如何提高视频数据的价值？...

视频数据现状

随着高清视频时代的到来，视频监控的点位数和数据量已呈爆发式增长。根据大华股份提供的数据显示，每年安防视频存量呈现大幅度增长，如图所示：

而在每年的视频总量如此之庞大的数据下，以一般项目经验估计，视频被观看的实际只有5%。进一步而言，在视频实际被观看的时间里，有效视频时间不到1%。对此，大华股份先进技术研究院研发总监郑韬表示：“目前最重要的任务是解决海量视频和提高视频价值的矛盾。”随着人工智能的飞速发展，深度学习为智能化行业提供了巨大的便利，但是如何有效地提高安防视频数据的价值？

深度学习算法比对传统算法

传统算法应用于目标检测和浓缩，可帮助用户降低观看视频的时间，提高视频效率。但引入深度学习之后，实现了视频结构技术，也就是把实时视频进行结构化分析，现成为获得视频数据、提高视频价值的最有效工具和手段。

比如，运用深度学习算法，可以抓取更多目标结果。将复杂场景中的人、机动车、非机动车分离（共可区分轿车、面包车、公交车、卡车、货车，2轮非机动车、3轮非机动车、行人等类型），全方位提取车辆特征，如车型、车系、车身颜色、车牌颜色、车牌号码识别、主副驾驶是否系安全带、是否打电话、有无遮阳板、有无年检标、有无挂坠、有无纸巾盒。

另外可根据需求条件，搜索更准确的目标数据。针对行人，可以多方面分析其相关特征，包括性别、表情、年龄段、服饰特征（上下衣着颜色、眼镜）、携带物特征（背包、打伞）、运动特征等。同时，也可以针对符合像素要求的人脸、车辆号牌，进行识别。经过处理之后的视频数据可以进行长期保存，并按照人、激动车、非机动车的各种特征条件进行检索。

应用产品以及案例

据此，郑韬提出市场需要一种能自动提取视频中信息的产品，既能解决视频量大的问题，又能解决视频信息占比小的问题，从而提高视频的实用价值的产品。

大华股份先进技术研究院研发总监郑韬

即全球首款基于Tesla-P4的IVA服务器的“睿智系列”视频结构化服务器，其所有算法都是基于深度学习完成的，同时全部运行在GPU上，最大可支持192路1080P实时视频分析，完成结构化信息提取。

这款产品体现了只有不断进行向前端倾斜的视频数据存储和分析技术创新才可以帮助客户实现数据的大融合和智能处理。下面举两个现实生活中应用的案例：运用以图搜图技战法，根据嫌疑车辆的年检标志等特征搜索该车轨迹15分钟便锁定该车作案前轨迹，最终抓获犯罪嫌疑人破获诈骗案件。打击城市套牌车专项活动，上线两周，有效预警套牌车百余次车次，落地排查抓获数十余辆，有效扼杀多起犯罪于摇篮之中，形成车辆套牌犯罪禁区。

结语

所以，安防的发展与人工智能深度学习技术存在密不可分的联系，深度学习技术是智能安防未来发展的重要领域，存储容量的巨大需求必须具备可靠、快速的容量增长技术，而利用人工智能缓解或者解决这一矛盾，真正让客户能够享受到视频价值及其附加价值带来的利润，这样才能保证整个行业积极向上的发展趋势。

以上资讯整合自大华股份先进技术研究院研发总监郑韬在《人工智能与智能安防高端论坛》上的演讲内容