一、視頻監(jiān)控行業(yè)發(fā)展趨勢

隨著我國平安城市、智能交通等各項建設的持續(xù)開展，以及金融、教育、物業(yè)等各行業(yè)用戶安防意識的不斷增強，視頻監(jiān)控市場近5年來一直保持著18%左右的穩(wěn)定增長。然而，大多數攝像頭一直沒能擺脫人工監(jiān)控的傳統(tǒng)監(jiān)控方式，由此導致了大量視頻數據堆積占用存儲資源、視頻監(jiān)控實時性差、視頻檢索困難等問題，一旦有案件發(fā)生，海量攝像頭帶來的海量視頻數據檢索工作需要耗費大量警力。

為了解決這些問題，近年來，視頻監(jiān)控行業(yè)向“高清化、網絡化、智能化”趨勢加速演進。視頻監(jiān)控設備技術性極強，系統(tǒng)的創(chuàng)新升級同時也在引導市場需求的變化并創(chuàng)造了新的市場需求。

高清化:攝像頭高清化是實現攝像頭網絡化和智能化的重要前提，高清攝像頭不僅讓我們看得更清楚，也能讓機器“看”得更清楚，從而使得機器視覺技術有了用武之地，能夠更準確地提取重要的有效信息。此前，阻礙攝像頭向高清發(fā)展的重要原因是帶寬和存儲的成本，因此，提升編碼效率是實現視頻高清化的技術基礎。

網絡化:網絡通信技術的發(fā)展使得視頻監(jiān)控系統(tǒng)可以通過互聯(lián)網遠程傳輸視頻數據，從而實現遠程監(jiān)控的功能，這極大的擴展了視頻監(jiān)控的范圍。當然，網絡化的發(fā)展趨勢也使得視頻的數據量越來越大，要求系統(tǒng)具備更強的存儲、檢索和備份等功能。同時，海量的視頻數據也對視頻監(jiān)控系統(tǒng)的智能化發(fā)展提出了更高的要求。

?（AI在視頻監(jiān)控中的應用）

智能化:智能視頻監(jiān)控技術近幾年來被廣泛研究并開始實際應用，通過將機器視覺技術融入視頻監(jiān)控系統(tǒng)，對視頻數據流進行圖像處理、目標分析，實現自動檢測、目標跟蹤等目的，對視頻監(jiān)控系統(tǒng)進行實時控制，變被動監(jiān)控為主動監(jiān)控。

“高清化、網絡化、智能化”的視頻監(jiān)控系統(tǒng)已經開始應用在實際生活中，具體來說，在智能交通系統(tǒng)中，重要關卡的攝像頭能夠智能化地檢測交通違規(guī)，未來覆蓋所有道路交通的視頻打通后還可以構建城市擁堵模型，并實時調整紅綠燈及道路行駛規(guī)則;在平安城市系統(tǒng)中，各點位視頻不僅被動監(jiān)控，還可以因地制宜運行安全檢測算法，并在事件發(fā)生時即主動報警，由原來的“事前震懾，事后追蹤”變?yōu)橹鲃颖O(jiān)測;而在民用市場上，通過在攝像頭基礎上附加的客流統(tǒng)計、人臉識別等功能，進一步拓展了視頻監(jiān)控的民用市場。

二、視頻監(jiān)控的核心技術--編碼技術

當代視頻監(jiān)控系統(tǒng)主要包含五大類關鍵技術:

數字視頻壓縮與編碼技術(編碼)

數字視頻的網絡傳輸技術(傳輸)

海量視頻數據的存儲和檢索技術(存儲)

視頻監(jiān)控場景中的人/物體的識別與跟蹤技術(視頻圖像處理和分析)

視頻監(jiān)控場景中的運動檢測與告警技術(視頻圖像處理和分析)

前三項是核心支撐技術，由于視頻數據量的龐大與有限的存儲和網絡傳輸資源之間存在矛盾，因此視頻編碼就成為視頻監(jiān)控系統(tǒng)中最重要的核心技術。

國際電信聯(lián)盟電信標準分局ITU-T與國際標準化組織和國際電子委員會ISO/IEC是制定視頻編碼標準的兩大組織，ITU-T的標準包括H.261、H.263、H.264，主要應用于實時視頻通信領域，如會議電視;MPEG系列標準是由國際標準化組織和國際電子委員會ISO/IEC制定的，主要應用于視頻存儲(DVD)、廣播電視、因特網或無線網上的流媒體等。兩個組織也共同制定了一些標準，比如H.262標準等同于MPEG-2的視頻編碼標準。目前，H.261與H.263在視頻通信中應用比較廣泛，H.264標準的推出，是視頻編碼標準的一次重要進步，它與MPEG-2、MPEG-4及H.263相比，編碼效率更高。但是，更高的編碼效率也意味著更加復雜的編碼算法，隨著集成電路技術的快速發(fā)展，H.264的應用已經成為現實。

目前國際最新的視頻標準是H.265，在同等清晰度下，H.265視頻標準碼率是H.264碼率的一半，大幅提升傳輸和存儲效率，基于H.265標準各大廠家也推出了更有效的編碼算法，如海康威視推出的Smart265，可以針對不同的場景設定不同的碼率，在人流量不密集的場景中碼率最高可降低70%以上。高效編碼算法的出現降低了高清傳輸的成本，高清化為智能化奠定了基礎。

三、AI在視頻監(jiān)控中的應用

升級后的攝像頭可以將清晰的視頻畫面實時傳輸到后端，同時也帶來了海量非結構化的視頻數據。因此，利用AI算法將非結構化數據轉化為結構化、并進行智能化分析成為視頻監(jiān)控行業(yè)面臨的首要問題，在提高數據處理效率的同時也能為不同應用場景充分挖掘數據價值。比如，人臉識別是當前在智能化中應用最為廣泛的技術，現在通過基于深度學習的人臉識別算法，從抓拍嫌疑人到傳入后臺系統(tǒng)做出比對預警只需幾秒鐘。

視頻圖像處理和分析技術是實現監(jiān)控智能化的關鍵，目前主要的安防模式識別技術包括身份識別、軌跡識別和環(huán)境判斷補償識別等。

AI技術用于視頻監(jiān)控系統(tǒng)有前端和后端兩種方案，前者是利用前端攝像機自身的芯片和算法進行計算，而后者則是利用后端計算機進行分析。

(1)前端方案:是指在攝像頭等前端設備中內置AI分析芯片，通過前置的智能分析可以有效降低需要傳輸的數據量，在車牌識別等應用上已經比較成熟，現在前端設備做車牌識別準確率已經達到了99%。

(2)后端方案:普通攝像頭采集視頻信息后傳輸到后端，用后端服務器的方案進行智能分析，這是當前主流的智能分析方案，多采用CPU+GPU架構，GPU集群服務器充分利用多GPU的并行處理能力，有效提高視頻結構化處理效率。

前端方案需大量部署AI攝像頭，大規(guī)模替換現有的攝像頭，成本較大。另外，前端設備體積小，對芯片小型化的要求更高，芯片成本約是后端設備成本的兩倍，短期限于成本壓力，AI功能主要還是集中在后端進行。AI后端產品計算性能強大，一路智能NVR可以同時對幾十路攝像頭數據進行分析，實現特征提取、人臉識別等功能。

但是，前端智能化可以增強視頻監(jiān)控的及時性效果，同時將AI功能集成到前端可以減少了視頻信息上傳的帶寬壓力。隨著前端處理芯片性能的不斷提升，AI攝像頭可以運行更加復雜的算法，長期來看，智能分析前端化也會成為未來的發(fā)展趨勢之一。