本期嘉宾：
上海安维尔信息科技股份有限公司CEO 范 柘
深圳飞瑞斯科技有限公司总工程师 张鹏锐
北京汉邦高科数字技术股份有限公司北京研发中心核心算法部主任、
北航软件学院特聘教授 杨慧松
杭州海康威视数字技术股份有限公司智能分析产品售前工程师 黄丹平
圳久凌软件技术有限公司产品发展总监、博士 黄沛杰
作为安防智能化的一部分，智能视频分析技术能在几乎不需要认为干预的情况下，通过对摄像机拍录的图像序列进行自动分析来对动态场景中的目标进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，做到既能完成日常管理又能在异常情况发生的时候及时做出反应，从而解决了传统监控工作量大、效率低、反应速度慢等问题。智能视频分析技术是推动整个安防智能化最为关键的技术之一，从目前来看，也是安防智能化中应用最成熟的一部分。
由于技术、市场以及监管等方面的原因，智能视频分析技术应用还远未体现出其重大的价值。值得庆幸的是，当前技术的深入发展和不同行业的特定需求正在推动智能视频行业迅速改变。
本期栏目邀请了资深的安防业内人士就智能视频分析技术应用的发展展开讨论。从智能视频分析技术应用的现状、产品形态、面临的困难，到当前技术发展的突破点，最后给出的理论结合实践的解决方案。我们相信，抓住时机，深入细分应用市场，打一场翻身仗，智能视频分析技术应用讲迎来一片新天地。
智能视频分析技术应用发展的现状
目前，智能视频分析技术应用主要集中于城市治安管理、大型活动安保、监狱管理等业务领域。就整体应用水平而言，距离安防实战要求尚有较大差距。认清现实，是为了发展得更加稳健和迅速。
范柘：国内的智能视频分析行业在近几年经历了一个起伏。2008年只有几家企业涉足，2011年遍地开花，然后又经历行业收缩，一批企业退出市场。大企业一直坚持研发，但是还没有完全发力。这种发展曲线其实和国外总结的高新技术的发展过程很相似：一种新技术的诞生会引爆市场的想象力，但是在早期应用遇到困难以后，市场恢复理性，淘汰一批企业，剩下的企业逐步做大做强。
张鹏锐：智能视频分析的技术和应用目前还在初级阶段。大部分应用还在DEMO或者在试用阶段，还不能满足实际的要求。现在比较成熟的智能视频技术主要是红外人脸识别、车牌捕捉、客流统计等，这几种技术应用也比较广泛。
杨慧松：当今视频安防行业的历史阶段是一个“三化”（网络化、高清华、智能化）并进的数字时代。智能化作为一种概念受到极高的关注。人们期望智能化的视频监控系统能够代替人的工作，现在安防市场上的智能视频监控系统还远不能满足这样高的要求。
目前，智能视频监控应用最成功的领域是智能交通（ITS），其智能一体化摄像机中内嵌的智能算法在性能上已满足ITS工程项目的典型业务需求，比如，卡口业务抓拍捕获的漏检率不大于0.01%（在监控区域内对0km/h-140km/h行驶的车辆），电子警察对车辆检测的识别率不小于95%，对违章事件识别的正确率基本能满足现阶段用户的要求。
黄丹平：视频智能分析技术的应用从最初简单的移动侦测应用，发展到能够区分物体大小、运动方向，并可以绘制各种规则来判断不同的事件而产生不同的报警，如跨线报警、进入区域报警、物品遗留报警等，再等目前各个行业的应用，如公安行业、金融行业及交通行业的视频分析应用系统。
黄沛杰：智能视频分析技术在日常生活、公共安全甚至传统制造业等方方面面都有广泛的应用。视频主要来自于摄像头好比人的眼睛，无时无刻不在察看着世界，那么智能视频分析技术使得电脑能够像人脑一样理解视频里的各种图像和活动，识别和筛选各种物体和时间。
妨碍智能视频分析技术应用快速发展的原因
智能视频分析技术一直是安防的热门话题，但实际应用却不太理想，妨碍智能视频分析技术应用发展的原因有哪些：
范柘：从事视频分析研发的企业通常有较深的高校烙印，在产品开发上如果不能突破科研人员的思维习惯，产品会很难被市场接受。安防市场喜欢即插即用，对于较为繁琐的配置缺乏容忍度。另外，对集成商、施工人员培训不到位也限制了智能视频监控系统的功能的发挥。
张鹏锐：举个例子，通过移动侦测的方式来进行周界防范，10年之前已经存在，而且也有一些应用，但直到现在仍然没有推广开来。究其原因，还是技术本身与需求的差距太大，误识别的情况太多，导致这种应用形同虚设。所以，技术的成熟度是阻碍智能视频分析技术的核心部分。
杨慧松：我认为原因在于对智能视频监控的人事偏差和操作失误。主要从三个方面来分析：商业模式，产品开发，应用技术研究。
首先是商业模式。在视频安防行业发展的历史阶段中，如模拟CCTV时代、数字化本地硬盘录像时代，甚至在网络高清时代的早期，视频安防行业几乎是一个“万金油”的技术行业，这个行业的特征产品系列如录像机、摄像机等与广电行业生产的电视机从销售模式上大致相同。进入智能化时代，当设备和系统的智能化视频监控功能最为视频安防工程的必选要素时，这种传统的商业模式面临着巨大的挑战。
然后是产品开发。基于传统的商业模式的制约，设备制造商的智能化功能产品与工程实践常常脱节，其中内嵌的智能算法在模块的组成上缺乏有效针对那个行业的解决方案，普遍存在着模块功能大众化（缺乏专利性的核心技术）、模块性能粗糙化（没有经过有针对性场景的参数调试）的设计缺陷，导致产品“有其名无其能”，适应不了实际工程的考验。设备制造商亟需具备对智能视觉算法的了解和熟悉，即便是OEM的算法，也须确保算法的提供商具备特定行业的实践经验可持续的技术支持能力。这样出厂的产品才具备对某行业应用的个性化调整能力。
还有一点是应用基础研究。视频安防行业的大中型企业和算法的OEM提供商更应该重视应用技术研究。这是一个融合了诸多应用技术学科和应用开发层面的工作，从算法的研究和实验，到原型系统的建立和仿真实验，再到特定硬件平台上的算法优化和系统设计，每个环节都必须以很高的标准来做好质量控制。没有算法的应用基础研究，就谈不上产品开发，即使再好的商业模式也无从谈起。
黄丹平：妨碍智能视频分析技术应用发展的原因是，产品离实际应用解决问题还有很大的距离。各个厂家都在做各种视频只能分析应用，但很多都还只是停留在实验室的一些算法功能。从视频分析算法技术的角度来说，视频分析算法的准确性和精确度很大程度上取决于视频质量的好坏、视频的环境和内容是否合适做某种特定的智能分析功能。然而，现有的安防监控系统中，还有很多图像质量、安装位置等都不符合视频分析的要求。从应用角度来说，目前视频分析算法技术衍生出来的应用没有找到合适的场景来真正解决用户的实际问题。很多应用不能解决用户的实际需求，存在误报、漏报严重等问题，导致客户失去信心。
黄沛杰：视频分析技术依然面临着不少挑战，主要是拍摄环境不理想、拍摄设备的质量不高。比如，拍摄分辨率太低导致目标物体太小而不足以识别、环境光线不足导致目标难以辨别、摄像机设备噪声太大干扰了目标的识别等等。
前端模式与后端模式各有优劣
智能视频分析应用系统基本构架有两种模式：前端嵌入式部署模式和后台服务器部署模式。从实用性、准确性与应用程度而言，这两种不同产品形态的智能分析技术的具体发展情况如何？
范柘：简单而言，从事前端智能开发的团队通常有较强的硬件开发能力，后端智能团队有较强的软件开发能力。在通信带宽较窄（广域网、无线网）的应用中适合使用前端智能。如果整个视频监控网络可以集中在一个局域网里，前端智能节省带宽的优势价值就不大了。前端智能维护成本高，通用性较差，升级更新难度大，但是网络架构较为简单。
后端智能采用的分析设备通常拥有更高的运算处理能力，可以使用更复杂、更先进的算法进行图像分析，因而更容易将最新的研究成果转换成产品。而且更容易维护，容易和现有监控系统结合，并可以和云计算技术结合，高效率、低成本地满足大型视频监控系统的计算需求。
张鹏锐：后端智能主要侧重于“云搜索”和“大数据分析”之类的场合，主要是进行智能的存储和分析，对实时性要求不是很高，但数据搜索或者处理量比较大。前端智能侧重于对实时性要求比较高的场合，适合一些相对比较简单的算法，像红外人脸识别、客流统计。前端和后端这两种形态的技术分别能够满足不同场景的应用，两者应该都会一直存在。
杨慧松：“前端智能和后端智能”的说法来自于对智能视频监控系统设计时的架构要求。在一个网络化的监控系统中，必须通过分布式的设计模式把数据按类别进行分层处理。
把智能分析功能放到后端服务器的做法，就是所谓的后端智能。这种计算方式通常是针对在分分布式网络下对具有全局大数据分析要求的场合。如在人脸身份的确认系统中，前端智能只负责人脸检测和跟踪，而后端智能负责基于大规模人脸库的识别任务。又如在智能交通的卡口业务中，前端智能仅负责抓拍车头照片和定位分割出车牌图像，而把车牌识别的任务交给后端服务器去完成。
前端智能和后端智能是根据业务的设定功能来决定的，目的是使组成的分布式视频监控网络对视觉信息的分析和识别达到最优的性能。
黄丹平：从实际性角度来说，前端和后端各有其优势，不同的项目适用不同的产品形态。如完全新建的项目，那么前端分析的产品形态更加简单；而对于改造项目，后端分析就更加经济实用。
从准确性来讲，如果前端不采用DSP进行分析，那么在分析性能有限的情况下，通过裁剪算法来实现，肯定会影响前端分析产品的分析性能，但随着技术发展，现在前端产品都基于DSP来进行分析单路的性能已经不亚于后端产品，那么也不存在什么准确率的差异了。而且前端产品可以对没有编解码压缩过的数据直接进行分析，而后端分析的视频需要经过视频编码和解码的过程，这个过程就会产生很多细节特征丢失，反而会影响检测性能。总之，前端和后端没有哪个更优，只有哪种更合适。
黄沛杰：总体而言，前端智能产品主要针对实时应用，更强调反应的及时性，如报警和布控，而分析的准确性往往不如后端智能产品。前端智能的产品规格主要以并行处理的路数计算。后端产品主要用于事后分析，对硬盘或DVR上已储存的视频文件进行分析处理，更强调分析的准确性，尽量不遗漏目标。后端智能的产品规格主要以处理倍数计算。两种产品相辅相成，互相补充，都对安防行业有重要的作用。
高清化与智能化如何决定智能分析技术的发展走向
智能视频分析对前端摄像机清晰度的要求是比较高的，高清意味着存储压力的增大，相应的，对后端存储设备的稳定性和容量也有一定要求。业内许多专业人士称高清化为智能分析应用带来了新的突破，相关企业认为智能视频分析技术的发展走向如何？
范柘：高清和智能是“科技强警”的两个主要技术方向。使用高清相机，在智能卡口上可以替代多台标清相机；在人脸识别上有助于提升识别率；在周界安防上可以提升有效监控距离。
一个值得注意的问题是，由于预算的原因，目前视频监控系统的布点密度通常不高，两个点位之间间隔2、3百米以上是常见现象。对于2百米以上人体的检测使用标清图像常常较为困难，尤其是一些产品由于处理能力的限制，采用下采样的方法进行分析，进一步降低了分析的有效距离。所以使用高清图像进行视频分析是大势所趋。
张鹏锐：毫无疑问，智能化是大的趋势，高清对智能的影响是一个促进作用。我们不能因为一时的问题和困难而怀疑这种趋势。智能视频一定会被细分，针对各个不同的行业和场景，进行技术上的提升，从而推动该行业的发展。
杨慧松：视频监控的高清化沿着两个路线在并行发展，一个是IP网络上的高清化，另一个是基于HD-CCTV网络的HD-SDI视频监控。无论是哪一种，它们都为智能化的视频监控提供了更加丰富、更高质量的数据源，使得视频分析算法可以发挥更强大的优势。
在分布式的视频监控网络上，高清视频的广泛采用使得视频大数据的特征越来越明显。从数据挖掘的角度看，整个视频监控网络已经具备了物联网的属性和意义，已经是一个“只能视觉物联网”，涉及物联网的视觉感知部分，利用监控摄像机获取人、车、物图像或视频，并采用智能分析技术对视觉信息进行处理，为后续利用提供支撑。
黄丹平：高清化只是说让智能分析的效果更好一些，但个人觉得还谈不上新的突破。视频智能分析应用现在的瓶颈不是在画面质量上，而是摄像机安装的环境、角度、抗干扰度以及各种环境下的适用性，以及智能分析技术和应用是否能够实现用户的预期。
个人认为智能视频分析技术的发展和趋势有两个方向：一是更加细化和深入的行业应用或者说特定功能的应用产品。如ATM的防护仓、审讯室等场景统一的地方进行应用开发。在这样的场景下能够将算法性能提高到真正给用户带来价值，而不只停留在表面。二是通过各种视频算法技术对大量视频内容的深度挖掘和分析的应用。如通过人的特征提取、车辆特征提取、颜色、形态等的检测提取技术，对视频内容快速查询和检索等。
黄沛杰：视频或者图像分辨率的提高，能够大大提高智能分析的准确度和灵敏度。因为画面的信息量增加了，细节也更清楚了，便于识别更多的事件和特征，从而扩大了智能分析的应用面。有很多传统的识别项目，如人脸、车牌等对于目标的最低分辨率都有要求，这样在原来无法识别的场合下，现在因为高清化可以进行识别了。
但是，视频高清化也给设备提出了更高的要求。如视频文件大小大为增加，需要更多的存储空间。每个画面更大，在识别分析时占用更大的CPU或内存资源，不得不升级设备。有时候甚至需要改进分析算法以满足高清化的需要。
智能视频分析寻求更新的算法和更多的应用
随着智能化技术的普及使用，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、更整体化的系统应用，力求实现在应用的广度、深度上的突破。
范柘：典型的智能视频分析系统主要包括运动检测、跟踪和模式识别、嵌入式开发、系统集成等子技术。其中核心是跟踪及模式识别技术。目前在跟踪、模式识别领域的研究还是非常活跃，远没有像图像编解码一样形成标准。
相机协同技术已经较为成熟，达到了商业化的程度。它实现多个相机之间自动协同跟踪同一个目标。多角度、长时间保持对目标的跟踪有利于及时准确地处置突发事件。
杨慧松：安防行业智能视频分析技术应用主要在于从各个应用领域发掘出具体需求，这些领域包括：智能交通、智能银行、智能电网、智慧城市（包括智能小区）、零售业（如超市、商场）、智能家居等。为了满足具体的业务需求，智能视频分析技术其实就是对智能视觉算法的创新、利用和组合优化，基本实现的目的包含：目标检测、多目标跟踪、身份识别、目标的行为分析、局域场景内的异常事件识别等，这些算法通常会涉及到技术主要是图像处理、计算机视觉、模式识别和机器学习等学科的专业知识。如果考虑广域安防监控在后端采用的大数据挖掘和辅助决策，还应包括人工智能的自动推理。
黄丹平：当前安防行业智能视频分析的主要技术有运动目标检测、目标的自动跟踪、图像修复及增强等等。海康威视已经研发出基于双目摄像机的一些深度信息检测（如距离检测、升高检测、空间物体数量、人体典型动作检测等），这算是一个突破。另外，音视频结合分析的一些技术和应用，也是智能分析新的突破点。
张鹏锐：以移动侦测为例，如果需要大规模应用，必须从技术和应用场景上进行细分，并且有针对性地进行开发。
例如，在周界防范的绝大部分场景中，防的是什么？是人。如果我们采用人体检测的方式进行的话，就将大大降低了误报。只需要检测到周界区域之内是否有人即可。采用比较传统的方式，只要周界中的画面有差异就会出现报警，而这种情况实在太多，例如光线、落叶、人影等等，导致出现很多误识，这也是应用没有较大推广的主要原因。
黄沛杰：安防行业的智能视频分析主要技术有视频摘要、视频检索、图像视频增强、车牌及人脸识别等等。随着技术的发展和视频分析与安防行业的进一步耦合，有一些新的技术突破点值得关注，比如以图搜图，能够从目标的图片直接搜索其他视频中相似的目标；比如案情时空分析技术，能自动或半自动追踪嫌犯等。
不断细分市场以适应不同行业需求打响翻身仗
只有结合行业应用实际，深入了解不同行业的具体问题，才能更好地抓住用户的需求，讲智能视频分析技术的功能落实到应用的实处，这是智能视频分析技术未来产业化价值的最终体现。智能视频分析技术应用如何实现更大的价值，从而打赢一场翻身仗？
范柘：智能视频分析产品如果发挥它应有的作用，能为用户创造的价值是巨大的。例如有小船入侵国内某重要港口，盗割电缆现象很严重，电缆被盗割造成的损失数以亿计。如果有好的智能监控产品，就能帮助他们避免这样的损失。企业可以从这类高端客户开始，真正解决客户问题，然后不断降低产品成本，进而扩大市场规模，这不失为一种发展路径。
张鹏锐：智能视频市场将会不断细分；只有细分，从技术上才会有更好的策略和方法出现，进而达到用户的要求。我个人觉得智能化和高清化可能会走不同的道路。高清化，一旦有技术和方案的突破，很快就覆盖全部的行业和领域，因为它的技术相对单一。但智能化不一样，应该是细分的，而且是有针对性的，因此，智能化应该是一个一个领域地逐步突破。从红外人脸识别、基于视频的客流统计、车牌捕捉等领域来看，莫不如此。
杨慧松：针对之前所谈到的，我认为主要还是从三个方面来解决问题：商业模式，产品开发，应用基础研究。
黄丹平：首先要不断深化研究算法技术，让算法技术能够更加成熟和准确。
这需要深度挖掘行业应用和特殊环境下的应用，针对实际的应用来深入研究和开发，使得智能分析技术真正能够给某些行业客户解决实际问题。其次，需要整个智能分析行业和厂商正确引导客户，让客户对智能分析应用一个较为理性的认识，给视频智能分析应用一个较好的发展环境也非常重要。最后，需要出台行业规则来规范整个行业和市场，以促进视频智能分析技术快速稳健地发展。
黄沛杰：目前，智能视频分析既面临巨大的挑战，又遇到快速发展的机会。只有做到以具体应用为目标，为应用服务，以实用来检验，根据具体应用场合的需求来优化算法，才能让视频分析技术具有实用价值，从而在行业应用中得到长足的发展。