視頻數據現狀

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。根據大華股份提供的數據顯示，每年安防視頻存量呈現大幅度增長，如圖所示：

而在每年的視頻總量如此之龐大的數據下，以一般項目經驗估計，視頻被觀看的實際只有5%。進一步而言，在視頻實際被觀看的時間里，有效視頻時間不到1%。對此，大華股份先進技術研究院研發總監鄭韜表示：“目前最重要的任務是解決海量視頻和提高視頻價值的矛盾。”隨著人工智能的飛速發展，深度學習為智能化行業提供了巨大的便利，但是如何有效地提高安防視頻數據的價值？

深度學習算法比對傳統算法

傳統算法應用于目標檢測和濃縮，可幫助用戶降低觀看視頻的時間，提高視頻效率。但引入深度學習之后，實現了視頻結構技術，也就是把實時視頻進行結構化分析，現成為獲得視頻數據、提高視頻價值的最有效工具和手段。

比如，運用深度學習算法，可以抓取更多目標結果。將復雜場景中的人、機動車、非機動車分離（共可區分轎車、面包車、公交車、卡車、貨車，2輪非機動車、3輪非機動車、行人等類型），全方位提取車輛特征，如車型、車系、車身顏色、車牌顏色、車牌號碼識別、主副駕駛是否系安全帶、是否打電話、有無遮陽板、有無年檢標、有無掛墜、有無紙巾盒。

另外可根據需求條件，搜索更準確的目標數據。針對行人，可以多方面分析其相關特征，包括性別、表情、年齡段、服飾特征（上下衣著顏色、眼鏡）、攜帶物特征（背包、打傘）、運動特征等。同時，也可以針對符合像素要求的人臉、車輛號牌，進行識別。經過處理之后的視頻數據可以進行長期保存，并按照人、激動車、非機動車的各種特征條件進行檢索。

應用產品以及案例

據此，鄭韜提出市場需要一種能自動提取視頻中信息的產品，既能解決視頻量大的問題，又能解決視頻信息占比小的問題，從而提高視頻的實用價值的產品。

大華股份先進技術研究院研發總監鄭韜

即全球首款基于Tesla-P4的IVA服務器的“睿智系列”視頻結構化服務器，其所有算法都是基于深度學習完成的，同時全部運行在GPU上，最大可支持192路1080P實時視頻分析，完成結構化信息提取。

這款產品體現了只有不斷進行向前端傾斜的視頻數據存儲和分析技術創新才可以幫助客戶實現數據的大融合和智能處理。下面舉兩個現實生活中應用的案例：運用以圖搜圖技戰法，根據嫌疑車輛的年檢標志等特征搜索該車軌跡15分鐘便鎖定該車作案前軌跡，最終抓獲犯罪嫌疑人破獲詐騙案件。打擊城市套牌車專項活動，上線兩周，有效預警套牌車百余次車次，落地排查抓獲數十余輛，有效扼殺多起犯罪于搖籃之中，形成車輛套牌犯罪禁區。

結語

所以，安防的發展與人工智能深度學習技術存在密不可分的聯系，深度學習技術是智能安防未來發展的重要領域，存儲容量的巨大需求必須具備可靠、快速的容量增長技術，而利用人工智能緩解或者解決這一矛盾，真正讓客戶能夠享受到視頻價值及其附加價值帶來的利潤，這樣才能保證整個行業積極向上的發展趨勢。

來源：武漢機房監控  浙江機房監控  http://www.28ut.com/news/3070.html   本文采集于網絡，如有問題有聯系刪除