测比例竟低于 1%

原来,公共安防的设备一般安装在地铁口、电梯口的位置,而家庭安防的户外设备,由于摄像机数量有限,为了满足全覆盖无死角,调高了安装高度。加之光线的差异,再成熟的人脸算法置于这种条件下,也很难发挥出实际效率。

不仅如此,基于家庭安防场景的特点,倘若算法和规则不能很好地对人员进行处理,事前预警的机制,很有可能给用户带来干扰,极易形成「狼来了」的效果。

        边缘场景规则引擎的三种事件分级 | 360

为了解决这一问题,研发团队运用了突破性技术——Re-ID 算法。它具备以图搜图的能力,实现画面融合,精准追踪。摄像头在看清人脸的情况下,根据衣着和形体在不同的时间,把相近的摄像机进行快速的检索,降低了查证的成本。

虽然边缘计算设备的算力高于端侧,但是基于场景和成本的限制,即便拿到很多知名厂商的设备和海思芯片,算法的极限只能处理 8 路视频。其核心问题在于,大量的 AI 功能来自云端,模型的裁减做得不充分,导致算法在云端处理得很好,导入边缘设备后出现了问题。

因此,云端模型要经过深度的裁减。技术团队做了两件事情:分层调离和分层调用。算法只选择人脸正向的清晰画面,再充分利用边缘计算的算力进行实时分析,最终实现了边缘侧单机 16 路 1080P 高清视频实时解码分析处理。

         家庭安全大脑在家庭安防领域的四大细分场景 | 360

通过人脸的调用,利用算力在单个视频的实时解码和计算,360 把自身能力与第三方能力相结合。基于这样的认识,360 对底层场景进行封装,打造了一个相对灵活的边缘场景的规则引擎。通过规则引擎进行事件分级,区分哪些事情只要记录,哪些事情需要提醒,哪些事情要进行报警。而这套边缘规则引擎可以面向场景做到自我学习,随着数据的积累做更加细分的处理。

以往,360 每次产品发布后,大概率会在次日 10 点上线京东商城。但这次不同以往,不仅安全大脑这款产品的售价没有对外公布,而且销售渠道也从 2C 转向 2B,以家装服务品牌为主,最终的落地价格需要以具体的安装和打包服务为准。孙浩表示,360 家庭安防业务已经转向线上线下双引擎驱动模式,计划未来 3 年内,扶持超过 100 家核心代理商,这些代理商在家庭安全大脑产品的销售中,也将提供值得期待的助力。

         360将智能入边缘,数据连接云端,最终融入场景,解决刚需 | 360

「边缘计算虽然呈爆发趋势,但现阶段的成本还没有降下来,所以首款家庭安全大脑的产品定位偏向别墅庭院的高端用户,他们对产品成本的不太敏感」孙浩介绍,360 家庭安全大脑旗舰版定位于专业型设备,第一步的产品落地,最重要的意义在于「把场景做扎实」。

当然,旗舰级产品并不意味着 360 放弃了「普惠的 AI」。孙浩透露,360 家庭安全大脑的普通版正在研发,兼具室外和室内的全天候安防能力。此外,「360 安全大脑不止于家庭。」通过边缘端打造的 AI 细分场景智能引擎,是这类产品的核心。接下来,360 内部团队将与兄弟团队配合,把数据融入云端,更多的安全大脑设备将通过「产品+刚需」的方式实现落地。

图片来源:360

责任编辑:卧虫

最新文章

极客公园

用极客视角,追踪你最不可错过的科技圈。

极客之选

新鲜、有趣的硬件产品,第一时间为你呈现。

顶楼

关注前沿科技,发表最具科技的商业洞见。