一、视频     监控      行业发展趋势

随着我国平安城市、智能交通等各项建设的持续开展，以及金融、教育、物业等各行业用户安防意识的不断增强，视频监控市场近5年来一直保持着18%左右的稳定增长。然而，大多数摄像头一直没能摆脱人工监控的传统监控方式，由此导致了大量视频数据堆积占用     存储   资源、视频监控实时性差、视频检索困难等问题，一旦有案件发生，海量摄像头带来的海量视频数据检索工作需要耗费大量警力。

为了解决这些问题，近年来，视频监控行业向“高清化、网络化、智能化”趋势加速演进。视频监控设备技术性极强，系统的创新升级同时也在引导市场需求的变化并创造了新的市场需求。

高清化:摄像头高清化是实现摄像头网络化和智能化的重要前提，高清摄像头不仅让我们看得更清楚，也能让机器“看”得更清楚，从而使得     机器视觉   技术有了用武之地，能够更准确地提取重要的有效信息。此前，阻碍摄像头向高清发展的重要原因是带宽和存储的成本，因此，提升编码效率是实现视频高清化的技术基础。

网络化:网络通信技术的发展使得视频监控系统可以通过互联网远程传输视频数据，从而实现远程监控的功能，这极大的扩展了视频监控的范围。当然，网络化的发展趋势也使得视频的数据量越来越大，要求系统具备更强的存储、检索和备份等功能。同时，海量的视频数据也对视频监控系统的智能化发展提出了更高的要求。

 （     AI      在视频监控中的应用）

智能化:智能视频监控技术近几年来被广泛研究并开始实际应用，通过将机器视觉技术融入视频监控系统，对视频数据流进行图像处理、目标分析，实现自动检测、目标跟踪等目的，对视频监控系统进行实时控制，变被动监控为主动监控。

“高清化、网络化、智能化”的视频监控系统已经开始应用在实际生活中，具体来说，在智能交通系统中，重要关卡的摄像头能够智能化地检测交通违规，未来覆盖所有道路交通的视频打通后还可以构建城市拥堵模型，并实时调整红绿灯及道路行驶规则;在平安城市系统中，各点位视频不仅被动监控，还可以因地制宜运行安全检测算法，并在事件发生时即主动报警，由原来的“事前震慑，事后追踪”变为主动监测;而在民用市场上，通过在摄像头基础上附加的客流统计、     人脸识别   等功能，进一步拓展了视频监控的民用市场。

 二、视频监控的核心技术--编码技术

当代视频监控系统主要包含五大类关键技术:

数字视频压缩与编码技术(编码)

数字视频的网络传输技术(传输)

海量视频数据的存储和检索技术(存储)

视频监控场景中的人/物体的识别与跟踪技术(视频图像处理和分析)

视频监控场景中的运动检测与告警技术(视频图像处理和分析)

前三项是核心支撑技术，由于视频数据量的庞大与有限的存储和网络传输资源之间存在矛盾，因此视频编码就成为视频监控系统中最重要的核心技术。

国际电信联盟电信标准分局ITU-T与国际标准化组织和国际电子委员会ISO/IEC是制定视频编码标准的两大组织，ITU-T的标准包括H.261、H.263、H.264，主要应用于实时视频通信领域，如会议电视;MPEG系列标准是由国际标准化组织和国际电子委员会ISO/IEC制定的，主要应用于视频存储(DVD)、广播电视、因特网或无线网上的流媒体等。两个组织也共同制定了一些标准，比如H.262标准等同于MPEG-2的视频编码标准。目前，H.261与H.263在视频通信中应用比较广泛，H.264标准的推出，是视频编码标准的一次重要进步，它与MPEG-2、MPEG-4及H.263相比，编码效率更高。但是，更高的编码效率也意味着更加复杂的编码算法，随着     集成电路   技术的快速发展，H.264的应用已经成为现实。

目前国际最新的视频标准是H.265，在同等清晰度下，H.265视频标准码率是H.264码率的一半，大幅提升传输和存储效率，基于H.265标准各大厂家也推出了更有效的编码算法，如     海康威视   推出的Smart265，可以针对不同的场景设定不同的码率，在人流量不密集的场景中码率最高可降低70%以上。高效编码算法的出现降低了高清传输的成本，高清化为智能化奠定了基础。

 三、AI在视频监控中的应用

升级后的摄像头可以将清晰的视频画面实时传输到后端，同时也带来了海量非结构化的视频数据。因此，利用AI算法将非结构化数据转化为结构化、并进行智能化分析成为视频监控行业面临的首要问题，在提高数据处理效率的同时也能为不同应用场景充分挖掘数据价值。比如，人脸识别是当前在智能化中应用最为广泛的技术，现在通过基于     深度学习   的人脸识别算法，从抓拍嫌疑人到传入后台系统做出比对预警只需几秒钟。

视频图像处理和分析技术是实现监控智能化的关键，目前主要的安防模式识别技术包括身份识别、轨迹识别和环境判断补偿识别等。

AI技术用于视频监控系统有前端和后端两种方案，前者是利用前端摄像机自身的芯片和算法进行计算，而后者则是利用后端     计算机   进行分析。

(1)前端方案:是指在摄像头等前端设备中内置AI分析芯片，通过前置的智能分析可以有效降低需要传输的数据量，在车牌识别等应用上已经比较成熟，现在前端设备做车牌识别准确率已经达到了99%。

(2)后端方案:普通摄像头采集视频信息后传输到后端，用后端服务器的方案进行智能分析，这是当前主流的智能分析方案，多采用     CPU   +     GPU   架构，GPU集群服务器充分利用多GPU的并行处理能力，有效提高视频结构化处理效率。

前端方案需大量部署AI摄像头，大规模替换现有的摄像头，成本较大。另外，前端设备体积小，对芯片小型化的要求更高，芯片成本约是后端设备成本的两倍，短期限于成本压力，AI功能主要还是集中在后端进行。AI后端产品计算性能强大，一路智能N     VR   可以同时对几十路摄像头数据进行分析，实现特征提取、人脸识别等功能。

但是，前端智能化可以增强视频监控的及时性效果，同时将AI功能集成到前端可以减少了视频信息上传的带宽压力。随着前端处理芯片性能的不断提升，AI摄像头可以运行更加复杂的算法，长期来看，智能分析前端化也会成为未来的发展趋势之一。