视频监控运维的AI智能化

一、AI行业发展

2006年，Hinton提出“深度学习“神经网络使得人工智能性能获得突破性进展。2013年开始，深度学习算法在视觉识别上取得成功，识别率超过了95%。人工智能作为引领未来的战略性技术，中国、美国、英国、阿联酋、芬兰、加拿大、日本、新加坡等全球38个国家已将发展人工智能作为提升国家竞争力、维护国家安全的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。2017至2020年，中国连续四年的政府工作报告中均提及加快人工智能产业发展。2017年7月，国务院发布《新一代人工智能发展规划》，确定人工智能发展三步走战略目标；2019年3月，科技部、网信办发布《关于促进人工智能和实体经济深度融合的指导意见》；2020年，人工智能更是与SG基站、大数据中心、工业互联网等一起被列入新基建范围。

人工智能超过50%集中在安防行业，其中超过90%的资本主要投入到研究视频人脸识别、结构化分析、目标识别等算法的应用。人工智能技术发展跟应用需求密切相关，必须依靠场景，如果没有场景就难以发现新的需求。

二、视频监控运维现状

近年来，随着平安城市、智慧城市以及雪亮工程等视频监控建设同项目的不断推进，视频监控系统的体量也越来越大，涉及的行业越来越广泛。相关机构数据显示：2020年我国安防行业总产值达到7950亿元，其中视频监控约占55%，也就是约4372亿元。到2022年中国视频监控摄像头部署量将达到27.6亿台。从视频监控系统应用的细分领域来看，视频监控的下游领域主要分布在政府公共服务领域以及城市管理领域，占比超过40%。

目前，我国已建成的视频监控系统的前端设备多为模拟摄像机，随着高清摄像机成本的下降和大规模的普及，监控系统将会大规模升级至高清系统，从模拟监控快速向网络化转型。我国的视频监控规模如此之大，但智能化整体水平不高，视频监控建设的智能化应用多用于设备前端、相关的图像智能化等方面，而对于系统运维方面的智能化投入较少。但运维很大程度上影响着视频监控系统的应用情况，以某省视频监控建设为例：

以110万个前端点位有20%的设备不在线来计算，那就意味着有22万台设备“失联”；如果是5%也还有近5.5万台设备“失联”。设备在线率虽然只是视频监控系统的考核指标之一，但由此可见视频监控系统在前期建设上的投资规模与后期管理运维之间存在较大的差距。主要的原因与下列原因有关：

1、 出于治安防控要求更注重视频监控系统面的覆盖，对于后期如何维护管理没有具体的要求，从而出现重视前端的技术应用，而忽视后期运维管理的智能化。

2、 后期运维管理方式以人力为主，在无外在因素影响下，只需对系统按一定的程序进行定期巡检，定期更换硬件，保障系统一定的在线率、完整率即可，涉及关键部分的视频数据是否有效、录像是否完整等无从知晓，此情形虽然容易造成视频监控系统在关键时刻出现不可控的影响，但无事难发现。

3、 缺乏系统性的长效运维管理机制与智能化的技术手段，导致监控系统难以持续、有效地运行。视频监控系统的运维是一个长期且重复的行为，需要从制度和技术上加以辅助，方能将系统利用率最大化。

三、AI技术与视频监控运维的融合

目前，人工智能技术主要研究领域集中在机器学习、计算机视觉、自然语言处理、知识表示、自动推理和机器人学六大领域。机器学习、计算机视觉和自然语言处理相关技术也得到了较为广泛的应用，一些基于机器学习技术的人工智能产品已经陆续被应用到生产环境中。

视频监控领域应用较多和发展较为成熟的是人脸识别、目标识别算法，之所以发展如此迅速，主要原因有两个，一是此类算法需要的模型训练生产资料非常容易获得；二是AI基础层供应端的产业配套齐全，包括一站式数据治理平台、计算硬件平台、AI软件开发平台，使得方案成本相对较低。

近年来，由于视频监控规模不断扩大，各级主管部门越来越重视视频监控系统的应用成效，首当其冲运维管理压力随之增加。越来越多的用户开始重视视频监控系统的智能化，视频诊断算法随之萌芽、发展。但视频监控系统的视频诊断AI分析算法，并不具备人脸识别场景那么好的发展条件。

要想生产出高质量的产品，需要突破在算法定义、数据收集、模型训练、准确率评估四个方面的高门槛。截止目前为止，业内关于视频监控系统的智能化诊断相关算法的研究投入非常小，只有少量企业借助深度学习算法推出了视频智能诊断产品。此类产品在初期的质量诊断项较少，且在实际交付的诊断准确率远没有宣传的高，诊断准确率最高只能达到90%~95%，这个准确率对于小规模应用，勉强可以接受，但是一旦设备数量超过万路的项目，误报数量也是非常惊人的，需要投入大量人力物力进行复核，所谓的自动化、智能化依然是无法实现。

四、弘度科技-视频监控体检专家

广州弘度信息科技有限公司作为以人工智能技术为引领的视频监控体检专家，通过多年在大型平安城市、雪亮工程、智慧社区项目的沉淀，专注于新一代视频运维整体解决方案的持续创新。面对视频诊断系统在交付过程中产品准确率和适应性如何持续提升的挑战，弘度科技首创“有源视频质量诊断“技术，此技术不但融合了视频解码技术、图像处理技术、计算机视觉技术、计算机图形学、统计学、基于深度学习的图像识别等多项技术，还具有自主学习能力。

弘度科技对于有源视频质量诊断技术的定义——基于用户视频质量期望作为建模训练参照目标，采用高效的视频解码与处理算法、先进的图像分析算法和AI深度学习算法，对视频图像中存在的质量问题进行实时的智能分析、判断和告警的技术。有源诊断技术将数据采标及处理、模型评估调优、新模型部署、数据输入运算实现自动化、可视化，在交付过程中，可根据不同场景、用户判断标准，形成个体项目最优分析模型库，主动规避标准算法模型库无法满足不用项目之间场景差异、管理要求差异的问题。这也就意味着允许用户针对单个摄像机设置分析模型，实现“千机千面”，降低因为摄像机工作环境不同，用户的主观判断差异，所致的误报、漏报。

而原采用的无源诊断，一般采用的是一个全局遮挡模型，那么很有可能出现算法模型只能满足大部分摄像头的场景诊断结果。而根据少量漏报的摄像头进行算法调整模型，又可能会带来整体误报率的提升。

弘度科技视频监控运维产品采用的有源视频质量诊断技术是以优秀的深度学习算法为基础，通过加载全新自主研发的有源主动学习技术框架重新设计与定义视频图像质量评估系统，产品通过用户主观判定标注即可动态调整模型参数，完成自主学习过程，支持单个摄像机建立大量的分析模型适应不同场景需求，与同类产品相比可大大提升产品的准确性和适应能力。

弘度科技具有以下产品优势：

1、具备优秀的第三方平台级接入能力，采用全新自主研发的高性能 视频运维技术框架，支持市面上绝大多数的视频品牌接入，可直接统一管理已有的前端设备，减少项目落地难度。

2、其所应用的视频诊断技术可对超过20种视频质量指标进行检测，包括取流状态、视频丢失、视频干扰（条纹、噪声、剧变干扰）、视频遮挡（异物、树叶遮挡）、亮度异常（过亮、过暗）、图像偏色、视频模糊、视频卡顿、视频冻结、视频抖动、场景变更、OSD异常、时间差检测、分辨率检测、码流检测、视频时延检测等。

3、检测能力优越，具备高性能视频质量诊断，提供领先的诊断速度，准确率高达99%以上。

近年来，安防视频监控规模不断扩大，据相关数据统计，2019年国内视频监控市场规模达到2790亿元，在这超大市场规模里只有100亿元与视频应用软件相关，而应用软件中与视频运维方面的市场规模只有1亿元。相对比下，视频运维人力投入市场规模达到120亿元，存在巨大差别。

随着去年《民法典》颁布实施，文博行业、金融行业、电力行业等也相继发布新版安全技术防范要求，对视频监控系统的运维标准进行了更为清晰的描述，对视频图像、录像回放、时间校准、视频图像信息保存时间等做了更为详细的要求。进一步说明视频监控在治安防控中的重要性不言而喻，与视频监控应用成果息息相关的运维市场同样存在巨大的市场空间和发展机遇。弘科科技作为专业的视频监控运维产品提供商，秉承开放合作的理念期待每一个视频监控系统早日迎来智能化的运维之花，进一步减轻运维管理压力，保障视频监控系统“全程“无忧。

作者：弘度科技 邓美容