如今，視頻監控在保障人身財產等社會生活中發揮重要作用。傳統的安防技術更多的強調事件響應的實時性或事后查證的有效性。傳統的監控系統，無論是模擬的，還是數字的，或者是模式混合的，其工作方式依舊是“實時監控，實時錄像，事后查看”。然而，隨著全社會對安全需求的增強，攝像機廣泛部署建設，不論是交通違章管理，還是治安管理，實時觀看和瀏覽錄像都已無法滿足城市管理需求。為了提高監控的管理效率，基于視頻智能分析技術的新系統呼之欲出，走進人們的視野，為構建全新的智慧城市智能化監控管理系統。

　　文/譚熾烈

　　視頻智能分析剛開始的應用是為了把人眼從密切盯住屏幕解放出來，以視頻事件檢測為主，在檢測到異常事件如非法進入禁區，越過絆線等行為，同時聯動報警。然而，視頻檢測和報警功能方面雖然有一定作用，但無法廣泛部署和深入市場應用。究其原因，無法解決誤警率高，性能不足，環境光照敏感，適應性差的問題，國外著名的智能廠商例如OV，NICE也無法很好解決這一問題。

　　而且，不同的行業對于視頻監控需求和流程有著非常明顯的差異，對于智能分析的應用需求就更加復雜和多變。例如監管行業為降低和防止犯人的自殺現象，提出如何通過智能分析和檢測實現;而金融銀行關注如何分析識別出非法粘貼小紙條，安裝假鍵盤，蒙面，暴力搶劫等行為;機場、地鐵等客戶對于遺留物的檢測和徘徊檢測的需求比較突出。不同行業千差萬別的自動監控需求，如何利用智能分析實用化，也非一朝一夕之功。

　　智能交通與平安城市

　　然而，監控市場對利用智能化提升效率的需求一直很強烈，尤其在在交通管理和平安城市領域。基于視頻智能分析技術的監控系統在構建智慧城市的新一代監控系統中發揮重要作用。例如，在原來交通管理業務流程主要借助道路監控攝像機來記錄視頻，然后由人工肉眼篩查，識別交通違章，出具違章判罰處理結果，這樣的管理效率低下，無法滿足汽車數量的日益增長。

　　而人工處理的部分業務正逐步被新一代具備車輛分析和識別功能的智能系統取代。尤其前端高清一體化攝像機，如宇視的HTS-HC系列高清電警、卡口智能攝像機具有出色的識別準確率，強的場景適應性，開放的智能平臺，降低管理成本，適合大規模部署。高清電警攝像機可通過對視頻識別分析，對每輛車進行完整的違法行為分析，車牌識別，抓拍圖片，記錄車輛違法的整個過程，形成違章證據鏈。這樣，一臺智能高清攝像機就能取代傳統的線圈感應，人工瀏覽，識別，篩查等傳統手段，進行闖紅燈，超速，不按規定車道行駛等各類交通違法行為管理。此外在繁忙道路的違章停車管理方面，市場上已有智能違停服務器，而宇視的前端違章停車檢測判罰一體化球機，適合部署，有利于杜絕道路車輛亂停、亂放現象，解決擁堵路段的管理人力不足的矛盾，體現城市交通管理的智慧。

　　對于城市的治安管理而言，治安案件處理也會通過查看道路監控錄像來尋找涉案車輛信息和線索。然而，隨著攝像機廣泛部署，通過瀏覽錄像尋找線索顯得費時費力。以警方辦案為例，往往要調用案發現場及周邊的大量歷史監控錄像進行持續數天甚至更長時間的肉眼識別，才可能發現破案線索。隨著智能技術的發展，智能化系統平臺正在改變這一被動的局面。利用智能服務器系統將每條違章圖片進行二次分析，識別和提取出車牌號碼，車身顏色，車標，車型，遮陽板、不及安全帶等結構化數據，實現駕乘人臉檢測和高清抓拍，即還向管理平臺提供一張司乘人臉照片。并且大數據智能分析平臺能將這些結構化的車輛特征信息，進行數據挖掘，車輛檢索，車輛布控，多點碰撞等分析挖掘出案件有用的信息。

　　借助智能服務器系統對車輛其他特征進行分析，識別后產生的信息展開下一步線索偵查，甚至找到嫌疑車輛所在位置。例如，通過“紅色”，福特09款，打開遮陽板，5月8日，中山路南向北等條件信息，對生成的結構化數據進行搜索，即可迅速找到當天所有符合條件的車輛信息，包括行駛時間與方向，行駛速度，車牌號碼，車標，年款等完整的結構化數據信息。宇視的的IA8500-IT智能交通服務器，就能提取200多種車輛品牌，2000多種車型年款信息，還有豐富的駕駛室特征分析識別，不僅高效，準確，也能大大節約管理成本。

　　此外，交通大數據管理系統提供的城市車輛詳細信息，不同品牌車輛的車型的擁有量，過車高峰期，車輛進出城高峰期，首次進出城，行駛方向等豐富的交通數據，協助城市交通部門的流量管控，交通規劃，智慧城市的治安管理等提供翔實的數據支撐。

　　智能化應用思考

　　如此看來，智能視頻分析在技術層面有共通性，但在行業領域的差異性需求，這都是安防企業需要思考的問題。在市場領域層面，目前智能化的應用領域也并非遍地開花，而其中當屬智能交通行業應用最為成熟。究其原因，筆者認為有如下原因：

　　第一，交通行業智能化管理需求非常強烈，市場巨大，極大推動了視頻智能技術研發投入。隨著國民生產總值的增長，近年來中國的汽車保有量飛速增長，交通監管的需求日益增加。市場份額吸引大量的研發人才投入，不斷突破新的技術瓶頸。

　　第二，交通行業智能檢測和識別的對象具有明確統一標準，有利于視頻智能算法的發展。車輛尺寸、車牌字符、大小、顏色等等都有一系列行標，國標的統一標準要求。而無論是金融銀行，還是電力，監管行業，人的行為檢測和識別無法存在統一和明確的需求，更別提有統一的行業標準。因此智能交通產品從開發到成熟時間往往也快于其他領域。

　　第三，交通行業智能檢測和識別的場景規范化。隨著智能化建設的深入，規范化施工解決了實際環境中光照的影響，攝像的安裝角度，保證即使夜晚，視頻和圖片的關鍵車牌和車輛特性信息保留完整。而其他行業即使同樣的建設需求，也很難保證實際場景一致。

　　智能技術未來發展

　　未來無疑是智能化的時代，一個更加便捷的時代。這一切的前提都依賴于智能算法技術不斷突破和成熟。筆者認為，如下幾個方向值得期待。

　　首先，除了視頻信息以外，更多維傳感數據信息的融合。例如深度攝像機，雙目攝像機等技術，更有利于排除光照，背景干擾，智能識別和檢測算法的指標更加實用化。

　　其次，機器學習，尤其是深度學習等前沿技術的不斷發展。目標對象包括人和車輛的更多特征將得到檢測和識別。并隨著芯片計算性能不斷提升，和大量豐富的數據樣本“錘煉”，算法成熟周期越來越短，識別指標不斷提升，性價比越來越高。越來越豐富有效的信息數據必然導致智能化應用在交通等各個領域大放異彩。

　　深度學習還有很多應用場景，只要涉及到目標檢測，目標識別的地方，理論上都可以應用深度學習來解決。就像百度首席科學家吳恩達在一些報告中提出，深度學習可以取代現有的很多特征提取，目標檢測技術。可以想象在未來，深度學習還將與安防應用摩擦出更多的火花。

　　第三，數據挖掘分析的大數據技術結合促進安防行業變革發展。傳統監控數據只有視頻和圖片這些非結構化信息，查詢只能是空間和時間兩個維度，這樣的信息利用效率低下，隱含的價值信息也會被大量冗余的信息所覆蓋。隨著智能化的發展，正提供更多的數據信息，檢出更多人，車，物等目標的辨別特征，以及其他維度數據信息，再結合時間和空間，為挖掘出目標對象的行為和變化，關聯。提供更多線索和數據視角，衍生出了很多緊貼實戰的特色管理應用。

　　結語

　　視頻智能化已經滲透進交通、平安城市、金融、樓宇、能源、文教衛、商業連鎖、司法、軍隊、海關等領域，可以說對整個社會的生活影響巨大。即使由于視頻智能化行業的自身原因，未能產生較大的應用價值，相信未來也會借鑒成熟的行業規范，需求歸一化，場景建設規范標準化，智能的應用將大行其道。可以說，視頻的智能技術經歷安防行業的考驗，不斷開拓新的應用領域，未來值得期待。