视频监控行业市场分析报告.docx
- 文档编号:5789095
- 上传时间:2023-01-01
- 格式:DOCX
- 页数:44
- 大小:10.25MB
视频监控行业市场分析报告.docx
《视频监控行业市场分析报告.docx》由会员分享,可在线阅读,更多相关《视频监控行业市场分析报告.docx(44页珍藏版)》请在冰豆网上搜索。
视频监控行业市场分析报告
2017年视频监控行业市场分析报告
图目录
表目录
1.视频监控迈入新时代,深度智能引领行业变革
图1:
安防视频监控产业链
数据来源:
北京欧立信咨询中心
视频监控系统作为安防领域发展的核心部分,在全球范围内已成为保障社会稳定和公私财产安全的必需品。
从国际来看,反恐形势严峻复杂,国际社会各国反恐维稳的诉求有望带来安防需求大幅提升;从国内来看,平安城市和智慧城市的建设有望加快、视频监控渗透率水平亟待提高。
我们人认为,由于安防视频监控对于社会稳定、企业个人财产和安全的巨大保障作用,已经成为城市和社会建设以及企业和家庭刚需品;伴随人们对安全不断增强的需求和新一代信息技术的更迭,预计未来安防视频监控行业发展前景广阔。
图2:
各行业视频监控应用占比
数据来源:
安防展览网,中安网,北京欧立信咨询中心
图3:
我国视频监控行业市场构成格局
数据来源:
安防展览网,中安网,北京欧立信咨询中心
软硬件系统产品是视频监控行业的核心组成部分。
视频监控系统是安全防范系统的重要组成部分,其由摄像机、传输系统和视频服务器等产品构成。
视频监控行业是安防行业的一个子行业,主要由产品供应商、集成商、运营商等五大类企业组成。
目前视频监控设备占视频监控市场总规模的40%左右,系统集成服务约占55%,运维服务占5%。
从视频监控产业链来看,下游平安城市、大交通、金融行业占视频监控市场的八成份额,其中平安城市是视频监控市场最大的应用领域,占比达43%。
我们认为,视频监控行业的核心在于软硬件产品和系统,随着视频监控由高清化、网络化向深度智能化迈进,产品供应商有望成为引领行业变革的核心力量。
图4:
视频监控迈入深度智能时代
数据来源:
北京欧立信咨询中心
视频监控系统迈入深度智能时代。
视频监控系统从诞生之日其发展至今大体上三个阶段:
第一阶段,20世纪80年代开始,视频监控的实现主要采取模拟方式,录制的视频主要在同轴电缆中进行信号传输,之后在控制主机的监控下实现模拟信号的显示;第二阶段,20世纪初开始,视频监控实现了远距离视频联网,但仍没有完全实现数字化,视频通过模拟的方式并通过同轴电缆来进行信号的传递,在多媒体控制主机以及硬盘刻录主机中进行数据处理和储存;第三阶段,2006年左右开始,随着数字技术与网络技术的发展,安防监控领域的视频技术也进入了数字化与网络化阶段,体现为前端高清化、传输网络化、处理数字化、系统集成化。
当前,随着人工智能要素逐步发展成熟,视频监控即将迎来人工智能时代。
1.1.人工智能加速发展,信息技术进入AI新纪元
计算能力、数据资源和核心算法为人工智能的爆发提供了可行性基础。
摩尔定律半个世纪的发展、GPU性能的不断升级、人工智能芯片的出现和云计算的发展大大提升了人工智能所需的计算能力,数据资源指数式的增加为深度学习的实现提供了可能,深度学习的提出使机器在图像识别、语音识别等领域的准确率大幅提升,同时资金投入的快速增长有望催化人工智能产业爆发。
图5:
人工智能产业发展的要素
数据来源:
北京欧立信咨询中心
1.1.1.处理器芯片长足进步,计算能力快速提升
人工智能算法需要强大的计算能力。
根据DeepMind团队发表在《Nature》上的文章《MasteringtheGameofGowithDeepNeuralNetworksandTreeSearch》,DeepMind训练AlphaGo的机群价值500万美元,包括1202个CPU和176个GPU。
图6:
GPU具有专为同时处理多重任务而设计的超多核心
数据来源:
英伟达官网
GPU能够缩短深度学习的训练周期,加速人工智能产业发展进程。
随着GPU技术的发展,为模拟人脑计算能力所构建的神经元网络连接的数目出现巨大增长。
以语音识别为例,深度学习所需样本量在十亿量级,采用CPU单机需要几年才能完成一次训练,而GPU只需数周就能完成。
GPU缩短了深度学习的训练周期,进而加速人工智能产业发展进程。
GPU芯片性能的提升大大提高人工智能运算速度。
与专为顺序串行处理而优化的数个核心组成的CPU不同,GPU拥有一个由数以千计的更小、更高效的核心组成的大规模并行计算架构,专为同时处理多重任务而设计,更适合人工智能的计算需求。
英伟达通过改善GPU设计、系统架构、编译器及算法,在短短三年内使训练深度神经网络的速度提升50倍。
英伟达预计,在未来几年里训练深度神经网络的速度将再提升10倍。
而国内最好的人工智能硬件研究项目“寒武纪”小组的最新研究结果表明,GPU能够提供平均58.82倍于CPU的速度。
图7:
TPU相对CPU和GPU具有更优异的性能
数据来源:
Google,《In-DatacenterPerformanceAnalysisofaTensorProcessingUnit》
新型TPU、NPU芯片层出不穷,助推人工智能快速发展。
谷歌今年5月发布第二代TPU,用于处理人工智能工作。
谷歌资深硬件工程师测试数据显示,谷歌的专用机器学习芯片TPU处理速度要比GPU和CPU快15-30倍(相对英特尔HaswellCPU和NvidiaTeslaK80GPU),而在能效上TPU更是提升了30到80倍;国内,寒武纪研发了深度学习专用处理器芯片(NPU),目前其IP指令集已扩大范围授权集成到手机、安防、可穿戴设备等终端芯片中,2016年就
已拿到1个亿元IP授权订单,未来有望流片商用。
我们认为,AI时代处理器芯片的快速革新,为人工智能产业发展打下良好基础。
1.1.2.深度学习兴起,人工智能实现重大突破
深度学习,又称深层神经网络(CNN),是人工智能中机器学习领域重要分支,由Hinton等人在2006年提出。
深度学习由人工神经网络模型发展而来,“深度”指模型的层数以及每一层的节点数量,与人工神经网络相比有了很大程度的提升。
图8:
深度学习是人工智能的重要分支
数据来源:
《EfficientProcessingofDeepNeuralNetworks:
ATutorialandSurvey》
深度学习层数的不断提升是近年来人工智能的重大突破之一。
深度学习层数近年来不断提升,在2015年ImageNet计算机视觉识别挑战赛中微软以152层的神经网络算法夺得冠军,这比以往任何成功使用的神经网络层数多5倍以上,在照片和视频物体识别技术方面实现了重大突破。
图9:
深度学习使计算机图像识别准确率超过人类
数据来源:
ImageNetChallenge
图像识别与语音识别准确率皆已超越人类。
2015年ImageNet计算机视觉识别挑战赛中微软首次以图像识别准确率96.5%超过人类的94.9%;XX也在2015年12月发表论文,他们深度学习系统对于无上下文的短语,中英文语音识别以正确率96.3%超过了人类的96%。
1.1.3.互联网渗透率提升,数据资源日益丰富
数据对深度学习训练效果具有决定性的作用。
训练人工智能算法需要海量数据,数据越多,模型越稳定,预测结果越精确。
随着互联网、移动互联网乃至物联网的普及,它们产生的大数据解决了人工智能的数据瓶颈,极大拓展了算法事前训练的样本容量,提高了算法的准确率。
移动互联网和物联网的爆发式发展也为人工智能的发展提供了大量学习样本和数据支撑。
Cisco发布报告显示,2015年全球每月产生的移动数据流量达到3.7EB(2^30G),是2010年的16倍,未来预测将以年复合增速53%的速度增长。
据IDC2012年发布的DigitalUniverse研究报告,截至2020年全球产生数据量将超过40ZB(1ZB=2^30TB),相当于地球上每个人产生5200GB的数据。
我们认为,大数据为人工智能的发展提供了必要条件。
图10:
全球每月产生的移动数据流量不断增长
数据来源:
Cisco,北京欧立信咨询中心
国内亦出台相关政策,推动大数据产业加速发展。
2015年8月,国务院印发《促进大数据发展行动纲要》,提出要大力推动政府信息系统和公共数据互联开放共享,推进数据资源向社会开放,为我国大数据的发展进行了顶层设计和统筹部署。
今年年初,工信部发布《大数据产业发展规划(2016-2020年)》,全面部署“十三五”时期大数据产业发展工作,加快建设数据强国,为实现制造强国和网络强国提供强大的产业支撑。
1.1.4.资金投入快速增长,助力人工智能腾飞
2015年人工智能的投资金额、投资公司数量和参与投资机构数均大幅增加。
根据VentureScanner统计,2015年人工智能总融资量为12亿美元,位居历史第一,2014年获得10亿美金融资位居第二。
仅美国在人工智能领域的风险投资共计达42亿美元。
世界多家科技巨头涉足图像识别领域。
目前,Google、Facebook、Intel、NVIDIA、XX、阿里巴巴、腾讯等科技巨头纷纷发力人工智能。
Intel、NVIDIA等计算处理及信息存储的芯片巨头,依靠强大的计算处理能力和相关解决方案,拓宽着人工智能发展的深度;Google、Facebook、BAT等把持互联网入口的公司,凭借海量的数据资源和种类,决定了人工智能发展的广度。
这些公司均设有各自的研发团队深耕计算机视觉技术,在人脸识别、图像识别、自动驾驶等领域布局。
图11:
2011-2015年全球人工智能公司融资额
数据来源:
VentureScanner,北京欧立信咨询中心
图12:
2012-2015年国内人工智能行业投资情况
数据来源:
艾瑞咨询,北京欧立信咨询中心
人工智能成资本热点,国内计算机视觉初创公司抢占细分市场。
随着2013年深度学习算法在语言和视觉识别上取得突破,人工智能进入资本的快车道。
根据2017年中国IT市场年会数据显示,2016年中国人工智能市场规模快速整张,达到了239亿元,预计2018年将达到381亿元,复合增长率26.3%。
国内人工智能领域投资金额由2012年仅0.08亿美元增长到了2016年的6.03亿美元。
在获得融资的人工智能企业中,立足于计算机视觉的初创企业占比最高,达到了55%。
1.2.安防视频监控,有望成AI率先大规模应用领域
人工智能展现无限可能,已在多领域进行商业探索。
谷歌旗下DeepMind公司开发的一款围棋人工智能程序AlphaGo近年来屡次战胜人类最顶级的棋手,让世界认识到了人工智能的强大;近期AlphaGo即将迎战国内顶尖棋手,值得期待。
实际上,早在AlphaGo之前,人工智能就已经在多个领域进行了商业模式的探索,目前已发展出了安防、个人助理、医疗健康、自动驾驶、电商零售、金融、教育等许多方面的应用趋势。
图13:
人工智能当前主要应用领域
数据来源:
《乌镇指数:
2016年全球人工智能发展报告》
人工智能的重要方向是对图像和视频的处理。
我们认为,AlphaGo所展示出来的人工智能,只是人工智能的冰山一角;因为人大脑皮层的活动,大约70%是在处理视觉相关信息。
如果人工智能不能处理视觉信息的话,整个系统就只是个空架子,只能做结构化的推理,比如棋类,公式推理等,无法进入现实世界进行应用。
智能化是视频监控下一阶段发展的必然趋势。
视频监控在经历了网络化和高清化两个阶段之后,下一阶段的发展方向必然是智能化,这主要包含两方面的因素:
视频数据的爆炸式增长,以及从事后追查到事前防范的安防根本诉求。
在智能化以前,视频监控产生的数据99%以上都是非结构化数据,在以运动图像的形式被人脑自行接收和理解之前毫无意义,因此多年来,公安针对视频监控系统的应用仍停留在人工查证阶段。
随着监控点位骤增,遍布大街小巷的监
控摄像头每时每刻产生的视频流和图像数据也在爆炸式增长,简单利用人海战术进行检索和分析已经很难满足新时代安防工作的需求。
其次,由于重大事故的不可挽回性,安防工作者对于事前防范的需求要远远高于事后追查。
因此,不断扩大的安防行业规模,以及安防业务的特殊性决定了人工智能在安防行业的潜在需求巨大。
从事后追查到事前防范,人工智能有望大规模商用
安博会传递智能安防强烈信号,安防企业积极布局人工智能。
2016年6月份,国家发改委、科技部、工信部、中央网信办联合发布的《“互联网”人工智能三年行动实施方案》中,明确提出推动互联网与传统行业融合创新,加快人工智能技术在家居、汽车、安防等领域的推广应用。
在过去的几年中,公安、政府、交通等具有代表性的部门及行业都已经开始积极采用基于人工智能技术的新一代智能安防产品,人工智能也已经成为安防各大企业的兵家必争之地。
在两年一届的2016年中国国际社会公共安全博览会(北京安博会)上,参展的公司无论是知名安防巨头海康威视、大华股份、宇视科技等,还是安防产业的新兴科技力量旷视(Face++)、大疆科技等,都在已有硬件设备基础之上,积极涉足计算机视觉方面的人工智能算法领域,并推出具有超强科技感的安防产品。
这些动作无疑传递出智能安防时代已经到来的强烈信号。
图14:
深度智能视频监控产品生命周期刚刚开始
数据来源:
Technavio,北京欧立信咨询中心
安防行业已具备人工智能大规模商用的条件。
人工智能的本质,在于运用足够强大的算法对获取的海量数据进行处理,得出结论后下达指令或者发送给用户;人工智能成功落地所具备的必要要素包括应用场景、数据、算法。
平安城市的建设需求,视频监控数量激增带来的海量数据,以及大批国内企业对于人工智能算法的投入,我们认为,目前技术发展已经满足了人工智能落地安防领域并且实现大规模商用的条件,深度智能视频监控的大时代已经近在眼前。
2.平安/智慧城市深入推进,国内市场潜力无限
2.1.城镇化深度推进,城市视频监控渗透提升空间大
当前我国城镇化水平不高,未来城镇化率有望稳定在较高水平。
城镇化是国家现代化的重要标志;2016年我国常住人口城镇化率达到57.4%,户籍城镇化率达到41.2%,总体水平仍然不是很高,处在中增速区间。
自1996年以来城镇化率的年增速突破1个百分点,持续在1.44个百分点左右,经历2010年以来的连续五年下滑(1.6个百分点下滑至2014年不到1.1个百分点),城镇化增速在2015和2016年迎来反弹(分别为1.33和1.25个百分点)。
Logistic模型拟的结果显示城镇化进程未来几年仍然相对较快,2020年前增速仍有可能维持在在1.3个百分点左右。
若如此,我国城镇水平在2020年将达到62.6%,城镇常住人口达到8.76亿,比政府规划的多出3600万人。
户籍人口城镇化率也能达到46.4%。
图15:
当前城镇化水平不高
数据来源:
Wind,北京欧立信咨询中心
图16:
城镇化率未来可能稳定在较高水平
数据来源:
Wind,北京欧立信咨询中心
城镇化进程持续推进,带来增量公共安全需求。
城市是人类文明与创新的核心载体,安全是现代化城市的第一要素,城市安全是城市可持续战略的重要组成部分。
目前我国处于经济转型期和迅速发展的时期,公共安全形势日益严峻,我国城市对公共安全体系的建设已经十分紧迫;国家对公共安全非常重视,全国公共安全支出逐年稳步增长为公共安全相关行业发展提供了基础保障。
图17:
全国公共安全财政支出逐年增长
数据来源:
Wind资讯,北京欧立信咨询中心
我国城市现有摄像头渗透率仍较低,具备较大提升空间。
视频监控摄像头渗透率每千人视频监控摄像头个数是衡量城市视频监控发展程度的重要指标;与美英发达国家相比,我国大中城市的视频监控渗透率仍然较低,摄像头密度最高的北京市每千人拥有摄像头数量在56个,仅为英国平均水平的75%以及美国的58%,三四线城市摄像头密度更低,渗透率仍有较大提升空间。
图18:
我国部分城市视频监控渗透率与美英对比(个/千人)
数据来源:
中国安防展览网,北京欧立信咨询中心
2.2.平安/智慧城市建设助力,视频监控市场快速扩张
平安城市建设已经成为城市基础建设的一部分。
平安城市的建设目的是通过构建一个覆盖整个城市的集成化、多功能、综合性治安防控网络,进一步提升公安机关管理社会、治安防控、打击犯罪、维护稳定、保障安全的重要手段和依靠。
在交通管理、预防和制止犯罪、解决纠纷、处理治安和刑事案件、为公安侦察破案提供线索证据等方面有着其它防范设施难以发挥的作用。
视频监控是“平安城市”建设的核心组成部分,是城市公共安全的重要保障。
近年来,我国经济迅猛发展,人流、物流频率急剧上升,社会治安形势日益严峻。
为了构建和谐社会、平安城市,国家大力开展社会面监控系统建设,并通过与公安网络相连接,大力预防、发现犯罪行为,为公安机关侦查破案提供有力支撑。
当前,视频监控在社会公共安全中发挥着越来越重要的作用,并成为继刑事科学技术、行动技术、网络侦查技术之后的第四大侦查技术领域。
目前,随着“平安城市”建设向纵深推进。
一方面,系统建设从一线城市向二三线城市拓展,由大、中城市向区县、乡镇推广。
平安城市建设正逐步融入智慧城市建设中。
智慧城市是平安城市未来发展必然趋势,有望成为新一代城市形态。
为规范和推动智慧城市的健康发展,构筑创新2.0时代的城市新形态,引领创新2.0时代中国特色的新型城市化之路,国家发改委、工信部、科技部、公安部、财政部、国土部、住建部、交通部八部委印发《关于促进智慧城市健康发展的指导意见》,提出到2020年,建成一批特色鲜明的智慧城市,聚集和辐射带动作用大幅增强,综合竞争优势明显提高,在保障和改善民生服务、创新社会管理、维护网络安全等方面取得显著成效。
图19:
我国智慧城市市场规模预测(亿元)
数据来源:
前瞻产业研究院,北京欧立信咨询中心
智慧城市有望形成万亿级市场规模。
住房城乡建设部于2012年12月5日正式发布了"关于开展国家智慧城市试点工作的通知"。
前瞻产业研究院数据显示,全国95%的副省级以上城市、76%的地级以上城市,总计约500多个城市提出或在建智慧城市,其潜力将在“十三五”期间释放。
目前,住建部正在制定中的“十三五”规划对智慧城市的投资总规模将逾5000亿元,有望形成万亿级市场规模。
视频监控成为我国智慧城市硬性评价指标,是智慧城市建设的关键环节。
在国家发展改革委、中央网信办、国家标准委联合下发的《国家新型智慧城市评价指标(2016年版)》中,公共安全视频资源采集和覆盖情况、公共安全视频监控资源联网和共享程度、公共安全视频图像提升社会管理能力情况成为智慧城市发展重要指标,有望进一步推动视频监控的发展。
图20:
九部委联合力推公共安全视频监控建设
数据来源:
《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》,北京欧立信咨询中心
九部委力推公共安全视频监控“四全”覆盖。
2015年5月,国家发展改革委、公安部等九个部委联合推出《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》,提出公共安全视频监控建设联网应用工作主要目标,即到2020年,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,在加强治安防控、优化交通出行、服务城市管理、创新社会治理等方面取得显著成效。
我国视频监控市场有望持续扩大。
伴随着我国城镇化不断推进,以及平安城市、智慧城市的持续建设,传统视频监控产品的需求将保持稳定增长;人工智能带来的技术革新也将为视频监控的发展注入新活力。
预计2016年中国视频监控市场规模将达到1687.20亿元,其中视频监控产品市场规模达到673.48亿元,未来4年(2017-2020)行业年均复合增长率约为12.25%,2020年中国视频监控市场规模将达到2678.49亿元。
图21:
中国视频监控产品市场及整体市场规模预测
数据来源:
前瞻产业研究院,北京欧立信咨询中心
2.3.国内行业巨头地位稳固,集中度有望逐步提高
国内龙头企业有望充分收益。
国内视频监控市场已经形成海康威视和大华股份两大巨头,市占比逐年提升;根据IHS的数据,2015年海康威视已经占到国内视频监控市场35.1%份额,大华股份已经占到12.1%份额。
我们认为,行业巨头通过加大研发投入和加强市场拓展,市占率有继续提高的趋势。
表1:
2015年中国视频监控设备市场份额
数据来源:
IHS,北京欧立信咨询中心
3.全球市场有望持续向好,本土厂商海外开疆拓土
3.1.全球各地区市场有望持续向好
全球安防市场有望持续保持稳定增长。
近年来,多个发展中国家和地区的安全局势不稳定,持续的反恐需求有望直接有效刺激海外安防市场的需求规模持续大幅增长。
同时,“一带一路”战略和智慧/平安城市的建设也是全球行业发展的驱动引擎。
根据市场调研机构Technavio的数据,2015年度全球视频监控市场估值为229.5亿美元,预计2020年将达到639.8亿美元,复合年增长率为22.76%。
图22:
2015-2020年全球视频监控市场规模及预测
数据来源:
Technavio,北京欧立信咨询中心
北美地区市场基数大,更新换代市场广阔。
北美地区网络基础设施较为发达,能够保障视频监控设备之间的无缝连接,已有大量的政府和商业机构使用视频监控系统。
作为全球视频监控技术先进技术的引领者和最早应用地区,北美的视频监控市场整体较为成熟,未来最主要的增长点为设备更新换代需求和家庭住宅需求。
根据市场调研机构Technavio的数据,2015年北美地区的视频监控市场约为91.8亿美元,预计到2020年有望达到226.2亿元美元,预计复合年增长率为19.76%。
欧洲经济基础雄厚,安防产品需求量大。
以德国、英国、法国等为代表的西欧安防市场是欧洲安防市场的主要部分,基于IP和无线视频监控等先进视频监控系统在西欧的应用越来越多,同时东欧和俄罗斯市场正在逐步显示出巨大潜力;整体来看,欧洲市场未来几年有望稳步增长。
根据市场调研机构Technavio的数据,2015年欧洲视频监控市场约为70.7亿美元,预计到2020年有望达到201.9亿元美元,预计复合年增长率为23.33%。
“一带一路”战略,助力亚太新兴市场爆发。
亚太地区整体基础设施整体相对欧美较为缺乏,因此过去一直是视频监控应用速度较慢的地区;随着国家“一带一路”战略的提出和推进,亚太地区尤其是印度和东南亚安防市场需求正在不断扩张;东南亚地区如泰国、印度尼西亚、马来西亚、菲律宾都加大了安防市场的投资力度;亚太地区相对中东和非洲地区局势相对较稳定,随着亚太发展中国家基础设施建设的进步和商业的持续繁荣,安防视频监控未来有望保持较快速度增长。
根据市场调研机构Technavio的数据,2015年亚太地区视频监控市场约为54.3亿美元,预计到2020年有望达到180.6亿元美元,预计复合年增长率为27.18%。
中东局势动荡和基础设施增加驱动,市场有望快速成长。
中东地区政府越来越意识到要更好地推动该区域经济发展,对关键
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 视频 监控 行业 市场分析 报告