在智慧城市、平安城市大的發展潮流下，人們對于自己居住的環境要求也逐漸提升，不少消費者開始關注家庭級安防產品，一方面是應對用戶日漸苛刻的需求，而另一方面也是減少人工支出成本，安防監控領域逐漸向智能化轉變。當越來越多的地方普及監控設施，越來越多的地方普及高清監控，隨之而來的就是海量數據信息及復雜的視頻檢索。如何在安防大數據中找到最核心信息，智能監控對大數據提出了更多挑戰。
大數據對監控數據處理的價值
大數據在對安防數據處理價值上主要體現在以下幾個方面：
一、數據應用效率不斷提升。通過智能分析技術、大數據技術，能夠使視頻數據的應用效率不斷提升，解決以往應用效率低下的問題。應用效率的提升能夠使視頻數據產生更大的價值。
二、數據深度應用。數據的深度應用能夠體現大數據的真正價值，而這也更能提升安防系統的整體實力，使視頻數據的邊緣地位向核心地位靠攏，使安防行業的競爭力得到提升。
三、體制及標準的完善。標準和體制的完善能夠進一步促進大數據的發展，而掌握標準的安防企業將會有更強大的話語權。
大數據智能監控的六大應用
大數據對安防監控數據處理能力的要求在六個應用中有具體體現，無論圖像升級還是識別方式升級，其最終是在高清的基礎上進一步突出了智能監控的作用。關于智能、關于高清，仍然有許多技術應用值得我們去挖掘。
1、智能監控：圖像增強與復原
低照度環境下監控攝像機成像一片漆黑或者一片白，顯然在低光照環境下，圖像增加技術應該來彌補缺陷。
正如業內分析得出，圖像增強算法可以有效改善由于光照、霧氣等原因造成的圖像質量問題，使圖像細節明顯改善。簡單理解這就是一種圖像優化技術。除了圖像增強外，還有一種圖像復原技術也特別適用于夜視監控，只不過這種捕捉環境更具有針對性。
圖像復原技術更適合捕捉快速移動的物體，例如行駛中的汽車。如果要正確、完整地捕捉車牌信息。聚焦、運動等原因造成圖像模糊的過程進行建模，利用解卷積算法反推原始圖像信息的算法，能部分恢復車牌文字、人臉等關鍵信息。
例如抓拍車牌包括以下幾項信息：最重要的是車牌號碼、車牌顏色、字母、文字等，特別是針對易混淆的數字“0”和字母“Q”等，處理系統還需要特別對待。當然有些監控探頭不僅捕捉車牌信息，連帶測速功能也一同植入，這對于司機朋友來說絕對是個“雷”。
2、智能監控：濃縮播放
在監控攝像機未能植入智能分析模塊時，大多探頭都只具備基本的錄像功能。而在處理突發事件時，監控系統往往具有滯后性。例如警察需要調取一周內的視頻資料，且不說這些視頻數據量有多少，如果一分鐘一分鐘地看，也要花費不少時間。未來能夠在海量的視頻信息中提取關鍵數據信息，濃縮播放應運而生。
濃縮播放從字面上理解為快速瀏覽錄像信息。但實際應用中視頻系統又是如何做的呢？首先對視頻進行濃縮生成摘要，設立原始圖像；然后將數小時視頻片段壓縮成數分鐘的濃縮視頻；再次將視頻中出現在不同時間點上的目標疊加在同一畫面中；最后根據其出現的不同時間點進行播放并區分標注。這種濃縮播放、快速提煉有效信息，大大提高了查找效率。
3、最常見的智能監控：人臉檢索
與人臉識別不同的是，人臉檢索是提供需要檢索人員的面部圖像信息，到龐大的數據庫中進行檢索，通過人臉庫檢索對比找到樣貌相似人物，從而在進行判定。這是一種常見的快速確認身份的辦法。
人臉檢索對常住人口庫、重點人員庫、吸毒人員庫等進行檢索，快速確認身份。對在逃人員庫進行檢索，實現串并案分析。另外，還可以對身份證、暫住證、戶籍證等進行分析對比，查找一人多證等問題。
4、比人臉識別更智能：人臉人體屬性分析
除了人臉檢索外，我們熟悉的還有人臉識別。但是，現在有一種人臉識別方式更為智能，其識別不僅包括人臉，還包括了一些人體屬性。例如被捕捉到的人性別、年齡段、身高及是否佩戴眼鏡。如此詳細的人臉識別將進一步定位待檢索人員。
人臉人體屬性分析是通過人臉抓拍機，實現對人臉的自動抓拍。結合雙目立體視覺技術實現人體屬性特征的提取，而這些特征正是上述筆者所舉例的那些。這種人體屬性分析大多應用在公安機關排查可疑人口，或針對人流量較大的商場商圈商業分析等。
5、更智能：三維立體識別
與傳統的人臉識別相比，三維立體識別更顯智能。通過這種立體式識別檢測方式可以檢查屋內是否有人及人員數量；此外還可以定位跟蹤屋內人員活動路徑；更為智能的是，可通過智能分析判定人員處于站立還是倒地狀態，進行及時預警。這種立體識別適用于小空間室內場景，路監獄審訊室、金庫場景等。
6、智能監控再升級：車臉檢索
在文章開始筆者介紹了關于圖像復原技術，特別適用于車牌識別。往往有些狡猾的犯罪分子，可能會使用假車牌，這情況給破案帶來很大麻煩。法網恢恢疏而不漏，不給犯罪分子可乘之機，新型車臉檢索功能可判斷嫌疑人是否修改或更換號牌，車臉檢索同樣是輸入樣例圖片，找出相似車輛及車牌號碼，實現快速檢索的功能。
視頻監控大數據處理仍然面臨三大挑戰
目前的視頻系統大數據應用仍然面臨三大技術挑戰，可以概括為“存不下”、“找不到”、“看不清”三個方面。這三大挑戰在一定程度上反映出當前視頻大數據處理領域存在的主要問題，同時也對視頻大數據處理技術提出了更高的要求。
1、“存不下”主要體現在視頻壓縮編解碼性能的限制。
隨著數字視頻應用產業鏈的快速發展，政府、學校、社區、民用以及網絡終端所產生的海量視頻向傳統視頻編碼標準發出宣戰。存儲的視頻數量不斷加大就需要更大程度地提高編解碼效率，提高視頻壓縮率，從而降低存儲空間。網絡化進程的加快也要求編碼后的視頻在快速、便捷傳輸的同時保證解碼還原的視頻質量。
視頻壓縮也制約著智能視頻領域的發展。很多情況下我們要求降低解碼后的視頻損耗，比如多媒體視頻認證領域，視頻的無損還原是提高算法判斷準確度的先決條件，只有控制在一個合理的損耗范圍內，它才能提高視頻篡改提示的準確度。因此隨著視頻的網絡化、高清化、智能化時代的來臨，領先新一代視頻編碼標準，超越新的技術框架和編碼性能，才能在城市級視頻應用領域中取得核心的主導地位。
2、“找不到”主要體現為智能視頻監控領域中的算法檢測識別準確率的問題。
目前的視頻監控方法只能在非常簡單的環境下聚焦少量目標，檢測、識別、跟蹤性能還無法達到一個較高的水準，多數軟件都存在場景、環境的限制，例如在簡單、純凈的場景中，檢測目標背景與前景差別較大時，檢測結果較為準確；而在一些人流量密度大的復雜場景中，如地鐵、車站、商場，監視成千上萬個個體時，準確地識別、跟蹤、檢測則是一項非常艱巨的任務。
同時算法檢測會受到光線、顏色、化妝、攝像機硬件誤差及精密度等一系列的問題影響，因此在低端智能與真正的人工智能之間還存在一個較大的鴻溝，它需要計算機處理能力及處理速度的提升。我們需要的是一種接近人類，甚至高于人類的識別準確率，并且能夠檢測區分人群行為，預測潛在的群體災難。這不僅僅在智能視頻領域，而且從多領域的交叉融合角度，智能分析的研發與探索對機器人的發展也能夠起到積極的推進作用。
3、“看不清”主要體現在高清監控攝像機的智能化處理上。
以往大多數城市級安防監控攝像頭錄制的視頻畫面都較為模糊，刑偵破案分析的依據僅僅為模糊畫面動作方向，甚至是模糊的像素點，對具體人物細節的描述不清晰導致刑偵難度加大，輔助公安機關研判的力度不強。在智能監控領域，傳統的智能分析方法較多的是在CIF格式下進行算法處理，這樣處理速度更易達到實時。當傳統視頻向高清視頻轉換過渡時需要多重處理策略相結合進行算法分析，這需要持續的研發革新。在從標清向高清的門檻跨越過程中，網絡帶寬的承載力、視頻的顯示、存儲等問題也不斷顯現。
京公網安備 11010502049343號