如何使视频监控告别人工识图时代？

背景分析

随着安防行业的深入发展，以及IP高清的日益普及，各个行业视频监控系统的规模越来越大，尤其是在平安城市等领域，动辄是几万甚至几十万个监控点位。这虽然给用户带来了更为丰富更为全面的视频信息，但如此海量的信息显然已经远远超越了人力的有效处理范围，如果仍然采用传统人工查看的方式来利用这些视频，将会越来越不现实。

以一个10000路的监控系统为例，即使每路视频仅需1Mbps带宽，每天视频的存储量也要达到108TB，每个月将有3PB。一旦发生事故，工作人员要在如此海量的视频信息中查找出有价值的线索，无异于海底捞针，不仅工作人员工作量巨大，效率也会非常低下。同时，花费巨资构建的系统，如果仍然只是用于事后查看，会抑制用户进一步建设的积极性，如何帮助用户进一步深挖视频信息的价值，对用户的业务形成支撑成为业内关注的重点。

传统的依靠人工识图的监控应用方式已经无法满足将来视频监控应用的需求。面对大规模视频监控系统以及海量的视频图像，如何快速的找到对用户真正有价值的信息，以及如何将这些信息进行分析、归纳实现更多的应用，需要转向利用计算机视觉技术对视频图像进行处理和分析，以更有效率地利用和挖掘视频图像的价值。而近年来，智能视频分析技术、云计算、大数据等一系列技术的出现以及在视频监控行业的落地，为视频监控告别人工识图时代提供了强有力的技术支撑。

前端智能在IP高清监控时代更具优势

要利用计算机来对视频图像进行处理和分析，首先就要保证计算机能够读取到视频图像中的信息。不过，由于视频图像是一种非结构化的数据类型，计算机无法直接对其进行识别和处理，因此，首先就需要利用智能视频分析技术将图片、视频等信息中的各种运动目标及其特征提取出来，转换成结构化的语义描述后，才能通过计算机对其进行搜索、比对和分析。

智能视频分析技术综合了多个学科的研究成果，包括图像处理、跟踪技术、模式识别、软件工程、数字信号处理(DSP)等领域。2001年911事件后，美国对视频分析技术加大投入，2005年左右全球领先的智能视频系统软件供货商ObjectVideo进入中国市场。其在国内有众多的技术追随者，大部分厂商提供的视频智能分析产品都是基于ObjectVideo公司的图像分析技术。早期受限于硬件性能以及智能分析算法的成熟度，企业提供的多是智能型DVS、智能型DVR，以及智能视频分析服务器产品。由于智能型DVR和DVS的运算处理能力有限，且智能功能也较为简单，因此不能满足大规模监控系统的分析需求。而借助服务器强大的计算能力实现各种智能算法是当时比较好的视频分析处理方式，但智能视频分析服务器的成本非常高，这一致命缺陷限制了其在安防领域的大规模应用。除了设备成本之外，服务器的能耗、所占场地、数据中心的网络设备、后期维护等成本使得建设智能视频监控系统的成本高昂，让用户望而却步。慢慢地，人们将目光转向了更具优势的前端智能产品。

感知型摄像机使监控系统具备思考和判断能力

事实上，在智能视频分析技术的发展历程中，随着芯片性能的不断提升，以及智能分析算法的日趋完善，为了解决智能视频服务器成本过高的问题，各类嵌入式智能视频分析产品开始陆续涌现，其中最引人瞩目的当属智能型IPC。

不过，早期的智能IPC主要定位于移动侦测、警戒线、区域看防、人数统计等简单的智能功能，这类智能分析只是在某个行为触发了一定条件之后输出报警信号，仍然无法向计算机描述监控场景中的目标及其特征。直到2014年，苏州科达科技股份有限公司推出感知型摄像机（IntelligentIPC）。感知型摄像机基于视频智能分析技术，能够识别出监控画面中的内容，并对其进行语义描述，实现非结构化视频的结构化处理，再与后端的大数据平台相结合，能够实现视频信息的快速检索、比对和深度分析，代替人类做出思考和判断。相比智能视频分析服务器来说，感知型摄像机的成本要低得多，这为视频图像经济性和规模化进行结构化处理奠定了基础。

云存储和大数据使视频监控告别人工识图成为可能

感知型摄像机实现了视频图像的结构化处理，使得计算机能够识别视频图像中的目标及其特征，但要进一步利用计算机来对视频图像进行分析和挖掘，就离不开云存储和云计算技术的支持。对于视频监控来说，存储是不可忽视的环节，一旦视频丢失，后面的应用也就无从谈起。在视频数据量越来越大的当下，存储系统在安全性、可靠性、可扩容性、可维护性等方面都提出了更高的要求，传统的DVR、IPSAN存储方式已经无能为力，需要依靠功能更为强大，系统更为灵活，扩展性更强，更加稳定可靠的云存储来完成海量视频数据的可靠存储。虽然有了感知型摄像机的思考和判断，以及云存储系统的稳定可靠，但要进一步实现视频图像的实战应用，还需要依托云计算强大的计算能力，根据用户的业务需求构建相应地大数据应用平台，来实现针对各个行业的视频实战应用。

目前，基于感知型摄像机、云存储系统、大数据平台而构建的大数据解决方案已经能够结合行业的具体需求提供快速检索、分析研判以及实施布控与调度等应用，而这些应用在人工识图时代，基本上是没有办法实现的。以轰动一时的周克华案件为例，当时长沙全市近千名视频侦查民警花费两个月左右的时间观看了将近30万G的监控视频，最终才锁定了犯罪嫌疑人，而事实上在此之前警方已经获得了周克华清晰的正面照和侧面照，如果长沙当时所有的视频信息都经过了结构化的处理，并建立了相应的大数据平台，就可以采用以图搜图的的功能，在几秒时间内迅速找出与犯罪嫌疑人相关的视频，从而获得破案线索。相比依靠人工对视频进行排查的手段，通过视频大数据技术来进行视频的检索、分析及应用，不仅会大量减少公安人员消耗，也会极大地提高公安破案效率。

瓶颈依然存在

随着IP高清监控摄像机、智能视频分析产品的逐渐成熟以及大数据、云计算技术逐渐在安防行业的应用落地，视频监控告别人工识图时代的时机已经到来，但计算机要完全取代人工监控也面临着诸多障碍。比如智能分析算法对应用场景要求非常高，容易受到光线、监控角度、天气等外部环境干扰。应用场景发生任何变化都有可能会对算法的准确性产生影响，导致摄像机无法准确识别和描述视频图像中的目标和特征，因此如何提高智能分析算法的场景适应性是横在相关企业面前的一道坎。

此外，如何将大数据技术与视频监控行业应用特征相结合，并将视频监控系统与行业业务流程相融合，真正帮助用户解决安全管理和业务管理方面的难题，也是值得企业进一步去探索的。这一过程离不开企业对行业应用的深度理解，对用户不断变化的需求的把握与持续跟进，并需要企业通过不断的参与行业项目而积累成熟的经验。