视频监控行业的发展趋势和AI技术应用的增强，视频监控市场在过去五年保持了18%左右的稳定增长。然而，大多数摄像机始终未能摆脱人工监控的传统监控方式，导致视频数据积累量大、占用存储资源、视频监控实时性差等问题，和困难的视频检索。视频数据检索是警方的一项密集工作。为了解决这些问题，近年来，视频监控行业加速向“高清化、网络化、智能化”的趋势演进。视频监控设备技术性很强，系统的创新升级也在引导市场需求的变化，创造新的市场需求。高清：高清摄像机是实现摄像机网络化、智能化的重要前提。高清摄像头不仅让我们看得更清楚，也让机器“看”得更清楚，从而让机器视觉技术大有用武之地。可以更准确地提取重要和有效的信息。此前，阻碍摄像头向高清化发展的主要原因是带宽和存储成本。因此，提高编码效率是实现高清视频的技术基础。网络化：网络通信技术的发展使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，极大地扩展了视频监控的范围。当然，网络化的发展趋势也增加了视频数据量，要求系统具有更强的存储、检索和备份功能。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。智能化：智能视频监控技术近年来得到广泛研究并投入实际应用。通过将机器视觉技术集成到视频监控系统中，对视频数据流进行图像处理和目标分析，实现自动检测和目标跟踪。监控系统实时控制，变被动监控为主动监控。“高清化、网络化、智能化”的视频监控系统开始在现实生活中应用。具体来说，在智能交通系统中，重要卡口的摄像头可以智能检测交通违章，覆盖未来所有的道路交通。连接视频后，还可以建立城市拥堵模型，实时调整红绿灯和道路行车规则；在平安城市系统中，每个点的视频不仅被动监控，还可以根据当地情况运行安全检测算法，当事件发生时主动报警。从原来的“事前威慑，事后跟踪”到主动监控；而在民用市场，通过在摄像头基础上增加客流统计、人脸识别等功能，进一步拓展了视频监控的民用市场。2、视频监控的核心技术——编码技术当代视频监控系统主要包括五项关键技术：数字视频压缩编码技术（coding）、数字视频网络传输技术（transmission）、海量视频数据存储与检索技术（storage）视频监控场景中的人/物识别与跟踪技术（视频图像处理与分析）视频监控场景中的运动检测与报警技术（视频图像处理与分析）前三项为核心支撑技术，由于视频量较大数据庞大而有限的存储与网络传输资源之间存在着矛盾，因此视频编码成为视频监控系统中最重要的核心技术。ITU-T、国际电信联盟电信标准分会、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标准包括H.261、H.263和H.264。主要应用在会议电视等实时视频通讯领域；MPEG系列标准由国际标准化组织和国际电子委员会ISO/IEC共同制定，主要用于视频存储（DVD）、广播电视、互联网或无线网络上的流媒体等，这两个组织也有共同制定了一些标准，比如H.262标准，相当于MPEG-2视频编码标准。目前，H.261和H.263在视频通信中得到广泛应用。H.264标准的出台是视频编码标准的一个重要进步。与MPEG-2、MPEG-4和H.263相比，编码效率更高。然而，更高的编码效率也意味着更复杂的编码算法。随着集成电路技术的飞速发展，H.264的应用已经成为现实。目前国际上最新的视频标准是H.265。相同清晰度下，H.265视频标准码率是H.264码率的一半，大大提高了传输和存储效率。基于H.265标准，各大厂商也推出了更有效的编码算法，比如海康威视推出的Smart265，可以针对不同的场景设置不同的码率，场景下码率最高可以降低70%人流不密集的地方。高效编码算法的出现降低了高清传输的成本，高清为智能化奠定了基础。图：编码技术效率对比来源：海康威视官网三、AI在视频监控中的应用据众安网统计，2016年我国高清摄像机保有量增至47%，将超过标清摄像机2017年。2016年我国网络摄像机存量占比40%，未来将继续快速增长，取代模拟摄像机。图：中国高清摄像机保有率来源：众安网图：中国网络摄像机保有率来源：众安网数据。因此，利用AI算法将非结构化数据转化为结构化数据并进行智能分析成为视频监控行业面临的首要问题。在提升数据处理效率的同时，还可以针对不同的应用场景，充分挖掘数据的价值。例如，人脸识别是目前智能领域应用最广泛的技术。现在，通过基于深度学习的人脸识别算法，从抓获嫌疑人到发送到后台系统进行比对和预警，只需几秒。视频图像处理与分析技术是智能监控的关键。目前主要的安全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。来源：安知网AI技术在视频监控系统中的应用有两种解决方案：前端和后端。前者利用前端摄像头本身的芯片和算法进行计算，后者则利用后端计算机进行分析。（1）前端解决方案：指在摄像头等前端设备中内置的AI分析芯片。通过前端智能分析，有效减少传输数据量。在车牌识别等应用上已经比较成熟。现在前端设备用于车牌识别。准确率已达到99%。(2)后端解决方案：普通摄像头采集视频信息传输到后端，使用后端服务器解决方案进行智能分析。GPU的并行处理能力可以有效提高视频结构化处理的效率。前端方案需要部署大量AI摄像头，大规模更换现有摄像头，成本高。此外，前端设备体积小，对芯片小型化要求较高。芯片的成本大约是后端设备成本的两倍。短期内成本压力有限，AI功能主要集中在后端。AI后端产品运算性能强大，一台智能NVR可同时分析数十台摄像机的数据，实现特征提取、人脸识别等功能。但前端智能化可以增强视频监控的时效性，前端集成AI功能可以降低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摄像头可以运行更复杂的算法。从长远来看，前端智能分析也将成为未来的发展趋势之一。本订阅号旨在交流行业信息和研究经验，不得用于商业目的。在任何情况下，本订阅号所发表的信息或观点不构成对任何人的投资建议，订阅者应自行承担根据本订阅号发布的任何内容做出投资决定可能产生的一切风险。本订阅号部分文字及图片来源于网络。如有侵权问题，请第一时间联系我们，我们会及时处理。
