傳統的網絡攝像機對于網絡帶寬的要求較高，1080P的圖像，即使反復壓縮后，也需要至少8Mbps帶寬。主要是由于網絡攝像機直接把大量數據的高清視頻回傳給數據中心里的NVR，很難對所有圖像進行實時分析，大部分時候是對保存的圖像進行事后分析。如果全部通過后端數據中心處理，不論處理能力、存儲還是網絡，都是不可能承受的。

AI智能處理“云+邊緣節點”將成為業內主流的解決方案，即前端攝像頭和后端系統均設有AI功能。前端攝像頭可以實時對大部分視頻數據進行結構化處理，例如，設置在交通路口的攝像頭可以提取車牌，車型等汽車信息和乘客數量，是否帶安全帶等乘客信息回傳給數據中心。而小部分不容易識別的視頻數據才會發送至后端系統處理。同時，前端處理完的數力投放以及治安管理更加科學、精準、有效的掌控。其中4K/8k的超高清普及是據已經結構化，數據量極大減少，發往后端做存儲和進一步的分析。

未來以“AICloud”架構基礎+視頻攝像+應用場景將賦能傳統行業打開新市場，AiCloud面向公安、交通、司法、文教衛、能源、金融、智能樓宇等行業，將賦能各行業智能化轉型。例如，在公共安全領域，AICloud能快速打擊犯罪;在公共服務領域，AICloud服務智慧出行;在商業領域，AICloud能幫助商戶優化產品和服務，提升經營效率;在金融領域，AICloud賦能精準營銷，提升客戶體驗;在教育領域，AICloud將實現智慧教育，創新教學管理。隨著“AI+攝像”設備接入量不斷提升，至2022年，中國智能安防行業市場規模將達到近萬億。

AI將成為視頻監控技術發展主方向

前端攝像機內置人工智能芯片，可實時分析視頻內容，檢測運動對象，識別人、車屬性信息，并通過網絡傳遞到后端人工智能的中心數據庫進行存儲。這是人工智能滿足視頻監控實戰應用需求的優勢。

目前，人工智能在安防領域的主要應用場景包括以下幾點：

1.人臉身份確認

人臉身份確認應用屬于卡口場景仿人AI應用，以公安行業人員布控為代表，在關鍵監控點位安裝人臉抓拍攝像機，通過后端人臉識別服務器對抓拍到的人臉進行比對識別，確定該人員身份。一種是與人臉黑名單庫進行比對識別，另一種是和靜態人臉庫進行比對識別。

人臉黑名單動態布控應用中主要利用人臉抓拍攝像機從高清/超高清視頻畫面中使用深度學習模型檢測并抓拍人臉照片，然后提取人臉深度學習特征向量，與黑名單庫人臉的比對并實現報警提示。

人臉靜態比對指的是使用深度學習模型檢測并抓拍人臉圖片，然后提取的人臉深度學習特征向量與靜態庫中的人臉比對識別，確認該人臉身份。

2.車輛識別應用

車輛識別應用屬于卡口場景應用。車輛識別技術是公安實戰中應用最成熟、效果最明顯的技術之一。借助遍布全國各地交通要道的車輛卡口，車牌識別使得“以車找人”成為現實，成功協助警方破獲各類案件。車輛識別技術已經從初級的基于車牌的車輛識別應用階段，發展到車型識別、套牌車識別等精準的車輛識別應用階段。

3.視頻結構化

視頻結構化應用一般屬于非卡口應用。在視頻結構化分析與快速檢索應用中，視頻結構化業務功能是對視頻中的機動車、非機動車、行人等活動目標進行分類檢測，并對其特征屬性識別。提取目標小圖和場景大圖寫入存儲設備，便于后續快速查詢及智能檢索。通過視頻結構化業務快速分析并提取出視頻中感興趣目標的特征屬性信息，用戶能夠高效獲取案事件相關線索，促進大安防時代視頻數據從“看得清”跨入到“看得懂”的階段。

4.行為分析

通過行為分析系統對人員的異常行為進行分析處理，可應用于重點區域防范、重要物品監視、可疑危險物品遺留等行為的機器識別，也可對人員的異常行為進行報警，極大提升了視頻監控的應用效率。另外，還可以實現對群體的態勢分析，如人群密度分析、人員聚集分析等，對重點區域或人員聚集較多的場所態勢進行分析，防止人群事件發生，做到提前預警、及時處置。

責任編輯：Ct