在行業技術的不斷革新下，安防視頻監控不再局限于對畫面的記錄，而是走向更加智能、轉化率更高的階段。眾所周知，現在監控攝像頭遍布家庭、超市、道路等場所，由于24小時不間斷工作，產生了海量的視頻圖像。但是這些具有高價值的視頻數據，卻一直得不到重視。

　　如何將這些非結構化的數據進行數據化，獲取有用的價值呢?在某次峰會上，英飛拓市場經理楊玥給出了自己的見解。

　　視頻結構化，對數據提純

　　作為安防大數據最為重要的數據來源，視頻圖像實際上是一種非結構化的數據。相對于結構化數據(即行數據，存儲在數據庫里，可以用二維表結構來邏輯表達實現的數據)而言，圖片、聲音、視頻等非結構化數據造成儲存(storage)、探勘(mining)、分析(analyzing)上的困難，只能將它保存在一個BLOB字段中，對以后檢索非常麻煩。

　　而“視頻結構化”即是從視頻中結構化提取車輛、人等關鍵目標。以廣東省平安城市的視頻采集來說，每天產生的數據量高達253000TB(1TB=1024GB)。如果對這些數據單位還沒有直觀印象的話，不妨看一下這個例子：Facebook一分鐘內就能產出350GB的數據量，用戶累計點擊180萬次“贊”按鈕，甚至每一秒就有41000個帖子發布。從視頻存儲的角度看來，結構化引領存儲模式全新變革，提煉視頻中有價值的圖片和文本信息。從原本需要一直存儲變成關鍵信息的存儲，使存儲更持久。

　　在峰會現場，楊總介紹了英飛拓的智能視頻結構化檢索解決方案，她表示英飛拓采用以“深度學習”為核心的圖像識別技術，能夠對攝像機的視頻流和圖片進行特征判斷，并能對系統中的圖片、錄像文件進行提取(人、車、非機動車等)，快捷查詢圖片和錄像。

　　視頻經過結構化可以盤活視頻數據，對各類數據倉庫可以進行深度的數據挖掘，充分提升視頻數據的應用價值，提高分析和預測功能。舉例來說，從百萬級的目標庫中(對應數百到一千小時的高清視頻)查找某張截圖上的行人嫌疑目標，數秒即可完成。另外，經過結構化后的視頻，存儲人的結構化檢索信息和目標數據不到視頻數據量的2%，存儲容量極大地降低。

　　人臉識別打造立體安防

　　人臉識別技術近年來不斷獲得突破，算法準確率不斷提升，其在智能安防領域的應用也得到大范圍普及。

　　云從科技創始人周曦曾經在接受媒體采訪時表示，“從信息分析來看，語音是一維信號，圖像是二維信號，視頻是三維信號。”而人臉識別主要指通過攝像機采集含有人臉的圖片或視頻流，然后在圖片或視頻流中進行人臉檢測并抓拍，進行面部特征提取，以實現抓拍的人臉與數據庫中的人臉進行比對的技術。

　　在峰會廣州場中，楊總向現場觀眾詳細介紹了基于人臉識別的人臉布控系統。她表示，英飛拓依托業界領先的人臉識別技術，采用基于神經網絡深度學習的模型選擇算法，開發了人臉布控系統，提供了人臉注冊、人臉庫管理、人臉布控、以圖搜圖、用戶管理等核心業務功能，解決傳統技術的缺點，可應用于重點監控區域的人臉布控，提供快速、高效、準確的實時告警。人臉布控系統，適用于各種交通要道、住宿場所、智能樓宇、大型連鎖商場，平安城市等場合。

　　除此之外，它還是一套基于深度學習，會成長的系統，能對動、靜態數據庫進行高效管理，同時能進行多角度人臉精準識別：對正臉、側臉、臉部部分遮擋等均能準確獲取;支持性別、年齡、眼鏡、帽子、胡子等屬性識別，可基于屬性語義進行抓拍庫檢索。

　　結語：在大數據漸成趨勢的當前，學習、思考、利用數據顯得尤為關鍵。可以說視頻結構化、人臉識別、智能分析等技術的發展，給安防監控挖掘價值帶來了全新的方式。對于安防企業來說，如何以技術為導向，設計出更加實用、智能的產品，也許是企業立足智能時代的捷徑之一。