智能视频分析技术在安防领域的重要作用是毋庸置疑的，从海量信息中迅速搜索到需要的信息，进而实现事前预警防范。同时，智能视频分析技术是解决视频监控领域大数据筛选、检索技术问题的必经之路，是实现“视频创造价值”从大量视频资源中挖掘有价值的东西)的重要手段。

　　2016年智能分析技术实现了大跨步的发展，无论是从传统的安防视频监控企业来说，还是一些科创型的智能分析算法企业。智能分析技术不仅仅应用在公共安全防范领域，在一些关键性的行业业务管理中的也得到了应用和普及。

　　典型的智能分析技术

　　视频智能分析是利用计算机图像视觉处理、模式识别和机器学习等算法，分析和识别运动目标信息。智能分析系统则是在视频监控系统的基础上加入了智能分析服务器，配合智能分析软件一起使用。目前来看，在企业及行业中比较典型的智能分析技术主要有：视频质量诊断、行为分析、流量统计、目标跟踪、视频摘要、人脸识别分析、车辆分析识别等。

　　人脸识别分析

　　人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，人脸识别未来的应用场景将不局限于安防监控领域，智慧城市、智慧生活等方面将更多的出现人脸识别的身影，但就目前的应用领域而言，毫无疑问，安防监控才是人脸识别的主战场，并且行业内知名企业在人脸识别领域都有不俗的表现，大华股份人脸识别团队向国际权威人脸识别公开测试集LFW(LabeLEDFacesintheWild)提交了测试结果，大华人脸识别率不仅继续领先Google、Facebook、百度、腾讯，排名第一，并且刷新了LFW的新记录，跻身国际领先地位。

　　公安部门借助人脸卡口IPC摄像机的智能人脸检测技术，在城市道路、广场、娱乐场所及各类重点场所的人员目标的人脸识别，提取包括人的性别、戴眼镜、年龄段等特征信息。从而实现人脸的实时布控、高危人员比对、以图搜图、语义搜索等方面的业务应用。

　　未来人脸识别模型如果需要取得突破，一方面需要更多更丰富的海量的样本数据，如各种光照，姿态，表情下的人脸图像。另一方面，深度学习模型还可以进一步优化和调整。目前，谷歌、微软、百度等公司都成立了专门的部门对深度学习技术进行研究开发，市场上也涌现出一批基于深度学习的人脸识别创新型企业。

　　车辆识别分析

　　近年来，随着智能交通的高清卡口相机的广泛建设和应用，借助于智能识别算法和大规模集成电路技术的迅速发展，以及配套设施的工程施工标准化，对电警、卡口、停车场出入口等场所进行包括车牌识别在内的车辆特征识别，把车辆相关结构化信息存入基础信息库。智能分析识别的车辆特征信息越来越丰富，通常包括有车牌、车牌颜色、车标、车身颜色、车型、车款等。配合业务需求，还能检测识别遮阳板、系安全带、司乘人员的人脸检测和抓拍、驾驶员打电话等细微信息。

　　基于这些车辆关键的特征信息，形成上亿条过车记录数据。也推动了后台大数据分析服务的发展应用，和行业数据挖掘，形成例如套牌车分析识别、高危车辆积分模型、车辆行驶轨迹分析，时空碰撞等实战技战法的应用。对车辆特征数据的大数据搜索，即可迅速找到所有符合条件的车辆信息，包括行驶时间与方向，行驶速度，车牌号码，车标，年款。

　　结合以图搜图的检索方法，在公安实战平台上调取卡口视频和图像文件，快速查询到有关嫌疑车辆信息，还原车辆行驶的轨迹历史信息，而且可以实现嫌疑车辆在整个城市的全程运行轨迹查询，同时结合视频监控信息，实现车辆全程化得可视化轨迹回放，以及对涉事车辆的精确布控和查询。

　　天地伟业推出的“车辆深度识别系统”基于深度学习技术，通过深层神经网络对海量过车数据自动学习，逐层提取全局关联信息，通过“预训练”和联合优化提高了正规系统的识别表达能力，解决了因光照、场景、角度等因素干扰所导致的识别精度问题。可针对海量过车图片以及数据进行结构化/非结构化信息的识别、提取和检索。

　　公共安全领域一直是智能分析的主战场，除了以上讲的公安领域、交通领域，随着市场不断细分，智能分析技术在各行各业的使用也日渐专业，并得到越来越多的重视和应用。

　　在金融行业应用中，可以结合ATM面板路的摄像机。利用智能视频分析技术自动发现是否安装读卡器、粘贴虚假广告纸条、遗留钱包或钥匙等异常事件；结合人脸抓拍机，利用人脸分析技术自动发现蒙面取款、多人同时取款等异常事件；还可以结合ATM自助大厅的全景监控摄像机，利用智能技术及时发现尾随跟踪、打架斗殴等一系列危害客户的行为事件。

　　在司法行业应用中，可以结合监舍内部的监控摄像头，利用智能视频分析技术自动检测关押人员是否存在上吊、脱岗、打架斗殴、倒地等一系列异常事件。避免伤害事件的发生；并且可以利用人脸识别技术实现探视家属的出入管控。

　　在零售行业中，智能视频分析技术可以通过视频监控系统进行自动化的客流量统计、商场热点分析、VIP客户自动识别提示、商品关注度统计、自动输出分析数据协助业主进行业务决策；并且可以自动检测偷盗、损坏商品等行为，及时预防、减少损失。

　　因此，深入研究不同行业客户需求，通过前端的市场人员与后端的技术、研发人员的协同配合，完成适用于不同系统的独特解决方案是智能化视频监控的未来发展趋势。

　　在基础的智能监控需求已经得到满足的情况下，市场不再满足于现有的智能化技术种类，而是寻求更新的算法、更丰富的业务应用，力求实现在应用的广度、深度上的突破。下面介绍几种代表性新技术：

　　图像增强

　　监控系统面临的重要问题，是受到各种干扰因素的影响，使得系统不能在全天候、全天时下运行，系统的可靠度低，LCC值不经济。这些干扰因素主要包括如白天环境下的泛光、逆光，低照度环境，雾、灰霾等的大气散射环境干扰，降雨、降雪、沙尘等气象条件的影响。

　　图像增强技术主要解决的问题，是通过算法对视频源进行视觉改善处理，有效的改善画质，提高图像的清晰度，提高视觉可分辨性，使原本低质量的图像能够满足监控需要，达到清晰可辨的程度。图像增强的技术实现途径，是突出原有图像中需要重点观测的内容，抑制非重点观测内容，通过对像素的灰度值运算处理生成一幅新的图像，以改善视觉效果。

　　视频浓缩与检索

　　面对监控系统中海量的录像数据，如何有效、高效的应用，减轻人工查看回放带来的时效性差、成本高、疲劳问题，并在不同分辨率、不同清晰度的录像中准确的辨别出需要获取的信息，行业提供了视频复原、视频浓缩、视频结构化检索等技术手段。

　　视频浓缩

　　将视频浓缩形成视频片断，不同时刻的目标“穿越时空”同时展现播放，使24小时的视频被制作成一个简短到几分钟浓缩视频成为现实。视频浓缩不仅浓缩的是事件的精华，也是活动事件的全部，没有价值的视频将被剔除。通过多分格快照技术，可以在几秒中看完所有的活动目标成为可能，回溯原始视频功能，瞬间锁定目标在原始视频中的位置。这些智能视频分析功能的实现和应用将**提高海量视频监控录像分析的效率。

　　视频分类检索

　　传统的视频搜索功能主要是以物理条件的设定为主要搜索条件的，比如时间，日期等。而智能视频检索功能能够通过认为设定的智能条件进行快速的视频搜索。比如：特定场景的变化条件、嫌疑物体（人、车、其他特征物体）的出现等为搜索条件，进行特定视频条件的智能搜索，结合其他智能视频功能，可以使大量的无序信息在短时间内形成有价值的证据链。

　　视频分类检索技术未来的发展，结构化录像存储是未来的方向。但还需要解决以下以下关键的技术问题：视觉信息、高层语义信息数据描述技术、分类规范和信息索引技术、存储组织和高效搜索技术、提高智能分析技术的准确度、智能技术的硬件产品化、异地查询和交换技术等。

　　可以预见的是，现有的各项智能分析技术在不断的融合，并扩展到各种产品形态中，应用到视频监控的各个环节，进而变化为更多的智能化产品类型，更丰富的业务应用，更灵活的系统结构。与此同时在近两年，基于深度学习的人工智能技术在安防领域应用开始逐步显现。尤其是在2016年安博会期间，海康威视、宇视科技发布了基于人工智能的智能视觉战略，提出了基于GPU运算的方案、人脸识别、大数据应用等等，视频监控已经成功实现突破安防的界限。

　　未来基于深度学习的人工智能技术与视频技术，物联感知技术不断融合，将使可视化管理、可视化运用将成为现实。视频未来变化的趋势将会集中在从事后到事中，再到事前预警，视频数据的应用将实现从安防向更多行业应用转变，从而推动智能视频技术更深入的与行业用户的业务需求相结合，为视频技术开拓出更大的行业市场。