一、視頻監控行業發展趨勢

隨著我國平安城市、智能交通等各項建設的持續開展，以及金融、教育、物業等各行業用戶安防意識的不斷增強，視頻監控市場近5年來一直保持著18%左右的穩定增長。然而，大多數攝像頭一直沒能擺脫人工監控的傳統監控方式，由此導致了大量視頻數據堆積占用存儲資源、視頻監控實時性差、視頻檢索困難等問題，一旦有案件發生，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，視頻監控行業向“高清化、網絡化、智能化”趨勢加速演進。視頻監控設備技術性極強，系統的創新升級同時也在引導市場需求的變化并創造了新的市場需求。

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

?（AI在視頻監控中的應用）

智能化:智能視頻監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控系統，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，對視頻監控系統進行實時控制，變被動監控為主動監控。

“高清化、網絡化、智能化”的視頻監控系統已經開始應用在實際生活中，具體來說，在智能交通系統中，重要關卡的攝像頭能夠智能化地檢測交通違規，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則;在平安城市系統中，各點位視頻不僅被動監控，還可以因地制宜運行安全檢測算法，并在事件發生時即主動報警，由原來的“事前震懾，事后追蹤”變為主動監測;而在民用市場上，通過在攝像頭基礎上附加的客流統計、人臉識別等功能，進一步拓展了視頻監控的民用市場。

二、視頻監控的核心技術--編碼技術

當代視頻監控系統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控系統中最重要的核心技術。

國際電信聯盟電信標準分局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控行業面臨的首要問題，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、軌跡識別和環境判斷補償識別等。

AI技術用于視頻監控系統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展趨勢之一。