来源：千家网
时间：2014-02-08
“智能安防”与传统安防相比，行业将出现如下变化：
视频监控由网络监控向云监控过渡
我们知道，除了少数需要严格保密的机构和应用外，绝大部分的公用、商用与民用的视频监控系统已经部署了采用数字存储技术的网络监控，不论是政府办公大楼，还是商业写字楼、银行、小区，或突出或隐蔽地遍布着监控室，在这些监控室里都是标配着若干硬盘录像机、矩阵、大屏或电视墙，专职保安负责监视画面，从监控室隐蔽工程线槽的双绞线与铜轴光纤往外连接的是多如牛毛的摄像头……这就是今天我们每个人感受到的安防监控，它已经比农村那种安防基本靠狗的技术先进了N倍，但我们仍觉得不放心：我们无法确知这些摄像设备是否在运作，我们无法确知是否有人在监视画面以及时发现情况，我们无法确知录像设备是否正常启用，我们无法确知是否有人恶意地删除录制文件毁灭证据，因为这方面让我们失望的报道层出不穷，那么，技术再向前进一步是否能让情况好转呢，答案是肯定的，云监控应运而生。
云监控是云安防的核心应用，云安防是基于物联网模式并且采用云存储技术来满足现代化安防的需求。具体实现是指通过集群应用、网格技术、分布式文件系等功能，将视频监控、门禁控制、RFID射频识别、入侵报警、消防报警、短信报警、GPS卫星定位等技术通过“云”集合起来协同工作，进行信息交换和通信，完成智能化识别、定位、跟踪和监控的安防管理。用户可以通过C/S、B/S以及移动设备的客户端进行24小时的无缝远程监管。从云安防的定义可看出，如果离开了云监控，云安防也就失去了丰富的信息来源，正如人失去的眼睛一样，所以，实现云安防的重要的一环是云监控，但由于云监控实现时需要的数据量对网络带宽的消耗非常大，将视频信息存储到云端，需要有足够的上传速度，以目前公网上传速度来看，不超过1M，所以大多数网络传输都采用专线专网，云监控用户通常需要向宽带网络运营商租用带宽，国外安防案例中，有人曾经计算过这样一笔账，5部高清摄像机需要一个10Mbps的"上传"速度才能获取高清云视频，但其租赁费用约每月199美元。对于公安、政府、银行等对视频监控实时性和安全性要求较高的机构来说，采用成熟的云监控解决方案是不二选择，海康威视、宇视均有这方面的解决方案。
云监控系统拓朴图
当然，除了自建云监控系统外，大部分用户其实都不具备数据中心化的条件，这些民用安防用户还可采用云监控系统租用或购买帐号用户方式获得云监控服务，如海康威视的视频7、悠络客、启明云监控。云安防技术在监控领域的应用还将走过一段较长的路程，但随着网络技术的飞速发展，影响其推广的障碍也会得到根本解决，云安防将有美好的前景，所以，我们可以乐观地说，云监控将逐步取代基于局域网的网络监控而成为未来的主流。
智能安防是指安防行业全面智能化
如果只是将智能安防简单地理解为对监控视频图像内容进行智能分析，那也太小看智能化的潜力了。全面智能化是指从各个角度、各个层面提升安防技术，从传感器探测、事件触发、数据采集、数据传输、数据分析、数据处理、报警联动、场景空间协同、智能家居/智能建筑/智能小区/智慧城市的管理配合等各方面采用智能化技术，小到传感器与探测器采用基于物联网的智能化单品，如Nest这样的温控器、烟雾探测报警器；大到整个安防系统采用基于云端的智能分布式结构，并与空间场所内的各个智能化产品与系统有效连接，实现系统级智能和整体智能。可以说，智能化技术是提升安防行业整体水平的重要的技术，安防企业必须充分认识要这一点并及时转型升级，主动向智能化行业靠拢，远离和拒绝智能化技术的安防企业是没有前途的。关于安防智能化趋势的说法已经出现了好几年，但传统安防企业（无论是安防生产厂商还是安防工程商）清楚认识到这一点的并不多，除了海康威视、大华、CSST等少数大型优秀企业外，许多中小安防企业仍守着传统渠道和传统市场，而一批IT厂商、智能建筑厂商、系统集成商甚至家电厂商都纷纷进入安防行业，由于迅速对接了智能化技术，并借助互联网营销渠道，在安防行业迅速拓展，成为安防行业新的生力军，如果传统安防行业仍无所作为，那么这种新力量颠覆旧力量的进程还将加剧，尤其是监控行业这种现象更明显，而楼宇对讲行业由于早在五年前就开始与智能家居行业融合企业已能很好地适应这种变化并推陈出新，防盗报警、门禁系统等领域正呈现不同的企业竞争生态。可以预测，未来三五年内，安防行业的胜出品牌会是能成功将安防与智能化进行结合的品牌，是能在智慧城市、智能建筑、智能小区、智能家居等不同规模应用中提供安防解决方案的品牌。
社交网络成为安防监控信息来源
美国联邦调查局（FBI）近公布了一项旨在监控Facebook、Twitter等社交网站的计划，旨在寻找一套能够从社交网站上搜索和分析信息，并识别潜在威胁的系统，从而更好地应对甚至预测危机事件这一消息出自FBI在其网站上公布的寻求技术合作文件中。该文件介绍了FBI对这种系统的需求，要求其能够从Facebook、Twitter等社交网站上“公开可见的”信息中自动搜索与恐怖主义、网络犯罪等有关的关键词。一旦发现“突发事件及正在显露的威胁”，FBI特工可在地图上标注所捕获的信息以及其它信息，如美国使领馆和军事设施的位置、以往恐怖袭击的详细情况以及当地监控录像等，从而确定犯罪分子所在位置，分析其动向、动机、弱点及可能采取的犯罪行为。此外，该系统还应具有自动语言翻译功能，以监控境外的恐怖组织。
有研究人员证明，理论上可以利用社交媒体来对一个人的诸多情况进行推断，但就目前的科技水平，开发这套系统还需要克服多个技术挑战，其中重要的就是教会电脑如何去“准确理解”网站上的信息内容，如区分简单的玩笑和严肃的声明，另外，还要能确保所获信息的可靠性，才能挖掘出有价值的信息。可以说，如何快速有效地对社交网络上的文字、图片、视频进行智能分析是影响社交网络上安防监控情报收集可行性的关键因素。在国内，政府公安同样会采用类似舆情分析系统对网站、论坛、博客、微博、微信等静态网站和社交网络平台进行监控，无论国内还是国外，对社交网络的监视其实一直都存在，搜索技术尤其是图像与视频搜索技术、人脸识别、语义分析、智能匹配、云存储与云计算、大数据等技术都需要不断提升才能满足社交网络监控与情报信息收集分析的需要。当前这些新的技术所呈现的效果已经让我们感到惊喜，如人脸识别技术在社交网络的应用：2013年美国国土安全部在Facebook人脸识别技术的辅助下，办案人员能够将从波士顿查获的“儿童色情”硬盘上的人与Facebook帐号对应上。据TheState消息，国土安全部的一名特工在提交嫌犯email搜查权限后一周，Facebook对此案的介入才被公开。通过照片，Facebook帮助办案人员找到相应的FB帐号，然后发现了JosephRobertSmith。在一份证词中，Smith被描述为“非常像两个猥亵儿童的罪犯之一。”而这个家伙在9月25日被逮捕，如果罪名成立的话，他将面临20年的徒刑。
大数据助力智能视频分析
大数据在安防行业的应用，让智能分析真正成为可用的工具与方法。现在智能视频分析技术已经逐渐被人们所接受，但是在智能视频分析技术出现之前，海量视频的分析一直是困扰人们的一个难题，比如人们如果不小心将贵重物品遗留在出租车或公交车上该怎么办？很多人认为有了监控摄像机，事情会好办很多，可事实如此么？对于相关办案人员来说，查询海量的视频监控信息是件苦不堪言的差事，大有茫茫大海捞针之焦虑与纠结。2012年，南京发生了“1.6”抢劫案件。在案件侦破过程中，南京警方从全市1万多个摄像头共提取了近2000T的视频数据，为了处理这些视频，调动1500多名公安干警查阅搜索视频线索，共耗时一个多月。面对如此多的监控数据，去寻找到证据和线索，无异于大海捞针，但目前的现实情况通常是被迫使用人海战术进行查看。一个案件的审看需要更为广泛的查看相关的摄像机视频，所审看的视频量时常达到数百上千小时。在目前的人工查看模式下，传统的方法需要从头到尾顺序播放，往往需要数倍于原始视频的时间才能审看完成，因此需要大量人员连续加班数周进行视频的审看。为了规避遗漏和误差，很多刑侦队采用加大人力投入的方法。但是经过实践证明，这种方法吃力不讨好，仍然解决不了根本的问题。既影响了破案进度和效率，又使得工作人员疲惫不堪。如果有智能视频分析技术对视频中运动的物体等进行检索和排除，就能大大的提高办案效率。
按照大数据的处理思路，这个智能视频分析系统在视频资料录入的同时，就自动对视频中的目标信息进行格式归一化与智能预处理分析，对视频进行快速处理，提取视频中目标的相关信息作为智能元数据保存至数据库中。之后的相关操作，如智能审看、智能检索等等就不用再做复杂的解码以及智能分析的工作，而是直接从智能元数据中提取，大大的提高了工作效率。系统可以公安实战平台实现无缝对接，实施案件管理等功能，更加有效、有针对性的去关注和分析某些重要视频，获取有价值的信息，对接之后可实现网络传输，使得传输速度更快，节省存储资源。
根据智能元数据信息，可对目标及目标细化特征等视频内容级别进行筛选，如颜色、人/车分类等。用户还可根据案情的需要自定义设置不同的周界防范规则，通过在数据库中对元数据进行检索提取触发规则的目标信息，达到快速检索的目的，极大地提高了效率。
比如上文提到的2012年南京“1.6”抢劫案件，在办案的过程中需要对案发地点的出现的人，分析他们的行为，如果是异常的行为，则分析他们的身体特征，比如人脸部特征；如果是异常的车，则分析辆的信息，比如车牌、车颜色、车型等等，这对案件的侦破起着至关重要的作用。如果在案件发生后采用视频检索系统，根据目标的行为特征检测、人脸部特征检测和车辆信息检测很好地将案发地点出现的人和车等信息解析出来，供警察进行分析。具体的使用方法是：首先将全市1万多个摄像头共提取的2000T视频数据，按照自定义的方式放入服务器中，根据目标行为分析、人脸特征检测和车辆信息识别进行分类预处理，后有系统给出结果。
