《企业网D1Net》3月31日讯

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。

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。

D1Net评论：

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。