根據(jù)《中國(guó)安防行業(yè)“十二五”發(fā)展規(guī)劃》，2015年行業(yè)總產(chǎn)值將達(dá)5000億元，年復(fù)合增長(zhǎng)率約20％。按照全行業(yè)20%的年復(fù)合增長(zhǎng)率估算，其中視頻監(jiān)控系統(tǒng)產(chǎn)值將突破1000億元，占安防監(jiān)控電子系統(tǒng)的份額超過50%，成為其規(guī)模最大且最具增長(zhǎng)潛力的細(xì)分領(lǐng)域。安防監(jiān)控經(jīng)歷了一波快速發(fā)展，不過一些問題也隨之顯露出來，聲音監(jiān)控缺失或失真嚴(yán)重就是其中一個(gè)問題。

目前，絕大多數(shù)視頻監(jiān)控系統(tǒng)對(duì)聲音的采樣都存在嚴(yán)重失真或者干脆棄而不用的現(xiàn)象。尤其是在一些公關(guān)場(chǎng)合，露天場(chǎng)所，由于對(duì)音頻采集的技術(shù)要求較高，監(jiān)控系統(tǒng)大多只有視覺沒有聽覺，“沒瞎眼的聾子”在早期這樣的監(jiān)控還不會(huì)有人對(duì)它不滿，但是隨著人們生活的提高，更加追求事物的完美，監(jiān)控不僅要成為眼睛，還要會(huì)聽會(huì)說。

“無聲電影”已翻過好幾頁(yè)歷史，電影畫面從高清到超清，從普通到3D，各種進(jìn)步，監(jiān)控方面的提高在畫面上確實(shí)有很大進(jìn)步，但是聲音方面的技術(shù)卻沒有明顯進(jìn)步，也應(yīng)當(dāng)與時(shí)俱進(jìn)。

如某超市發(fā)生一起砍人事件，嫌犯供稱是超市人員言語(yǔ)不善導(dǎo)致自己情緒失控才導(dǎo)致事故，但是有誰(shuí)能證明事實(shí)真相，光憑監(jiān)控畫面也不好下定論。要是有了音頻監(jiān)控，就能將場(chǎng)景再現(xiàn)，無人可以雄辯。當(dāng)然，這里說要實(shí)現(xiàn)音頻監(jiān)控也不是簡(jiǎn)單的讓監(jiān)控系統(tǒng)做到能收集聲音，與視頻監(jiān)控一樣，不到要收集到，而且要收集到足夠清晰，有真正的利用價(jià)值。

在智慧城市建設(shè)熱潮下，城市監(jiān)控向視音頻監(jiān)控已經(jīng)展開，音視頻技術(shù)是智慧城市的基礎(chǔ)IT技術(shù)，有著廣泛的需求和應(yīng)用。

在公共領(lǐng)域，城市道路交通系統(tǒng)通過視頻監(jiān)控技術(shù)能實(shí)時(shí)監(jiān)測(cè)道路情況，為解決日益擁擠的道路交通提供有效的解決方案；城市安防和管理系統(tǒng)中，通過視頻監(jiān)控為解決城市治安帶來方便快捷的能力；在公安系統(tǒng)中，視頻技術(shù)為公安的刑事偵查帶來很多有價(jià)值的資源。

在個(gè)人用戶領(lǐng)域，隨著城市移動(dòng)網(wǎng)絡(luò)的發(fā)展，家庭帶寬的提升，個(gè)人智能移動(dòng)終端已經(jīng)非常普及，移動(dòng)終端的攝像頭具備很高的清晰度，人們能通過攝像頭實(shí)時(shí)分享有價(jià)值和娛樂性的內(nèi)容；家庭智能電視和智能家居也逐步成為市場(chǎng)追逐的熱點(diǎn)，智能電視和智能家居所攜帶的視頻能力，可以為我們帶來家庭遠(yuǎn)程監(jiān)護(hù)，家庭視頻聚會(huì)等新的生活?yuàn)蕵贩绞剑瑸槲覀兊纳睢⒐ぷ骱蛫蕵诽峁└嗟谋憷?/p>

目前，個(gè)人用戶領(lǐng)域和公共領(lǐng)域音視頻應(yīng)用的發(fā)展相對(duì)獨(dú)立。音視頻技術(shù)想要更好的為我們服務(wù)，必然要實(shí)現(xiàn)各個(gè)領(lǐng)域應(yīng)用的融合，而不是各個(gè)系統(tǒng)孤立的存在。比如在公安系統(tǒng)中，傳統(tǒng)的視頻監(jiān)控系統(tǒng)具備在辦公室的電腦上瀏覽視頻的能力，但已經(jīng)不能滿足他們工作的需求。警務(wù)人員已經(jīng)配備了高配置、高性能的移動(dòng)終端，他們不僅需要在辦公室中能查看視頻整理案件，同時(shí)需要在外出辦公時(shí)也能夠?yàn)g覽視頻，為快速偵破案件提供幫助。

在某些特定緊急場(chǎng)景下，對(duì)于視頻攝像頭沒有覆蓋的領(lǐng)域，能夠通過手機(jī)攝像頭攝取視頻傳送給后臺(tái)的指揮中心，為處理緊急事件提供快捷方便的幫助。可以預(yù)見，智慧城市中音視頻技術(shù)將向高清化，聯(lián)網(wǎng)方向發(fā)展，各種視頻終端能互聯(lián)互通，大量基于音視頻的應(yīng)用將會(huì)出現(xiàn)。視頻監(jiān)控，視頻會(huì)議，視頻培訓(xùn)，遠(yuǎn)程監(jiān)護(hù)，遠(yuǎn)程醫(yī)療，家庭視頻聊天等視頻應(yīng)用將會(huì)逐漸普及，人們?cè)谝曨l基礎(chǔ)之上創(chuàng)建各種應(yīng)用，滿足人們對(duì)交流，協(xié)作，娛樂的各項(xiàng)需求。

未來，音視頻技術(shù)面對(duì)的是音視頻網(wǎng)絡(luò)的架構(gòu)和存儲(chǔ)帶來了挑戰(zhàn)。高清晰音視頻數(shù)據(jù)的分發(fā)給網(wǎng)絡(luò)傳輸帶來了很大挑戰(zhàn)，在智慧城市中網(wǎng)絡(luò)建設(shè)相對(duì)領(lǐng)先的公安視頻網(wǎng)目前具備萬兆主干網(wǎng)傳輸?shù)哪芰Γ粋€(gè)城市通常會(huì)有上萬個(gè)攝像頭，因此網(wǎng)絡(luò)的瓶頸還是非常的明顯。