缘何智能视频分析技术不能大展拳脚？

    【CPS中安网 cps.com.cn】智能视频分析技术领域是人工智能中的模式识别，将智能算法嵌入到DSP中，通过分析和提练人员和车辆二类目标的各种行为模式，形成核心算法。目前来看，虽然近年智能视频技术迅速发展，而智能视频分析本身算法的局限，在理想环境下才可实现其全部功能，所以在实际应用中，只能初步实现较简单的功能。但强劲的需求市场下，缘何智能视频分析技术不能大展拳脚?未来智能视频分析技术又将会有哪些突破?

　　视频分析技术目前应用三类现状

　　从技术角度来讲，目前国内智能分析技术主要还集中在两大类：一类是采用画面分割前景提取等方法对视频画面中的目标进行提取检测，通过各种不同的规则来区分不同的事件，从而实现不同判断并产生相应的报警联动等，例如：最早期的一些行为分析类功能(跨界、区域入侵、打架检测、人员聚集等)、还有早期的交通事件检测等都属于这类算法技术的应用。另一类是利用模式识别技术，对画面中特定的物体进行建模，并通过大量样本进行训练，从而达到对视频画面中的特定物体进行检测及相关应用。如车辆检测、人脸检测、人头检测(人流统计)等应用。

缘何智能视频分析技术不能大展拳脚?

　　从应用角度来讲，目前国内智能分析技术主要有四大类：第一类是实时报警类。第二类是数据统计类，第三类是属性识别类。第四类是图像处理类。

　　从产品形态来讲，目前市场上主要有两大类产品形态，一类是前端智能产品。一类是后端服务器产品。这两类产品各有优缺点，根据不同的应用和项目类型有不同的选择。

　　目前市场上可以看到很多智能摄像机，即将一些视频分析算法移植到网络摄像机中，在摄像机中实现对实时视频的分析和检查，实现一些智能分析的功能(例如目前有实现车辆检测的车辆抓拍摄像机、实现区域入侵等功能的目标检测报警的摄像机、有实现人类检测抓拍的摄像机等等)，智能摄像机自带分析功能，系统架构简单，同时目前的摄像机DSP处理能力已经完全能运行各种较为复杂的分析算法，分析效果和后端产品基本相同。

　　智能视频分析被称监控智能化最为成熟技术体系

　　监控平台发展的这些年，已经很明显贴近监控高清、集成性的趋势，但智能化的应用表现才刚刚起步，但前景不小。我们说的监控智能化，很多业内人士都认为智能视频分析就是监控的智能化。从目前应用情况分析，智能视频分析技术是监控智能化技术最为成熟的技术体系。

　　目前智能分析技术已经广泛应用于各种安防领域，根据其实现的方式进行区分，有业内人士将其概括为以下几种类型的智能分析。

　　诊断类智能分析：诊断类智能分析主要是针对视频图像出现的雪花、滚屏、模糊、偏色、增益失衡、云台失控、画面冻结等常见的摄像头故障、视频信号干扰、视频质量下降进行准确分析、判断和报警。诊断类智能分析技术实现起来较为简单，通常以后端管理平台的形式出现，在大型的监控项目，特别是城市级监控的日常运维中作用十分明显。目前市面上一些基于DSP的智能分析设备、DVR和DVS等都自带该项辅助功能。

　　识别类智能分析：该项技术偏向于对静态场景的分析处理，通过图像识别、图像比对及模式匹配等核心技术，实现对人、车、物等相关特征信息的提取与分析。在对车的识别分析应用上主要是车牌识别技术。该技术经过多年的发展与应用，目前已十分成熟。模糊车牌还原和识别技术的出现使得该项技术不再局限高清，开始向标清领域普及。车牌识别技术被广泛应用于各停车场出入口、高速公路收费站等地，近些年更是发展迅速：配合交通电子卡口系统，车牌识别技术被大量用于车辆交通违章的抓拍，有效降低了车辆交通违章数量，大大减少了交通事故的发生。

　　行为类智能分析：该项技术侧重于对动态场景的分析处理。典型的功能有：车辆逆行及相关交通违章检测、防区入侵检测、围墙翻越检测、绊线穿越检测、物品偷盗检测、占道经营检测和客流统计等。移动侦测(VMD)是该类智能分析中的“早期智能”，VMD依据视频画面中像素块的运动变化来进行判别，缺点明显：基于二维的分析，误报太高，无法识别移动的像素块是干扰还是目标。

　　而就目前监控智能化中应用最成熟的智能视频分析技术发展来看，它能在几乎不需要人为干预的情况下，通过对摄像机拍录的图像序列进行自动分析来对动态场景中的目标进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，做到既能完成日常管理又能在异常情况发生的时候及时做出反应，从而解决了传统监控工作量大、效率低、反应速度慢等问题，其优势显而易见，也是推动整个安防智能化最为关键的技术之一。 

　　智能分析技术应用存在一些问题

　　早期视频分析应用产品出现在市场上，着实引起了一段骚动，而且很多特殊的应用场景和应用环境，的确能给客户带来很大的价值。如商场的人流统计技术，为商场的数据分析带来了巨大的技术支撑。如车牌识别技术，给公安交通管理带来的价值是无法用数据来衡量的。但是，视频分析技术还没有完全成熟，目前应该还属于技术应用的初级阶段，还存在很多问题，这些问题可能也是限制视频智能分析应用快速发展的最主要的因素。

　　针对100多家厂商及工程商的问卷调查显示，2013年智能摄像机市场规模较2012年市场规模18亿元增长接近40%，2013年智能摄像机市场规模达25亿元左右。其中，平安城市、交通行业、机场、军事基地是智能摄像机应用最多的行业，达到了30%以上，但是相对于成熟的视频监控系统而言，智能视频的销量总体呈现平稳的态势。深圳市视威克总经理巫松亮表示，智能视频分析技术只占有总营业额的一小部分。

　　那么为什么广受用户期待与市场好评的智能视频分析技术不能在市场上大展拳脚，占据监控市场的更大空间呢?

　　(一)、检测准确率达不到理想效果。视频分析技术的准确率基本达不到非常理想的效果，特别是实时报警类的应用，误报率和漏报率都是客户最关心的问题，如果误报太高，客户也受不了，如果漏报，客户更加受不了。特别是一些要求比较高的应用，只要有漏的，实际作用就不大了。

　　(二)、受环境干扰大。视频分析技术最大的一个问题就是受环境和视频质量的干扰太大，光线、杂物、恶劣天气、晃动、飞虫等的干扰，就会使应用系统效果非常差，甚至失效，无法进行正常工作。

　　(三)、安装调试复杂。智能分析应用产品几乎都需要按每一个应用场景进行不同的参数调试，而且会涉及到非常多的专业的参数调试。非专业人员根本无法调试出理想效果。

　　问题面前需求强劲未来发展有何新趋势?

　　一、智能码流技术

　　智能码流，是系统根据图像识别后，根据画面运动主体的运动速度，将正常录制的视频进行码流调整，进行最后的视频存储。对于运动慢的运动主体，码流记录甚至可以低至8帧/秒(fps)以下，对于正常速度运动的主体，码流设定正常的25fps，对于敏感图像的运动物体的视频码流可设定在30fps以上。对于高速的运动主体，在高速摄像机的配合下，码流可高达1000fps以上。智能码流技术，可以减少非敏感图像占用视频存储资源，从而对敏感图像提供了充裕的记载能力。

　　二、动态区域自适应的智能监控技术

　　以某车库视频监控画面为例，画面上的敏感信息为运动的车辆和人。不敏感画面是背景(地面和屋顶)。但在实际的视频记录中，背景(地面和屋顶)占据了50%以上的存储空间。通过图像识别技术，可以判定固定背景与运动物体图像，因而，具备了只在记载画面的中有运动的技术可能。动态区域智能监控，就是只记载除背景以外的运动物体，从而大大减少了视频存储空间的需求，相同的存储空间，可保留的视频时间长度可以成倍提高。摄像系统，通过图像识别技术，可以智能学习，判断哪些图像是背景，即便是由云台控制的摄像头，通过设定的时间内的自动学习，也可以自动判定录制视频中的新背景，从而实现对运动物体图像的智能监控。

　　三、非敏感区域的低码流记载技术

　　视频上方的25%到30%的区域，通常是天空或建筑的顶部图像，基本属于敏感要素不太可能出现的区域。如某些典型监控图像中的红色马赛克部分的图像，基本不会含有人们关心的视频内容，因此可以把视频图像的非敏感区域的忽略或者用低码流另外记录，只需在回放的时候与高码流的视频做一个同步。值得说明的是，非敏感区域在不同应用场景，各有不同，有的也许在视频图像的下方，有的监控场景，非敏感区域是不规则的，可以在视频监控系统安置好后，根据实际情况再进行应用层面的人工设定。

　　四、人脸/车辆识别(或其他敏感移动物体)驱动高清摄录技术

　　在特殊的场景下，比如大楼的进口处、电梯等地方，人脸是敏感图像。在车库内、小区的进出口处，车辆及其号牌是敏感图像。若全部用高清的视频固然可以满足监控需求，但视频存储，特别是长时间的保存就会需要海量的存储空间;若根据图像识别技术，判断出现设定的敏感图像的时候，才驱动摄像头启动高清记录，对于一般的非敏感图像，则启动标清甚至低码率的视频流来记录。这样高清与标清相结合的监控记录，即保证了记录敏感图像的质量，同时又较大程度上减少了视频存储量。

　　五、序列帧视频文件分布存储技术

　　把视频在一秒内产生的帧为标识成序列帧，同时编制存储与播放序列，把不同序列的帧划分为数个文件存储;单个帧序列文件可以单独播放，效果等同于低码流记录的视频效果。

　　所有帧序列可以合成完全视频一起播放时，则是高清(或标清)的视频效果。当需要回收存储空间的时候，可按存储策略规划，先将一部分序列帧视频文件所占的区域覆盖。另一部份则保存下来，从而更有效的利用存储空间。

　　例如按原存储能力可以保留1个月的视频数据，经过视频帧文件的分布存储后，可以保留数个月的有选择的序列帧视频的文件数据。对已保留了中长期的序列帧视频文件进行部分覆盖，实现淡入淡出式的视频逐渐丢弃，长期保留的视频数据不是一下完全消失，而是慢慢的消失、丢弃。从而最大限度地延长监控视频保留的时间。

　　结语

　　总体来看，限制智能分析技术应用的最大因素就是准确率问题。所以智能分析技术应用的发展趋势肯定是朝着提高准确率的方向前进的。同时另一方面，大家也会寻找一些不关心准确率，而更多关注效率的一些应用方向。