VSaaS與視頻分析檢索

　　在VSaaS（視頻即服務）的解決方案中，用戶可以定期為基于云連接的視頻監控服務付費，靈活的存儲方式能幫助用戶保存數據。在過去，該模式不僅受到帶寬與IT專業知識的限制，在客戶的意愿度上也不高。隨著攝像機安裝數量的提升，意味著潛在的用戶數量在增加，不少企業針對當前的趨勢，推出了新的服務與商業模式。

　　攝像機的應用已經不僅僅在于安全防范，越來越多的攝像機走向事前防范，根據目標對象的行為舉止推測出將有可能發生的事件。隨著攝像機數量的增多，數據也呈現海量增長，這意味著在管理這些視頻數據上，需要更好的分析與搜索平臺，能夠突顯攝像機捕獲的關鍵信息，例如根據目標大小、顏色、速度、時間等關鍵信息進行搜索，可以有效提升業務效率。

　　a&s點評：這兩個概念對于國內安防而言都屬于舶來品，但在國內的發展并形成鮮明對比。前者近年來已經少有人談，其以運營平臺為核心的模式，需要雄厚的資金做基礎，在國內的發展并不盡人意。后者在近年來，中國廠商的技術與方案已經領先于國際，除了傳統巨頭外，國內也涌現了華為安防、蘇州科達、紫光華智等優秀智能安防廠商，引領著智能安防的發展。

　　5G提升監控視頻體驗

　　2020年，將是5G技術采用的重要一年。中國作為該技術最大的潛在應用市場，在2019年11月已經開始正式商用5G，在未來的一年內將有望助于推動安防行業的發展。

　　目前對于5G的應用場景可以分為以下三類：

　　eMBB：增強移動寬帶，顧名思義是針對的是大流量移動寬帶業務，帶給人們最直觀的感受是網速的翻倍提升，例如可以輕松實現4K視頻在線觀看，峰值速度可以達到10Gbps；

　　URLLC：超高可靠超低時延通信，例如無人駕駛等業務（3G響應為500ms，4G為50ms，5G要求0.5ms），這對于安防行業同樣重要，因此其低時延性被業內普遍看好；

　　mMTC：大連接物聯網，針對大規模物聯網業務，促進垂直行業融合。5G的低功耗大連接和低時延高可靠場景主要面向物聯網業務，作為5G新拓展的場景，重點解決傳統移動通信無法很好支持地物聯網及垂直行業應用。低功耗大連接場景主要面向智慧城市、環境監測、智能農業、森林防火等以傳感和數據采集為目標的應用場景，具有小數據包、低功耗、海量連接等特點。這類終端分布范圍廣、數量眾多，不僅要求網絡具備超千億連接的支持能力，滿足100萬/km2連接數密度指標要求，而且還要保證終端的超低功耗和超低成本。

　　對于監控行業而言，eMBB可以增強與擴大視頻監控的應用空間。因此，5GeMBB要遠比上一代技術更適合視頻應用，它可以滿足視頻監控錄像高帶寬的要求。預計最初采用5G的監控方案的應用場景可能為臨時或移動的視頻監控場景，例如建筑工地、音樂會與展覽會等，這些場景僅僅在活動或工作時間需要引入監控設備，有線的連接方式不僅繁瑣同時成本也高。

　　簡單地說，憑借卓越的技術優勢，5G能夠很好滿足高分辨率攝像機（4K或以上）的帶寬要求。預計也會出現更具性價比的相機芯片模組，例如特定應用的系統芯片（SoC），緩解中央服務器人工智能視頻分析工作的負載，推動邊緣端的發展。

　　5G的低延遲可以顯著增強云對邊端的響應能力，一旦5G網絡的覆蓋成熟，通過實現更大容量的數據傳輸管道，拓展視頻的應用范圍，強化事件響應以及態勢感知能力，使得城市的公共安全運營管理更加便捷高效。

　　除了城市公共安全之外，5G同樣可以幫助遠程醫療、遠程機器人等應用的落地。可以肯定的是，5G將推動視頻新的發展，讓城市更加的安全與智慧。但同樣值得注意的是當下5G應用仍存在不少的挑戰，如組件成本、網絡覆蓋、設備的可用性等。

　　視頻的深度偽造讓人不安

　　IHS近期發布的報告中指出，全球視頻監控攝像頭的安裝量已經達到7.7億臺（2019），視頻成為了最常見的事件證據形式?；凇把垡姙閷崱钡墓沧R，用于作為證據的視頻監控錄像具有強大的說服力，然而隨著人工智能與深度學習技術的進步，使得人們對于視頻的篡改與偽造變得更加的容易。

　　例如通過將一個人拼接到不相關的視頻場景中，能快速地以假亂真。目前人們將這樣的技術稱為“Deepfake”（深度偽造），已經在全球有不少現實的案例，借助社交媒體平臺，傳播范圍廣泛，以假亂真的效果讓人恐懼不安。

　　不少科技公司已經開始研究如何應對深度偽造的辦法，視頻監控廠商也在積極扮演這樣的角色，基于嫻熟的網絡安全、攝像機技術、數據保護機制等關鍵因素，進一步強化產品與解決方案的安全性。解決深度偽造帶來的威脅的另一個重要方法則是規范視頻證據的數字監管鏈，從攝像機的采集到視頻管理軟件，再到證據管理軟件，筑造安全及規范化的保護機制。其中，區塊鏈被視為這種方式的關鍵技術，通過革新保存與維護方式，確保數字與實物證據的的安全性。

　　從物聯網到AIoT

　　2020年，提及AIoT的人越來越多，它是結合人工智能與物聯網的新名詞。AIoT主要是為了描述人工智能技術涌入物聯網設備、大型物聯網設備在云邊端展現的智能能力。AIoT的本質是通過各種傳感器收集多元的數據。

　　在新的時代中，大量的智能攝像機與AIoT設備相互連接或組合，讓視頻的應用不再局限于安全防范，例如視頻與消防探測器的融合、視頻與門禁系統的結合，視頻與溫度、濕度傳感器的組合燈，讓多功能的視頻應用解決方案開始不斷面世。

　　在城市公共安全建設中，AIoT概念已經通過阿里、華為、新華三等城市管理平臺被公眾所認知。隨著邊緣計算的發展，AIoT在細分領域同樣開始生根發芽，例如智慧零售、智慧園區、智能停車場與智慧校園等。作為一種新的市場戰略，AIoT才剛剛處于發展初期，但當下已經有多種智能設備開始涌現，并在特定的場景實現了落地。

　　尋找更具性價比的邊緣分析方案

　　隨著過去一年，邊緣端的發展呈現出積極的態勢。自2016年支持深度學習加速功能的攝像機推出后，監控廠商在DLA（深度學習加速）芯片的選擇上，只有英偉達（NVIDIATegra）與英特爾（MovidiusMyriad）的選擇，但隨著智能攝像機開始量產時，相對較高的價格與功耗卻阻礙了DLA攝像機的市場增長。

　　IHSMarkit預測，網絡攝像機中的SOC將會不斷集成DLA子系統，完善嵌入式視覺分析，從而不再需要用于圖形處理或DLA協處理器的額外功耗。當前行業中，已經有不少企業在研究與開發低功耗與緊湊設計的專用SoC，以強化攝像機的鐘嵌入式視頻分析，這些性價比產品無疑將加速智能攝像機的普及。

　　例如安霸、海思、高通、英特爾、賽靈思、寒武紀、云天勵飛等，紛紛在積極布局該市場。

　　視頻監控云化？

　　視頻監控的云化趨勢正在增強，但這并不意味著模式的轉變，因為云端的發展還未達到行業的標準。對于用戶而言，云的部分優勢已經得到他們的青睞。目前，基于云的異地管理與存儲最適合小信道計數系統或包含多個站點、信道較少的系統，在其他使用云的其他系統中，混合是最為典型的方式。

　　當然這并不意味著所有的視頻監控管理與存儲都必須轉移到公共或私有云上，用戶更多是以視頻數據的敏感性與部署云基礎設施的成本來決定。值得注意的是，越來越多的視頻監控系統已經歸屬于用戶的IT部門負責，因此在符合IT云戰略的組織中，盡可能將更多的系統遷移到云上會是優先的選擇。但如果成本過高，IT部門也會選擇其他的方式，例如超融合基礎設施（HCI）正被大力推廣，從而實現“云的內部部署”。HCI的概念是將IT基礎設施的三個主要組件（計算、存儲和網絡）組合在一起，并使用軟件將它們作為靈活的資源進行虛擬化和管理。

　　今年早些時候，IBM斥資340億美元收購RedHat（提供開放資源軟件解決方案，其軟件主要為客戶提供高效能、可擴充、靈活、可靠、安全及穩定的技術，以滿足企業所需的IT基礎建設），正是看中其在混合云的實力。與IT市場相比，這些技術在安防領域的采用速度較慢。但是，隨著安防系統的增大，這些IT技術勢必也會覆蓋視頻監控的基礎結構，改變傳統安防。