2022年端边云协同的AI视觉产业研究报告（38页）.pdf

1、智能视觉应用快车道端边云协同的AI视觉产业研究报告2022.9 iResearch Inc.22022.9 iResearch I摘要AI视觉产业背景：AI视觉又称计算机视觉，得益于深度学习技术的快速发展，已于安防、金融、制造、零售等多领域实现规模化商用。2022年，AI视觉相关投融资热潮全面复苏，通用技术、工业与零售赛道热度高企，持续受到资本青睐。2021年我国AI视觉产品的市场规模占整个人工智能行业的49.6%，达到990亿元。从资本热度、市场规模、场景泛用、带动作用来说，AI视觉已成为AI产业发展的主战场，未来增量动力依然强劲。来源：艾瑞咨询研究院自主研究及绘制。端边云协同的需求趋势：数

2、字经济时代，物联网感知数据量激增，边缘计算刚需场景涌现。边缘计算可在本地提供IT服务、计算能力，减少上传的数据量、节省网络操作、服务交付的时间延迟，提高传输效率。企业可以选择将算力下沉至更贴近设备端的边缘计算，衍生出端-边-云的协同新模式。端边云协同的AI视觉产业：产品模式一般可分为标准化SaaS产品与定制化解决方案两类。行业客户需根据自身IT信息化水平、需求定制化程度、产品付费意愿、适用场景需求等因素考量选择。具体到边缘侧部署上，AI摄像头出于功耗、散热等因素考量，不会内置过多算法，可处理简要前端场景；若对时延要求高且算法需求复杂的应用场景，则需搭建边缘盒子或边缘服务器。本篇报告根据行业特点

3、与场景需求，对安防、工业、零售、机器人、农业领域展开讨论。端边云协同的技术与生态趋势：1）端边云协同的AI视觉产业发展依赖于联邦学习、增量学习、协同推理等边缘AI技术发展；2）端边云协同的AI视觉应用对算力和网络部署提出了要求，算力网络技术发展将助力超低时延类AI视觉应用；3）边缘计算将进入黄金发展期，在满足灵活响应、敏捷部署、时延成本的业务需求外，未来需进一步关注边缘服务的安全、可靠、可信等能力，构建“可信边缘计算”生态3AI视觉产业背景1端边云协同的需求趋势2端边云协同的AI视觉产业分析3典型厂商案例4端边云协同的技术与生态趋势542022.9 iResearch IAI视觉关键任务又称计

4、算机视觉，关键任务聚焦语义感知与定位追踪视觉使人类得以感知和理解周边的世界，人类的大脑皮层约有70%都在处理视觉信息，可以说视觉是人类获取信息最主要的渠道。而AI视觉即通过电子化的方式来感知和理解影像，让机器或计算机可以像人类那样“看”，甚至达到超越人类视觉智能的效果。如今AI视觉（计算机视觉）包括了语义感知、定位追踪和几何属性等诸多不同研究方向。AI视觉关键任务来源：艾瑞咨询研究院根据公开资料自主研究及绘制。AI视觉语义感知定位追踪几何属性分类检测分割识别图像分类是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层视觉任务的基础，根据图像的语义信息对不同类别图像进行区分。图像分割解决

5、“每一个像素属于哪个目标物或场景”的问题，以简化或改变图像的表示形式，使得图像更容易理解和分析，分为语义分割和实例分割。物体检测，从图像中输出单 个 目 标 的 BoundingBox（边框）以及打标签，用框去标出物体的位置，并给出物体的类别进行分类。物体识别：对车牌、文本的内容进行物体识别人脸识别、指纹识别、行为识别、虹膜识别等有关人体相关识别定位追踪目标追踪旨在追踪随着时间不断移动的对象，使用连续视频帧作为输入。利用计算视觉技术找到图像中某一目标物体在图像中的位置，即定位。3D建模视觉SLAM（即时定位与地图重建）增强现实涉 及 3D 目 标 感（认）知与重建，与机器人、AR等应用息息相关

6、，侧重AI视觉的几何属性猫猫鸭子狗猫鸭子狗以行为识别为例52022.9 iResearch IAI视觉发展历程得益于深度学习技术，AI视觉处于商业应用扩展增速期自2012年采用深度学习架构的AlexNet模型以超越第二名10个百分点的成绩在ImageNet竞赛中夺冠。得益于深度学习所需专家分析和微调较少、能够处理海量数据、具备高灵活性等优势，深度学习技术在目标检测、目标跟踪、图像分割、场景分类、字符识别、人脸识别、姿态估计、动作与行为识别等方向上陆续取得了多项突破性成果。AI视觉在工业界逐步实现商用价值，步入规模化商业落地阶段。同时，随着相关设备能力的改善（如算力、内存容量、能耗、图像传感器分