随着安防智能化的普及应用，客户对于什么是安防智能化有了更加客观的认知，智能化不是无所不能，更加便捷、安全、高效地解决业务需求才是设备与系统智能化的初衷。在金融领域，银行的柜台点钞机的监控设备，需要将柜台与客户的人脸抓拍联动起来形成画中画叠加视频后再进行录像，才能完整的描述一个业务。

    同样，对于自助银行厅和ATM机的防护，发生报警时需要及时与保安系统进行对接，让安保人员采取措施进行处理，如通过语音对讲进行喊话，或者通过闭锁功能对门进行关闭，通过智能设备与平台及安保人员的协同作业，确保智能化系统应用的价值最大化。

    客户接受度提升智能化应用在扩展

    安防智能化早期的应用，出现过一些问题，比如误报和漏报，使得客户对智能化设备和系统产生不信任，但是设备高清化和算法精细化的进步提升了识别的准确度，让客户对于金融监控智能化的认知和接受度有了很大的改善，也带动了安防监控由事后处置转向事中实时预警的发展。虽然现在事前预判还不成熟，但是大数据与云计算等技术的不断发展，事前预判的能力未来也会大大地提高。现在客户也比较客观地看待这个问题，不急功近利，将现有设备系统的价值最大化是当前智能化的重点。

    智能安防在金融方面的应用近年开始逐步进入了银行的核心业务。比如，在人脸识别技术应用方面，工商银行与招商银行都推出了“刷脸”办理业务的功能。又如，在协助银行信用卡业务的监控智能化方案，智能实名认证可以为银行和客户提供远程可视化的追踪与管理模式。但鉴于人脸识别技术尚未完全成熟，金融领域目前还在是小规模试点。

    我们认为金融行业智能安防的主要市场还是在安全防护上，从自助银行厅到加钞间到运钞车，都需要安防的介入。智能安保仍然是金融行业智能安防的主战场。

    智能实时预警系统需要专业运维团队

    金融客户对于安防监控的设备及系统一向比较挑剔。智能安防应用于金融行业时，算法需要足够强的适应能力，应对银行千差万别的现场环境，确保在各种恶劣条件下设备及系统的性能不出现明显的下降。如果不是算法本身针对环境进行过适应，仅依赖现场的参数优化，为了避免漏报，往往容易形成大面积的误报。有时一台设备一天就可能产生上万条的误报信息，而一个安保人员一天大概只能处理两三百条信息。出现这样的情况，一台设备就会把整个银行的安保人力都占用了。

    同时，安防智能化的可靠性还要依赖配置的准确性、外围设备的可靠性，从而实际上对强大的运维团队提出要求。如果摄像机调焦不清或曝光参数不合适，成像效果不理想，拍摄的人脸模糊发黑，智能人脸抓拍、识别就无从谈起。故需要在综合而复杂的应用细则环境下，有一个强大专业的运维团队来做支撑，这个团队除了将设备系统的智能化的算法能够在客户面前做到最佳的呈现，还需要能够及时处理售后问题，第一时间解决客户的遇到的麻烦。这个非常的重要，如果没有这样的交付及售后团队，哪怕算法再优秀，整个智能化的方案也无法得到合理的配置与处理，智能化的功能应用也无法达到最大化。

    最后，在成熟的金融智能化方案中，单点的智能化最后必须嵌入到银行的系统中，与其他安防设备一起，如报警主机、门禁、IP对讲等，通过软件平台进行综合管理，使业务形成闭环。另外，对银行安保流程的了解也非常重要，比如有些银行监控选择分行的监控进行汇总，有的是简单的案件先处理，对于复杂的案件再进行上报到分行，进行分级、分域的平台建设。这些一整套智能化完成的东西，才是银行真正需要的东西。所以金融智能是非常体系化的智能，需要算法团队、设备研发团队、平台的集成团队、售后支撑团队等方面的综合协同。

    技术革新让市场面向新的蓝海

    金融监控传统领域一直是竞争激烈的安防细分市场，友商的属性的差别也使得安防技术革新加快。以传感技术为例，传统的安防监控企业进入金融市场，会选择以摄像机为主要的传感器手段，在此基础上形成智能安防系统。

    但是一些新进来的友商，会通过主动式红外测距相机捕捉场景的三维信息，去解决银行的安保问题。也有一些企业通过双目摄像机，模仿人的左右眼，通过获得的深度信息，去做智能化分析。还有企业通过多摄像头融合，综合多个视角捕获的场景信息进行智能分析。

    这些都是非常具有差异化的技术革新，给安防技术多元化带来更多的可能。但是从目前的态势分析，最终还是要看这些非传统安防技术的功能应用，呈现在客户项目中的性能能否成功解决客户的需求。

    智能算法继续演进

    在智能算法技术方面，基于卷积神经网络(ConvolutionNeuralNetwork)的机器视觉技术已经在人脸识别等很多领域中证明了其有效性，未来相信一定也会在金融行业的智能安保中发挥更大的作用。训练卷积神经网络的三个算法：深度学习、强化学习、和迁移学习，分别从三种方式模拟人脑的学习过程。通过他们的灵活运用，预计在未来三年内，安防监控设备及系统在智能化的性能方面，会有一个比较大的突破。

    卷积神经网络算法是一个高并发、低单元处理复杂度的算法，特别适合GPU计算的框架。但目前，大部分的银行的智能分析硬件还采用ARM、DSP或x86/x64CPU的流水线式处理器架构。随着智能算法的演进，智能分析的硬件系统也将不断更新。

    银行存量市场大

    在旧系统改造方面，许多银行，特别是四大行的监控系统，很多的网点还在用模拟监控的方案。而在模拟监控的方案下，宽动态、强光抑制、星光级等技术在模拟监控系统上是无法实现的。所以未来不管是智能化的需求，还是银行安保对于高清监控的需求，银行监控系统升级改造的存量市场肯定会很大。