AVS标准工作组秘书长/北京大学信息技术学院数字媒体研究所副所长  黄铁军

    AVS－S的特点；专业需求
 
     谈起AVS－S，其实从05年开始，AVS工作组就与公安部一所及其它相关单位开始在讨论，如何在视频监控大规模应用之前解决相关标准的问题。在此之前，不仅国内，在国际上也没有针对视频监控制定专门的音视频编码标准，但随着视频监控的广泛应用和联网时代到来，对制定适用于安防监控的专业标准的呼声也逐渐高涨。
 
     我们制定的视频监控标准与AVS早期针对DVD、数字电视所做的标准在技术上没有本质区别，编码本身还是编码，只是针对不同类型的视频选择不同的工具，或者同样的工具使用不同的参数。
 
     一般而言；电视对画面的颜色、运动、细节都很关注，面向电视广播的视频序列，要能够足够地还原，才能称为是较好的标准；而在视频监控里，在码事不够的情况下，首先需要保证细节的丰富，对画面的色彩等可以相对忽略。另外，在电视里，对画面的连续性要求也较为严格，比如电视里播放的体育比赛，就要求有较高的帧数（大约在30帧）以保证画面不出现停顿；而在视频监控里，对画面帧数的要求相对较低，在要求保证清晰度的情况下，可以将帧率适当降低。
 
     当然，视频监控还有其特殊之处。很重要的一点——它是全天候工作。这就无可避免遇到夜晚或者光线不好的情况。通常在电视节目中，晴天拍摄出来的编码和画面效果就比较好，遇到晚上等条件，可以采用补光等艺术技巧进行人为改善；但是视频监控不满足这种条件。如果采用通常的视频编码算法，按照常规的电视视频来处理的话；即使码率很高，画面质量也仍然很差。所以，在我们制定的这项标准里，如何保证视频在外界光线变化幅度很大的情况下，仍然能呈现出码流低且画面清晰的图像，也是需要解决的一个问题。
 
     针对这些问题，我们在做安防监控视频编码标准的时候，作为评估技术优劣的测试视频序列，不是来自典型电视节目，而是来自监控现场的实际视频序列，用这种序列来测试一个提案的好与不好。通过这种源自安防监控的序列测试所选择出来的技术集合，能够使得最终标准在安防监控应用中表现更好。
 
     另外，在音频编码标准方面，视频监控采集的是现场自然声音，与广播电视等环境中通常比较纯净的音乐与播音明显不同。广播电视中的声音，通常都是在没有噪声或尽量杜绝噪声的场合进行；但在监控中，尤其是在室外，现场音不可能没有噪声。针对这个问题，我们在标准制定过程中，需要对监控画面中人与事件的声音进行重点处理；另外，对于噪声不能去除，但可以适当降低背景噪声所占的码率。
 
     至今为止的音视频或者是面向广播电视，或者面向视频会议，但无论是AVS国家标准还是ISO、MPEG或ITU.T国际标准，在制定时都没有针对监控的需要。而对于视频监控来说，这些标准并非是最合适的解决方案，而只是在安防监控大规模应用之前的过渡性方案。如今，当视频监控发展到已经能够遍布每个街道、当视频成为信息基础设施上最为主要的内容时，我们就值得针对监控的需求来专门做一个标准。甚至可以说，为视频监控量身定做一个标准。这个标准如果能够做好，不仅在国内，在国际上也是很有意义的。据我所知，目前国际上也已经有人开始讨论视频监控标准了，但相对于他们，AVS起步较早。
 
     AVS－S的主要内容；三层划分
 
     上面谈到的监控视频编码，主要是从视频序列本身编码的层次讨论的。除此之外，智能化视频监控还对编码提出了新的需求。我们认为可以分成三个层次的考虑，目前正在制定的AVS－S标准是一个基本的层次，就是把进来的监控机频压缩成一个效率较高、表现效果较好的比特流，这个比特流符合视频监控的特点。
 
     下一步会增加第二个层次，叫做对象层或者语义层。这个层次是针对监控画面的场景、物体、人物和发生的事件、进行标准化的描述，从而满足智能化监控的需要。换言之，就是
 不同的厂商可以采用不同的智能检测技术，但是检测结果通过对象层最终进行统一的表述。这方面，原来我们是没有统一标准的。
 
     第三个是索引层。这是针对视频监控数据量庞大、需要大容量存储而设计的。在视频监控系统中，存储的实际成本很高，所以如何提高存储效率是一个很重要的问题。众所周知，在视频监控的实时监控中，所有发生的事情都要在画面中看到，但是在存储的时候，并非所有数据都同等重要。对此，我们可以设想一种模式，能够按照一定规则把重要片段与不重要的片段进行分离，重要的信息才进行存储，毫无变化的片段或没发生事件的可以精简。举个形象的例子：假如一个存储设备能够存一年的信息，在经过了这种分离之后所呈现出来的信息，越早期的信息，保留的越少，越是近期的信息，保留的越多，这样就可以用有限的存储保存更多更需要的信息。除了大幅度节省存储外，索引层还能够更快速、及时地查找需要的信息。
 
     实际上，这样的三个层次在数字电视里也曾经有过类似的技术和需求，只不过它并不像视频监控领域这样应用明确、需求突出。所以从工作组的角度，正是基于这种明确的问题及需求，才能对视频监控的编码进行有的放矢的研究。
 
     AVS－S的制定：技术“打擂”
 
     每项标准的制定，AVS工作组有着自己的操作流程。那就是，在标准制定之前，先不谈标准的技术细节，而是先把握实际需求，这是制定标准一项合格标准的必经过程。这次AVS-S制定之前，我们充分听取了由公安部一所等单位提出的有关视频监控的具体需求；确定需求之后，我们充分发挥工作开放性的特点——任何人有好的技术都可以向标准组提出；提供者不仅要从方法上证明所提技术的先进性，还要进行软件实现，合并到工作组的参考软件平台中，对从监控现场获得的测试序列进行试验，考察该项技术能带来多少增益。当然，加入任何一项技术都意味着标准变得更为复杂，所以在加入新技术时，我们会综合考虑该项技术所带来的复杂度和增益程度，然后由大家共同讨论决定这项技术是否使用。
 
     形象地说，标准的制定就是“打擂”的过程，在同样的标准及评价方法的基础上，各种新技术必须经过测试和评价才能进入技术集合。在这种机制下任何一家单位都没有特权，大家在技术上都是完全平等的。
 
     当然，有时针对某项技术，工作组成员之间往往也会产生争论，甚至持续很长的时间，但这是在一个公平的环境之下的竞争，到最后大家还是能够达到一致。没有被采用的厂家可能会对此保留意见，并进一步改进，只要在标准设有最终关闭之前，还能够继续提出更好的技术或者在原有技术的基础上进行改进，再次“打擂”。
 
     AVS—S专利问题：机制好才是真的好
 
     在标准制定过程中，技术的“打擂”能够使标准内容实现选中选优，保证技术性能，但在此之前，还有一个关键问题需要解决，那就是标准中所涉及的专利如何披露和收费的问题。这也是每个标准在颁布之前通常要解决的问题。
 
     关于这个问题，我们不妨先看看相关的国际标准组织如何来应对。以ISO、IEC国际标准组织为例，他们对专刊披露的基本要求是，作为专利技术的提案人，应该把专利技术披露出来，因而一项国际标准颁布之后，在ISO网站上有一个对应专利库，会把这项标准里涉及哪些专利罗列出来。但这只是一个鼓励性要求，并不具有强制性，所以在执行过程中，这样专利库往往并不完备。另外，对于这些专利如何收费，也有基本要求，叫做“合理非歧视”原则；即通常说的RAND原则。RAN原则的意思是：在因为实施标准而用到专利时，作为专利权人可以收取合理的专利费，而且不能对不同的使用者采取歧视性收费。这个原则是必要的，但还不充分，在实际执行过程中存在明显问题。很重要的一点就是，大家对如何才是“合理”很难界定。这个问题在DVD（碟机）上表现就很明显。当初，碟机刚上市的时候是卖每台500美元，到后来降至50美元，但这个过程中，专利费却一直保持在20美元左右，所以这从合理的角度来看就不“合理”了。
 
     诸如以上的问题，在原来的标准框架下都没有很好的解决办法。所以，AVS在2002年左右就提出：在制定标准之前就应确立专利池的概念和专利池收费的基本原则；另外，在标准制定过程中必须对技术提案中的潜在专利进行披露。也就是说，在制定标准之前，先确定标准所涉及的专利如何收费的问题，一旦标准发布实施之后，里面涉及的专利收费政策，就按照事先确定好的标准实施。
 
     虽然没有确定所有的细节，但作为一个整体，AVS专利池的收费原则是确定下来了——“一块钱原则”，也就是说，不论将来标准里有10项专利还是100项专利，总费用保持不变。这种在标准制定之前就把专利池提出来并且对其收费有一个原则性规定的做法，是由AVS首次提出的。通过这种做法，我们就能把产品与标准进行明确地划分，让使用标准的用户在生产产品之前就能对专利信息以及收费有一个很明确的了解。
 
     另外一点还需要做出解释的是，标准制定过程中潜在专利权人必须承诺加入未来的专利池，