視頻監控的大規模發展，以及IP高清監控帶來的海量視頻信息使得傳統的依靠人工進行圖像識別和圖像處理的監控方式越來越不能滿足用戶的需求。如何擺脫對人力的束縛，依靠計算機技術在海量信息中快速找到有價值的信息，進而挖掘出更豐富更有價值的應用，將是視頻監控產業的發展趨勢，也是監控企業的主要研發方向。

　　背景分析

　　隨著安防行業的深入發展，以及IP高清的日益普及，各個行業視頻監控系統的規模越來越大，尤其是在平安城市等領域，動輒是幾萬甚至幾十萬個監控點位。這雖然給用戶帶來了更為豐富更為全面的視頻信息，但如此海量的信息顯然已經遠遠超越了人力的有效處理范圍，如果仍然采用傳統人工查看的方式來利用這些視頻，將會越來越不現實。

　　以一個10000路的監控系統為例，即使每路視頻僅需1Mbps帶寬，每天視頻的存儲量也要達到108TB，每個月將有3PB。一旦發生事故，工作人員要在如此海量的視頻信息中查找出有價值的線索，無異于海底撈針，不僅工作人員工作量巨大，效率也會非常低下。同時，花費巨資構建的系統，如果仍然只是用于事后查看，會抑制用戶進一步建設的積極性，如何幫助用戶進一步深挖視頻信息的價值，對用戶的業務形成支撐成為業內關注的重點。

　　傳統的依靠人工識圖的監控應用方式已經無法滿足將來視頻監控應用的需求。面對大規模視頻監控系統以及海量的視頻圖像，如何快速的找到對用戶真正有價值的信息，以及如何將這些信息進行分析、歸納實現更多的應用，需要轉向利用計算機視覺技術對視頻圖像進行處理和分析，以更有效率地利用和挖掘視頻圖像的價值。而近年來，智能視頻分析技術、云計算、大數據等一系列技術的出現以及在視頻監控行業的落地，為視頻監控告別人工識圖時代提供了強有力的技術支撐。

　　前端智能在IP高清監控時代更具優勢

　　要利用計算機來對視頻圖像進行處理和分析，首先就要保證計算機能夠讀取到視頻圖像中的信息。不過，由于視頻圖像是一種非結構化的數據類型，計算機無法直接對其進行識別和處理，因此，首先就需要利用智能視頻分析技術將圖片、視頻等信息中的各種運動目標及其特征提取出來，轉換成結構化的語義描述后，才能通過計算機對其進行搜索、比對和分析。

　　智能視頻分析技術綜合了多個學科的研究成果，包括圖像處理、跟蹤技術、模式識別、軟件工程、數字信號處理(DSP)等領域。2001年911事件后，美國對視頻分析技術加大投入，2005年左右全球領先的智能視頻系統軟件供貨商ObjectVideo進入中國市場。其在國內有眾多的技術追隨者，大部分廠商提供的視頻智能分析產品都是基于ObjectVideo公司的圖像分析技術。早期受限于硬件性能以及智能分析算法的成熟度，企業提供的多是智能型DVS、智能型DVR，以及智能視頻分析服務器產品。由于智能型DVR和DVS的運算處理能力有限，且智能功能也較為簡單，因此不能滿足大規模監控系統的分析需求。而借助服務器強大的計算能力實現各種智能算法是當時比較好的視頻分析處理方式，但智能視頻分析服務器的成本非常高，這一致命缺陷限制了其在安防領域的大規模應用。除了設備成本之外，服務器的能耗、所占場地、數據中心的網絡設備、后期維護等成本使得建設智能視頻監控系統的成本高昂，讓用戶望而卻步。慢慢地，人們將目光轉向了更具優勢的前端智能產品。

　　感知型攝像機使監控系統具備思考和判斷能力

　　事實上，在智能視頻分析技術的發展歷程中，隨著芯片性能的不斷提升，以及智能分析算法的日趨完善，為了解決智能視頻服務器成本過高的問題，各類嵌入式智能視頻分析產品開始陸續涌現，其中最引人矚目的當屬智能型IPC。

　　不過，早期的智能IPC主要定位于移動偵測、警戒線、區域看防、人數統計等簡單的智能功能，這類智能分析只是在某個行為觸發了一定條件之后輸出報警信號，仍然無法向計算機描述監控場景中的目標及其特征。直到2014年，蘇州科達科技股份有限公司推出感知型攝像機(IntelligentIPC)。感知型攝像機基于視頻智能分析技術，能夠識別出監控畫面中的內容，并對其進行語義描述，實現非結構化視頻的結構化處理，再與后端的大數據平臺相結合，能夠實現視頻信息的快速檢索、比對和深度分析，代替人類做出思考和判斷。相比智能視頻分析服務器來說，感知型攝像機的成本要低得多，這為視頻圖像經濟性和規模化進行結構化處理奠定了基礎。

　　云存儲和大數據使視頻監控告別人工識圖成為可能

　　感知型攝像機實現了視頻圖像的結構化處理，使得計算機能夠識別視頻圖像中的目標及其特征，但要進一步利用計算機來對視頻圖像進行分析和挖掘，就離不開云存儲和云計算技術的支持。對于視頻監控來說，存儲是不可忽視的環節，一旦視頻丟失，后面的應用也就無從談起。在視頻數據量越來越大的當下，存儲系統在安全性、可靠性、可擴容性、可維護性等方面都提出了更高的要求，傳統的DVR、IPSAN存儲方式已經無能為力，需要依靠功能更為強大，系統更為靈活，擴展性更強，更加穩定可靠的云存儲來完成海量視頻數據的可靠存儲。雖然有了感知型攝像機的思考和判斷，以及云存儲系統的穩定可靠，但要進一步實現視頻圖像的實戰應用，還需要依托云計算強大的計算能力，根據用戶的業務需求構建相應地大數據應用平臺，來實現針對各個行業的視頻實戰應用。

　　目前，基于感知型攝像機、云存儲系統、大數據平臺而構建的大數據解決方案已經能夠結合行業的具體需求提供快速檢索、分析研判以及實施布控與調度等應用，而這些應用在人工識圖時代，基本上是沒有辦法實現的。以轟動一時的周克華案件為例，當時長沙全市近千名視頻偵查民警花費兩個月左右的時間觀看了將近30萬G的監控視頻，最終才鎖定了犯罪嫌疑人，而事實上在此之前警方已經獲得了周克華清晰的正面照和側面照，如果長沙當時所有的視頻信息都經過了結構化的處理，并建立了相應的大數據平臺，就可以采用以圖搜圖的的功能，在幾秒時間內迅速找出與犯罪嫌疑人相關的視頻，從而獲得破案線索。相比依靠人工對視頻進行排查的手段，通過視頻大數據技術來進行視頻的檢索、分析及應用，不僅會大量減少公安人員消耗，也會極大地提高公安破案效率。

　　瓶頸依然存在

　　隨著IP高清監控攝像機、智能視頻分析產品的逐漸成熟以及大數據、云計算技術逐漸在安防行業的應用落地，視頻監控告別人工識圖時代的時機已經到來，但計算機要完全取代人工監控也面臨著諸多障礙。比如智能分析算法對應用場景要求非常高，容易受到光線、監控角度、天氣等外部環境干擾。應用場景發生任何變化都有可能會對算法的準確性產生影響，導致攝像機無法準確識別和描述視頻圖像中的目標和特征，因此如何提高智能分析算法的場景適應性是橫在相關企業面前的一道坎。

　　此外，如何將大數據技術與視頻監控行業應用特征相結合，并將視頻監控系統與行業業務流程相融合，真正幫助用戶解決安全管理和業務管理方面的難題，也是值得企業進一步去探索的。這一過程離不開企業對行業應用的深度理解，對用戶不斷變化的需求的把握與持續跟進，并需要企業通過不斷的參與行業項目而積累成熟的經驗。