直到今天，绝大部分的视频监控都还仅仅停留在实时浏览和录像，无法识别画面中的内容，更谈不上思考和行动。

如果视频监控能够通过机器视觉和智能分析，识别出监控画面中的内容，并通过后台的云计算和大数据分析，来做出思考和判断，并在此基础上采取行动，我们就能够真正的让视频监控代替人类去观察世界。

要做到这一点，我们必须拥有具备感知能力的摄像机。因为，只有前端摄像机具有感知识别能力，我们才能进行智能分析的规模化部署；只有智能分析的规模化部署，我们才能真正开展视频监控的大数据应用。

大数据时代，我们需要的是真正具备感知和识别能力的摄像机。

拥有感知能力的感知型摄像机，相当于物联网中的一个一个视觉传感器，大量摄像机感知的海量信息，进入大数据和云计算平台，使我们不仅能从单个摄像机中识别内容作出判断，还能从海量的监控数据中，作出深度分析和挖掘，从而对社会管理产生深远的影响。

一、数据大爆炸的时代

据说，每一天10万3680小时视频上传到YouTube；20亿小时电视与电影在Netflix上观看。

智能手机、平板电脑、可穿戴设备和PC的普及化应用，加上通信网络的升级，让每一个人都成为了图像视频采集者。而这些视频信息还仅仅是互联网与移动互联网产生的非结构化数据，如果算上非结构化数据来源的大头——负责城市安全与公共管理的视频监控摄像机，这些视频数据将会无法量化。

以某一个城市南京路为例，整条街道有45个摄像头，其中有35个是1080P高清摄像机。一个高清摄像头一秒钟产生0.5MB大小的视频，一分钟为30MB，一小时为1800MB；如果算上一条街，一小时35个高清摄像头将有63000MB大小的视频，如果是一个城市6000个高清摄像机，一小时的视频大小将有10800000MB。而安防行业通常便是24小时运作，一天算下来，一个城市将有247TB的视频数据，一个月7416TB，而这仅仅是一个城市的数据量……

二、视频科技承载的使命

与文字、声音相比，视频承载了更丰富的信息量。要在短时间内读懂读全视频里的信息量，对人来说不是件容易的事。机器没有人类的大脑，没有洞察力，但与人相比，它有强大的计算能力，如果用视频科技的力量激活机器的神经，让每一个摄像机都能识别出监控画面中的内容，并通过后台的云计算和大数据分析，来做出思考和判断，并在此基础上采取行动，我们就能够真正的让视频监控代替人类去观察世界。

如今，越来越多的行业开始关注智能视频分析的应用，如公安、金融、监管、交通、零售行业等。他们希望通过智能视频分析技术，来解决对庞大的视频数据的查询与分析效率。现在也有越来越多的国际顶级研究机构和学者在智能视频分析领域大力投入，由此不断涌现出性能更优秀的算法，不断提高产品中视觉分析技术的性能。

三、视频科技在安防领域的发展

智能视频分析技术正式进入国内安防市场，基本上是以后端服务器智能为主，由于成本太高，因此只能开展小规模的应用，无法真正成为大数据的基础。

在2008年左右，智能逐渐的前端化，率先在智能交通摄像机中实现。几年过去，前端的智能应用逐渐五花八门。到了2012年，以安防报警为主的摄像机出现在人们的视野之内，但这些摄像机并非真正意义上的智能摄像机，也无法打开前端视频监控与后端大数据之间的隔阂。

2014年10月，具备识别、思考、描述三个典型特征的感知型摄像机出现了，它能基于视频的智能分析，识别出监控画面中的内容，用语言与图片进行描述，然后送入后端大数据的世界。它带来了智能识别的新方向，也真正推开了视频监控与大数据之间的隐形门。

四、感知型摄像机与大数据的应用

拥有感知能力的感知型摄像机，相当于物联网中的一个一个视觉传感器，大量摄像机感知的海量信息，进入大数据和云计算平台，进行二次运算，使我们不仅能从单个摄像机中识别内容作出判断，还能从海量的监控数据中，做出深度分析和挖掘，从而让公共安全、社会管理、交通管理的方式得以改变……

（一）语义搜索：抢劫案目击者提供车牌不明的犯罪车辆信息。直接输入“3月1日”、“黑色”、“奥迪”，锁定目标车辆。

（二）人脸搜索：越狱犯身藏何处?将罪犯人脸照片输入侦查系统，人脸搜索功能将自动查找人员踪迹。

（三）实时布控：珠宝店盗窃案的犯罪车辆失踪。在系统中输入车牌信息，嫌疑车辆经过任何监控摄像头，系统自动告警。

（四）以图搜图：犯罪分子利用套牌、假牌掩盖路径。以图搜图功能利用车身图片同样可查到车辆的通行数据。

（五）多点碰撞：连环盗窃案。比对每个案发地点在案发时间的所有车辆信息，发现全都出现过某辆车，即锁定为嫌疑车辆。

（六）人车关联：违法违规驾驶。人车关联智能比对驾驶员人脸与车辆信息，违法违规追责到具体人。