从人工识图到机器识图，智能安防稳步前行

每天视频监控系统都会产生大量的数据，但是在调查取证时真正有用的往往只有几分钟甚至几秒钟，在对视频进行查找的时候低下的效率往往会错过追踪的最佳时机，而这也就是为什么机器识图会最终会取代人工识图的原因之一。

视频数据属于非结构化信息，对于这些非结构化信息，查询的依据只能是空间与时间两个维度，这样的信息利用方法不仅效率低下，其中隐含的价值信息也会被大量冗余的信息所覆盖。一个直观的感受就是，现有平安城市通常要进行7x24小时，长达30天的视频存储，往往一天存储规模就达到数百TB，甚至PB级别，而真正有用的信息只是其中几分钟，几十秒甚至几秒钟的视频片段。据专家统计，我国99%的大案要案侦破需要视频监控信息，但公安破案很长时间一直停留在人工浏览录像查找线索的阶段，动辄就要调用全市相当部分警力日以继夜的查看监控视频，这种技术局限在监控前端数量不断增加的当下，导致了越来越严重的问题。这样的信息利用方法不仅效率低下，其中隐含的价值信息也会被大量冗余的信息所覆盖。

所以，广泛而深入的视频监控数据应用，带来视频数据海量式的增长，光靠人眼识别可疑迹象远远不够，事后靠人工手动查验更是越来越困难，很难将被动监控变为主动方式。要告别人工读图由智能方式替代，是安防向高效深入应用迈进的必由之路，也可以认为，人工识图走到了应用的尽头。

在机器识图的机器感知时代。云技术和大数据相融合，感知型的摄像机分析、识别视频中运动目标，并提取出这些目标的详细特征信息，最后生成语义描述，连同抓拍的目标快照、原始视频一起上传至平台。

在感知的过程中，嵌入式视觉分析是嵌入式系统和计算机视觉技术的结合，它的终极目标是帮助设备通过图像认识其周边的世界，识别人的手势和面容，理解行为模式，并做出反应。嵌入式视觉分析技术可以大体上分为增强现实，行为模式识别，人脸识别，手势识别，以及物体识别等应用。据估计，在2014年已经应用在市场上的嵌入式视觉分析设备近500万支。视频内容分析设备在摄像机的出货数量中仅占约10%，而且应用形式被局限到对行为模式的识别和对物体，人脸的检测中。

数据结构化让海量信息检索变得简单高效。前端感知型摄像机识别分析视频内容并提取出结构化的数据传至安防大数据平台进行二次深度数据提取，而提取出的这些结构化数据，如人脸信息、车牌号码、车牌颜色等存入分布式数据库，又能为上层应用提供智能检索、智能回放、自动比对的数据支撑，实现海量信息的高效检索。

智能侦测关联分析可以实现主动视频防控。智能前置的摄像机搭配安防大数据平台(云存储/分布式智能分析/分布式数据库)赋予了整套视频监控系统以机器识图的较高精度并拥有自主“思考”的能力，通过多点碰撞、人车关联、实时布控等一系列“关联思考”可实现主动视频防控，有效"防患于未然"。

深化视频监控数据在行业市场的融合应用。针对公安、交通、零售等不同行业的应用需求，进入机器识图时代的视频监控不仅能满足安全防范方面的基本需求，同时也能跟行业的业务管理系统进行深入融合，通过人/车智能检索研判、客流统计等视频大数据应用服务协助行业提升管理效率和水平。

安防大数据平台基于云计算技术，构建云存储、分布式智能分析与分布式大数据库。感知型摄像机产生的视频和图片进入大数据平台后，首先存入云存储系统，同时通过分布式智能分析二次提取并转化为人、车等结构化数据，这些数据连同感知型摄像机产生的结构化数据一起存入分布式数据库，为上层应用提供大数据检索、比对和研判服务。

以感知型摄像机为基础，通过安防大数据平台提供存储、分析与检索等引擎，科达为公安、交通、零售等不同行业提供人车大数据检索研判、交通流量管控、商业客流分析等视频大数据应用，推动视频监控走向机器识图时代。

人工识图方式的监控不仅浪费人力、浪费物力，面对数不尽的数据要想深入挖掘如大海捞针。智能化监控的出现，就是要改变现有监控对人参与的依赖。智能化视频分析应用正当时，安防行业拥有智能，将告别人工，也会改变世界！