隨著高清視頻時代的到來，視頻監控的點位數和數據量已呈爆發式增長，傳統的智能算法還停留在比較淺層的分析識別上，具體表現為準確率低、環境適應性差、識別種類少。然而，從97年IBM“深藍”以3.5：2.5擊敗國際象棋世界冠軍卡斯巴羅夫到17年1月谷歌“阿法狗”升級版Master在人機圍棋比賽中取得60連勝，我們不得不相信，人工智能的時代以洪荒之勢已然來臨。

人工智能的崛起離不開三要素：深度學習為算法提供了重要基石，大數據為存儲提供了高效燃料，GPU、超級計算機、云計算為運算能力提供了引擎助力。其中，深度學習作為核心的技術支撐，其靈感來源于大腦神經網絡，讓機器具備了人類對事物抽象和重構的能力，在算法層次上由淺至深，在特征設計上從人造特征到自主學習，讓機器擁有接近甚至超越人類的模式識別精度、超強抗干擾的環境適應能力以及強大的種類識別能力。作為機器視覺具代表性的應用，視頻監控系統的發展及應用狀況又是如何呢？

“中國芯”正在迅速崛起

網絡高清時代的到來為我們帶來了更好的圖像質量，使攝像機可以更好的記錄現實場景，這同時也對芯片商提出了更高的要求。目前國內工業化、標準化的加速及第三方的介入給芯片設計業者提供了快速進入市場的可能，從而推動了芯片國產化和產業化的逐步升級。而安防行業的蓬勃發展，讓國產芯片廠商看到了希望，以華為海思為代表的一批致力于國產芯片研發生產的企業，將目光聚焦在安防芯片上，試圖在安防行業一展拳腳，發揮大的價值。

中國安防芯片的技術演進路線越來越清晰，功能多樣化的趨勢日趨明顯。有了“中國芯”，一方面所有的芯片產品定義真正來自國內客戶、系統集成商以及終行業用戶需求，在源頭上保證芯片真正滿足客戶需求。另一方面，在芯片布局上緊密契合國內客戶的產品演進，推動視頻監控產業的持續升級。

前端設備插上了深度智能的翅膀

作為視頻監控的前端設備，監控攝像機是整個視頻監控系統的重要組成部分，它經歷了從模擬到數字化、網絡化、高清化以及智能化的發展歷程。視頻圖像來源是視頻監控系統的第一環，運用傳統的攝像機存在很大的局限性，如檢測準確率不高，漏抓誤報比較多，抓拍不清晰，圖像質量不理想等。前端攝像機內置深度學習算法，可以對人臉、車輛等關鍵信息進行快速定位抓拍，有效解決漏抓誤報問題，也能為后端分析服務器提供更清晰、更高質量的圖片，更出色的成像效果大大提升了后端的資源利用率，同等條件下可大幅節省中心部署空間，同樣的投入可以產生更大的效用。

安防行業中不少企業已經在紛紛布局智能前端的市場，以安防龍頭企業為例，它們推出的前端攝像機中內嵌深度學習算法，具有結構化信息提取、小型人臉庫比對、人體屬性分析、人員流量統計、道路實況檢測、車輛特征識別、全景監控等多種功能，將前端設備的智能化應用發揮到極致。此外，還將人眼仿生、MSS多光譜成像、被動紅外熱成像技術等技術融入其中，可對因環境造成的圖像模糊昏暗進行亮度與清晰度的還原，還能實現環境測溫、防火防盜等功能，引導著前端設備在深度智能化這條路上越走越遠。

深度學習開啟智能視頻分析技術的新篇章

近年來，深度學習在語音識別、圖像識別、自然語言處理等應用中取得了顯著的成效。深度學習也正影響著安防企業，影響著智能視頻分析技術。智能視頻分析是計算機圖像視覺技術在安防領域應用的一個分支，是一種基于目標行為的智能監控技術，其支持的功能主要有：人車物特征識別采集、人員及物件行為報警、視頻信號及質量診斷、視頻增強處理、圖像比對、視頻摘要、內容分揀等。深度學習解決了傳統智能視頻分析技術人工選擇特征準確率低、淺層學習模型無法解析大數據等問題，使視頻分析過程中識別準確率更高、環境適應性更好、識別種類更豐富。

在以人、車、物為核心視頻特征識別領域，目前成熟的其實是車輛識別算法，在平安城市建設和公安實戰創新的推動下，車輛識別技術在智慧交通、智慧警務等行業的應用取得了不錯的成果。國內以深圳華尊科技為代表，在算法準確率、系統穩定性、識別種類、公安車輛大數據實戰應用上表現得較為突出，且數次在華為國內外的大型活動中亮相。人臉識別算法因其應用的廣泛性，火爆程度遠遠大于車輛算法，但就目前的技術來看，在準確率、更深層的應用上還有很高的提升空間，以曠視、商湯為代表的算法公司也在高校人才及技術儲備、各行業的淺層應用上做出了努力。

大數據時代為算法研究提供了高效的計算工具，而數據量的增加也意味著需要更復雜的視頻分析算法模型來詮釋和挖掘這些數據，使占有巨大存儲資源的視頻數據發揮出更多的價值。目前人員行為分析、人群分析等復雜的算法還在起步階段，讓我們想象一下，基于對人體、生物體行為細節的精確捕捉和復雜分析模型，一個城市級的視頻大數據中心將能為公共安全、各類學科研究、商業發展乃至人類的進步做出多大的貢獻。

（轉自中國安防行業網）