为何安防强企都展视频大数据?史上最全智能分析发展史给你答案! - 调查与观点 - 智慧交通网 ITS114.COM|中国智能交通领先的门户网站
  • 为何安防强企都展视频大数据?史上最全智能分析发展史给你答案!

    2015-10-19 18:17:08 来源:微信:安天下 作者:西刹子 评论:
    分享到:

      视频分析应用国外起源

      视频分析技术从国外发展而来,2004年NEC公司的科研实验室引进风投,成立Vidient公司,产品命名SmartCatch,可检测几十种异常视频情况,可以视为早期的视频分析起步。

      IOImage公司:以色列及全球知名视频分析公司,以Iobox盒子为主要形态,最早应用于青藏铁路,并与国内公司合作,起步较高、产品可靠、表现相对出色但是技术支持力稍弱,2015年被Dvtel收购。

      以色列NICE及Verint公司:提供完整的视频监控解决方案,早期基于DVR、编码器、后期延伸到NVR平台进行视频分析,尤以NICE公司的视频分析实际部署案例较多。

      以色列Mate公司:产品BehaveWatch,可提供多种视频行为检测技术。

      Citilog:法国视频分析公司,主要提供智能交通视频分析检测。

      AIMETIS:加拿大视频分析公司,Axis合作ADP。

      iOmniscient:公司是世界视频监控分析领域的领导者,1994年开始为英国国防部和澳大利亚国防部进行录像分析的研发。

      早期IBM公司、西门子、霍尼韦尔等公司均收购过相关视频分析公司,但影响不大。

      Objectvideo公司,全球视频分析领域曾经最大及最有影响力的公司,拥有多项视频分析专利技术,为国内国外多个视频分析厂商提供授权,2015年被Avigilon收购。

      0V(Objectvideo)曾在全球有20家专利许可厂商,包括知名安防企业海康(Hikvision)、松下(Panasonic)、索尼(Sony)、派尔高(Pelco)、博世(Bosch)、泰科(Tyco/AmericanDynamics)、FLIR、Vivotek(晶睿科技)、UDP、VideoIQ(AV旗下)、3VR和AgentVi、MarchNetwork(英飞拓旗下)等。


      以上视频分析厂商大多起步于2005年左右,通常基于录像机(DVR)或者视频编码器进行视频分析,我们称之为IVS时代,典型的问题是视频分析因为消耗计算资源较多而芯片处理能力有限,加上图像清晰度有限,导致实际应用效果较差。典型视频分析模式包括丢包、拌线、滞留、逆行、计数等功能,项目实际遇到的困惑是系统配置难度大、精确度不高、误报率较高、抗干扰性差,在厂商大力推广部分客户尝试部署之后,发现理想很丰满、现实很残酷,不具备实战性,推广受阻。

      虽然视频分析实用性不强、发展受阻,但是所有厂商、用户及集成商还是持有一致的观点,认为视频分析是大势所趋,因为随着视频监控部署规模急速扩张,由系统或机器自动分析识别是必然,只是受制于当时的芯片处理能力及算法制约,还达不到实战的要求,需要在系统架构、部署方式、算法优化方面进行提升。

      早期国内视频分析发展

      2008年前后,国内的视频分析应用逐渐升温,安防企业基本是引入美国、欧洲及以色列的技术或者产品,尤其以OEM视频分析领导厂商OV的居多,纷纷推出自己的编码器或者DVR,此时的视频分析对安防厂商是一种"标配、噱头"、是短期获取视频分析市场一杯羹的模式,实际上真正推出及有案例的并不多。

      中科院所:自主视频分析研究,侧重于人脸识别与检测等方面

      北京文安:计算视觉识别与处理、图像轨迹分析与跟踪等,专注于在智能交通

      上海银晨:人脸识别、生物识别等技术研究与市场推广

      贝尔信:以色列IOImage产品中国的推广及自主研究

      OV的OEMs:海康为代表的国内一众安防公司

      由于有实力部署视频分析的都是一些高大上的安防项目,如机场、地铁、高铁、核电站等不差钱的用户,因此早期的视频分析市场大多被国外公司占有,在中国市场做得规模较大的主要是美国及以色列产品,国内公司虽然快速跟进,但是真正实施的并不多,海康等公司基于OV技术及自身优势,取得一定效果。

      早期的视频分析发展局限

      本人曾于2007年,参加国内某千路视频分析项目的实施半年之久,对视频分析安装、调试、运维过程有些感受;之后于08年赴以色列进行视频分析项目参观及交流学习三月,对视频分析技术有了重新的认识。国内外集成商、厂商及用户看法大致相同,视频分析是一定代表了安防监控的未来发展方向,但是基于DSP芯片/前端设备进行视频分析的局限太大:处理能力、算法是其次,重要的是单通道分析及呈现,缺少全局观!后端NVR或者服务器不参与、服务器之间不交互的视频分析是残缺、不完整、能力有限的(IncompleteandLimitedCapacity)。视频分析行业迫切需求外界新技术驱动辅助产生新的架构模式及应用。

      国内视频分析发展现状

      近年来随着高清IPC的发展及后端NVR/视频分析服务器能力的增强,智能IPC+超强智能NVR/视频分析服务器模式逐渐流行。目前基于后端服务器超强处理能力,单机视频分析支持的通道数已大大增加,如有厂商可以实现1080P分辨率单机支持近200个通道,支持目标类型、颜色、速度、轨迹、检索等各项功能,并且可以灵活配置分析模式,单机相当于早期20台机器容量。但是,单机模式在分布式架构、计算能力、扩展性、冗余性、全局检索、负载均衡等方面还是有一定局限。

      视频分析应用未来展望

      早期的视频分析有诸多技术局限无法支撑智能视频的美好愿景,等待其他产业的推进以产生新的突破,那么如今毫无疑问云计算及大数据技术可以解决这个问题。云计算的核心思想是通过虚拟化技术将大量异构的服务器及网络、存储设备构建为统一的资源池,这可以为各类系统应用提供可扩展的海量存储资源及超强计算能力;而大数据通过大数据存储及分析挖掘,更能发挥海量视频的潜在价值。

      视频分析与大数据将有如下的结合模式:

      模式一:前端部署感知型摄像机

      "感知型摄像机"的理念很简单,其本质是智能视觉分析技术与"大数据"的结合应用,核心就是"视频数据的语义描述过程",摄像机相当于人的眼睛,而视频分析算法相当于大脑,借助于算法对海量视频数据进行计算分析,形成结构化的数据便于进一步处理,这种模式可产生三种数据:传统视频数据、图片数据及元数据,其中元数据可以供日后进一步数据索引或加工处理。此架构要求摄像机具有"感知型功能",适合新项目,对于早期部署的摄像机需要更换成本较高。感知型摄像机可关注科达。

      模式二:后端部署"感知型大数据平台"

      模式一的感知型摄像机不是独立工作,实质需要后端的大数据平台支撑的。另外,如果前端摄像机是早期部署的非智能摄像机,或者需要对普通录像资源进行二次分析、深入加工、数据处理,则需要部署"感知型大数据平台",其本质可以理解成超级视频分析服务器模式,但是采用"分布式、云架构",利用虚拟化资源、计算能力强、具备良好的扩展性、分布式、全局检索及负载均衡能力。比如,可以将平时空闲的存储资源拿出来,进行视频分析、数据二次加工、标签及索引工作。

      模式三:机器深度学习及自动识图

      从2014年下半年开始,深度学习领域一些主要的研究机构及科技巨头开始密集地发表基于CNN结合递归神经网络的学术论文,主要实现基于图像或视频自动生成自然语言摘要。这项技术投入商业使用后将会对视频监控行业产生以下影响:1)深度学习技术在安防视频监控中的应用面将更加广阔,这会对坚持传统技术的厂商产生冲击;2)随着图像、视频、语音、语义、自动控制等领域的算法差异性越来越小,其他领域的厂商更容易加入视频监控领域的竞争,这会冲击行业内的既有厂商,但另一方面,视频监控厂商也更容易涉足其他领域。

      结论及建议:

      这两年国内部分安防公司开始在深度学习方面加大研发投入,逐步生成产品。技术更新带来的不仅仅是眼前可见的功能进步,而是让我们不再惧怕海量数据,反而会因为数据的增长而取得更好的效果,这些效果将直接体现在以目标感知、车辆型号识别为代表的实际应用中,从而为用户提供更好服务并吸引更多用户,这又会产生更多数据。这些汇集起来的数据再借助深度学习算法,为我们输出更精准的结果,提供更好的服务,其产生的效果将如滚雪球一样越来越大,视频数据将发挥更大价值。

      视频大数据及机器自动视频识别相关前沿理念及产品展示,可参观本届安防展苏州科达、东方网力、宇视科技、大华、海康等公司展台!

  • 关键字: 安防 视频大数据
  •    责任编辑:liujuan
  • 每周新闻精选

  • 关于我们
  • 联系我们
  • 广告赞助