主頁（http://www.by236.com）：準確率和性能決勝智能視頻監控

　　安防視頻監控從上世紀90年代至今，獲得了快速發展。隨著IP技術在視頻監控領域的大規模應用，視頻監控規模從幾十路發展到成千上萬路。在此背景下，如何有效提高視頻監控的應用效率成為視頻監控建設的重要問題。因此，智能視頻監控成為視頻監控建設的發展方向。

　　在以往的視頻監控項目中，智能視頻分析技術得到越來越多的應用。但是真正成功的應用確非常少，即使在一些相對應用成功的案例中，智能視頻分析往往只是作為補充手段，而且以拌線、禁區等簡單算法居多。例如卡口應用中，也只是作為感應線圈的后備技術，在感應線圈故障的時候采用拌線識別抓拍車牌。

　　出現這種呼聲與實際嚴重差距的原因，主要總結為兩點：準確率和成本。這兩者相互依賴，密不可分。

　　就準確率來說，目前智能分析算法的誤報率和漏報率顯然是無法令人滿意的。這主要有幾個原因，首先在我看來目前國內很少有真正屬于視頻監控自身的視頻分析算法。目前使用的大部分算法都是按照實驗室單純環境總結圖像規律而來的。然而安防視頻監控主要是面向保護人和財產的，所以視頻來源主要是路口、廣場、建筑物出入口、通道等相對復雜的環境。這些環境往往圖像變化率大，受燈光環境干擾多。以人臉識別為例，目前的主流算法對人臉圖像有非常嚴格的要求，取景各個角度、距離、瞳孔之間的像素都要在一個很小的范圍內，反之則無法識別。

　　怎么解決準確率的問題，關鍵是樣本，智能分析算法的本質是比對，和樣本的比對。由于視頻監控的環境復雜性，導致很難得到具有統一規律的樣本。不同應用場景，具有不同的樣本規則。所以要解決準確率，智能分析算法就要具備自我學習，樣本自我采集的能力。在不同的場景中，智能分析出現誤報漏報，操作員對智能分析服務器反饋誤報漏報數據，搜集特殊樣本，從而幫助智能分析服務器在以后的相似場景下，能計算準確分析結果。

　　另外阻礙智能分析發展的就是成本。雖然目前有很多廠商的編碼器、攝像機帶有簡單的智能分析，但是目前大部分相對復雜的智能分析還是以單獨服務器分析的方式應用。服務器收取到視頻流，還原為YUV、RGB等數據再做樣本比對，然后再編碼輸出。所以一臺服務器要解碼、分析、再編碼，性能成為很大的瓶頸。

　　導致這種情況的原因是視頻分析算法從九十年代末至今，實際并沒有算法上的根本進步，發展的只是運算能力的提高，也就是計算機技術的發展。同樣以車牌識別為例，國內大部分廠商還是在別人的算法基礎上不停的優化。在基礎沒有得到優化的情況下，外圍的優化只能說效果了了。

　　對于計算性能和算法性能一定的情況下，視頻監控產品是否還能有效提高智能分析的效率?答案是一定的，軟件架構。我認為，云和格的思想在軟件架構的應用可以有效的提高智能分析的效率，降低成本。云是這兩年最火的概念，核心思想是共享，格是前幾年在網絡領域得到發展，核心思想是協同計算。視頻智能分析主要是計算圖像的變化量和對比度，很多數據要在前端、服務器和客戶端反復計算，導致了計算量的浪費，試想如果把前端編碼計算變化量共享給智能分析服務器，數據對比的計算量由服務器和多個客戶端協同計算，就能大大降低服務器的計算量，從而大大提高智能分析的效率，降低智能分析應用的成本。

　　我相信，在有效技術手段下，提高智能分析準確率，降低建設成本，智能視頻分析一定能在視頻監控領域得到快速的應用和發展。