随着高清视频时代的到来，视频监控的点位数和数据量已呈爆发式增长，传统的智能算法还停留在比较浅层的分析识别上，具体表现为准确率低、环境适应性差、识别种类少。然而，从97年IBM“深蓝”以3.5：2.5击败国际象棋世界冠军卡斯巴罗夫到17年1月谷歌“阿法狗”升级版Master在人机围棋比赛中取得60连胜，我们不得不相信，人工智能的时代以洪荒之势已然来临。

人工智能的崛起离不开三要素：深度学习为算法提供了重要基石，大数据为存储提供了高效燃料，GPU、超级计算机、云计算为运算能力提供了引擎助力。其中，深度学习作为最核心的技术支撑，其灵感来源于大脑神经网络，让机器具备了人类对事物抽象和重构的能力，在算法层次上由浅至深，在特征设计上从人造特征到自主学习，让机器拥有接近甚至超越人类的模式识别精度、超强抗干扰的环境适应能力以及强大的种类识别能力。作为机器视觉最具代表性的应用，视频监控系统的发展及应用状况又是如何呢?

“中国芯”正在迅速崛起

网络高清时代的到来为我们带来了更好的图像质量，使摄像机可以更好的记录现实场景，这同时也对芯片商提出了更高的要求。目前国内工业化、标准化的加速及第三方的介入给芯片设计业者提供了快速进入市场的可能，从而推动了芯片国产化和产业化的逐步升级。而安防行业的蓬勃发展，让国产芯片厂商看到了希望，以华为海思为代表的一批致力于国产芯片研发生产的企业，将目光聚焦在安防芯片上，试图在安防行业一展拳脚，发挥最大的价值。

中国安防芯片的技术演进路线越来越清晰，功能多样化的趋势日趋明显。有了“中国芯”，一方面所有的芯片产品定义真正来自国内客户、系统集成商以及最终行业用户需求，在源头上保证芯片真正满足客户需求。另一方面，在芯片布局上紧密契合国内客户的产品演进，推动视频监控产业的持续升级。

前端设备插上了深度智能的翅膀

作为视频监控的前端设备，监控摄像机是整个视频监控系统的重要组成部分，它经历了从模拟到数字化、网络化、高清化以及智能化的发展历程。视频图像来源是视频监控系统的第一环，运用传统的摄像机存在很大的局限性，如检测准确率不高，漏抓误报比较多，抓拍不清晰，图像质量不理想等。前端摄像机内置深度学习算法，可以对人脸、车辆等关键信息进行快速定位抓拍，有效解决漏抓误报问题，也能为后端分析服务器提供更清晰、更高质量的图片，更出色的成像效果大大提升了后端的资源利用率，同等条件下可大幅节省中心部署空间，同样的投入可以产生更大的效用。

以摄像机起家的安防龙头海康威视在其最新推出的“深眸”系列前端摄像机中内嵌深度学习算法，具有结构化信息提取、小型人脸库比对、人体属性分析、人员流量统计、道路实况检测、车辆特征识别、全景监控等多种功能，将前端设备的智能化应用发挥到极致。此外，还将人眼仿生、MSS多光谱成像、被动红外热成像技术等技术融入其中，可对因环境造成的图像模糊昏暗进行亮度与清晰度的还原，还能实现环境测温、防火防盗等功能，引导着前端设备在深度智能化这条路上越走越远。

深度学习开启智能视频分析技术的新篇章

近年来，深度学习在语音识别、图像识别、自然语言处理等应用中取得了显着的成效。深度学习也正影响着安防企业，影响着智能视频分析技术。智能视频分析是计算机图像视觉技术在安防领域应用的一个分支，是一种基于目标行为的智能监控技术，其支持的功能主要有：人车物特征识别采集、人员及物件行为报警、视频信号及质量诊断、视频增强处理、图像比对、视频摘要、内容分拣等。深度学习解决了传统智能视频分析技术人工选择特征准确率低、浅层学习模型无法解析大数据等问题，使视频分析过程中识别准确率更高、环境适应性更好、识别种类更丰富。

在以人、车、物为核心视频特征识别领域，目前最成熟的其实是车辆识别算法，在平安城市建设和公安实战创新的推动下，车辆识别技术在智慧交通、智慧警务等行业的应用取得了不错的成果。国内以深圳华尊科技为代表，在算法准确率、系统稳定性、识别种类、公安车辆大数据实战应用上表现得较为突出，且数次在华为国内外的大型活动中亮相。人脸识别算法因其应用的广泛性，火爆程度远远大于车辆算法，但就目前的技术来看，在准确率、更深层的应用上还有很高的提升空间，以旷视、商汤为代表的算法公司也在高校人才及技术储备、各行业的浅层应用上做出了努力。

大数据时代为算法研究提供了高效的计算工具，而数据量的增加也意味着需要更复杂的视频分析算法模型来诠释和挖掘这些数据，使占有巨大存储资源的视频数据发挥出更多的价值。目前人员行为分析、人群分析等复杂的算法还在起步阶段，让我们想象一下，基于对人体、生物体行为细节的精确捕捉和复杂分析模型，一个城市级的视频大数据中心将能为公共安全、各类学科研究、商业发展乃至人类的进步做出多大的贡献。

海量视频数据存储呈现前端分布式存储、后端集中存储和云存储三种模式

随着视频图像清晰度的不断提高，其存储需求也在不断发生变化。在安防视频监控领域，目前主要存储方式有三种：前端分布式存储、后端集中存储和云存储。

原有的模拟及模数混合组网的视频监控正逐步被纯IP化、全高清的网络视频监控所取代，因此前端分布式存储产品也由DVR、HDVR(混合式DVR)逐步替换成NVR产品。随着前端分布式存储的系统组网成本不断降低，同时4K、H.265技术的推出大大提高了视频图像的清晰度，并通过改变编码方式降低了存储空间需求，使得前端NVR存储产品的竞争力进一步增强。另外，NVR产品由于其简单易用的特性，为不同层面的客户所广泛使用。

相对NVR的分布式存储而言，后端集中存储方式更加注重数据的集中保存、数据的可靠性及统一的管理维护，同时具有较好的容量扩展能力，因此后端集中存储方式更适合大规模部署。集中存储主要以SAN/NAS为主要代表，其中SAN因为其高性能、高稳定性而被广泛采用。FC SAN产品延时小、可靠性高，但建设成本也高很多，针对于视频监控的大容量存储需求来说并不是非常合适，而IP SAN产品由于其互联互通性高、管理维护简单、建设成本相对低廉等优势而为安防视频监控行业所广泛应用。

采用多台IP SAN存储设备叠加的方式勉强实现视频接入和图像存储需求时，由于多台存储设备间相互独立，缺乏有效的数据整合与协同处理能力，因此也额外带来了存储设备的统一管理、设备冗余性能和存储空间无法共享及利用等问题。应需而生的云存储利用集群化、虚拟化、分布式文件系统等技术对整个系统内的设备资源、带宽资源、存储空间资源等进行统一整合，从而为用户提供大容量、高性能、高可靠的透明存储服务。在云存储技术中，不同厂家的应用方案也有所不同，安防厂商基于对业务的理解顺势推出安防专用云存储，数据存储厂商则力推通用云存储以期满足用户多样化需求。

视频监控在各行业的应用情况

据立木信息咨询发布的《中国视频监控市场调研与投资前景预测报告(2017版)》显示：当前，视频监控的主要需求依然来自于平安城市建设、行业延伸及民用市场开启。伴随着我国城镇化的持续推进，政府对平安城市、智慧城市建设及升级改造的重视，各行业对视频监控及视频应用需求的进一步提升，居民对人身安全、财产安全的重视程度不断提高，促进视频监控行业市场规模继续保持快速增长。此外，伴随着“中国制造”、“互联网+”的开展，视频监控也得到政策的大力支持。

从发展势头来看，传统的金融、能源市场趋于饱和，政府、交通市场还在持续快速增长，民用、医疗、教育等新兴市场保持高速增长势头。

就智慧城市建设而言，目前大城市的安防基础建设工作已基本完成，中小城市正处于蓬勃发展阶段，视频监控更多的向联网化、智能化和高清化方向发展，同时随着对数据和有效信息利用要求的提高，云存储、大数据和云计算也开始发展。

在智能交通领域，随着智能手机和无线互联网开始普及以来，互联网的体验型应用越来越渗透到智能交通中，此外，视频智能分析、车联网等技术不断突破，不仅提高了公安交警的工作效率，也给普通民众提供了更便利、更人性化的平台。

民用市场迎来发展期。随着人们生活的水平提高，消费者正在成为推动消费安防的重要力量，中小企业、商铺、家庭逐渐成为常规安防需求的中坚力量。目前，我国民用安防监控只占了6%的市场份额，远远落后于发达国家(如美国民用安防监控产值占据了整体的30%以上)，具有非常强的发展潜力。随着家庭市场的发展成熟，市场会向更高一级的使用便利化以及有序管理服务方向发展，家庭监控将融合移动监控、云存储、隐私保护以及综合运营服务，不单单是安全功能，同时也向个人价值的满足和分享方向发展。

视频监控行业化应用能力的不足之处

国家SVAC编解码能力亟待提升

监控数据作为敏感的可视化信息，已经成为国家安全的重要组成部分，敏感视频外流给国家和地区造成的舆论压力非常大，所以我国具有自主知识产权的视频监控专用编解码协议SVAC得到了公安部的高度重视，也在广东等地区进行试点推广。原定于去年推出的SVAC2.0版本协议延至今年发布，6月1号起正式实施，但是与主流的H.264、H.265相比，SVAC技术迭代进展相对较为缓慢，在码流压缩传输方面还有较大的差距，市场产品线也还不够完整。

产品缺乏亮点

目前视频大数据还处于相对比较初期的阶段。整个视频大数据的领域，包括了云存储、云智能，以及大数据分析和挖掘。云存储在行业内已经相对比较普遍，但是各个厂家对云存储的定义不尽相同，有很多拿传统的存储系统包装一下出来就是云存储。云智能也是面临着同样的问题。大数据分析和挖掘部分则还处于相对早期的探索阶段，因为它依赖于数据的沉淀、汇聚和清洗。目前市场上绝大部分安防产品的同质化竞争过于激烈，产品缺乏足够的亮点。早期的监控平台并不是以云架构方式建设的，也没有数据开发共享的概念。在大数据时代的整体背景下，原来的很多监控平台难以支撑大数据的应用，市场急需一个新的云架构的监控平台来支撑未来的发展。

视频分析准确度低、缺乏深层次挖掘

视频监控行业发展这些年，视频分析准确度低是制约其得以大规模应用的首要问题，系统针对复杂异常行为建模困难，目标与背景接近会导致目标特征信息提取困难，运动目标被遮挡会造成目标信息缺失，目标移动速度过快或算法过于复杂导致跟踪的有效性较低，这些因素都很容易造成误报、漏报、跟踪困难等结果。同时，对于视频图像信息也缺乏深层次的挖掘，难以支撑不同用户的差异化应用需求，视频图像信息及数据的价值仍未得到充分地利用。

视频图像检索速度慢、效率低

前端采集设备不断回传的视频、图片等信息，都需要在平台服务器上叠加算法进行分析，由于服务器本身处理性能的限制，无法并行处理日益累积的超量数据。视频监控每天的数据量就有高达上千PB，累计的历史数据越来越庞大，系统也就逐渐暴露出数据存储压力大，检索速度越来越慢，数据统计、分析效率越来越低等问题。因此，虽然智能分析服务器的应用为公安、交警等需要大量检索视频的情况节省了人力与时间，但整体的效率仍有较大提高的空间。

在安防市场需求的催生及深度学习技术的助攻下，智能视频分析技术目前已成为当下最炙手可热最前沿的技术之一。让我们期待，在平安城市向智慧城市逐步过渡的进程中、在技术储备与市场孕育趋于成熟之时，智能视频分析技术将于全面化、深层次的应用中带领我们迎来一个全新的智慧时代。