导读：安保对视频的依赖性特别大。监控系统中的音频功能应用一直未引起重大关注。然而，将音频集成为监控系统的一部分可以带来更加广泛的潜在价值。
具有双向音频功能的监控系统不仅可以提高用户检测和说明事件的能力，而且使用户能够向访客或入侵者传递要求或命令。在这个由两部分组成的文章中，对一些需求的细分市场进行了探讨，在这些细分市场中，集成的视频和音频解决方案将惠及所有利益相关者。
可通过两种方式在集成解决方案中应用音频监控。其中一种是使用音频输入作为报警或监视触发器。Basler公司项目经理Björn Weber说：“一旦超过一定的音频电平，监控摄像机将被引向声源处”。另外一种方式是使用音频数据作为证据;在这种情况下，同步保存视频数据和音频数据是非常重要的。
真正的需求
赌场
在赌场中，大量的金钱成为重点保护对象，赌场老板总是希望程度地降低对赌博区的“干扰”。例如在英国，在赌场进行音频记录是合法的，而且此项功能使经营者能够听到赌桌上的情况，从而在可疑的情况中可提供更多的证据。
一些内置麦克风的网络摄像机可提供基本的视频/音频解决方案。然而，具有更大音频需求的用户发现外部麦克风更合适。
在一些情况下，监控摄像机的安装位置不利于进行音频捕获，这时候就需要视频和音频监控供应商进行密切合作。Barix公司首席执行官Johannes Rietschel说：“赌场就是这样一个例子，安装摄像机以提供视频监控，同时在赌桌之类的位置安装麦克风进行音频监控”。
执法机构;金融领域
执法机构、银行和自动取款机有着采用集成视频/音频解决方案的强烈趋势。Rietschel说：“北美银行和自助取款机采用的视频/声音监控应用软件已应用这种集成解决方案。这里的立法机构要求提供具体的声音分析方法，从而接受声波探测器作为法庭证据”。然而，在这些场所使用音频数据作为证据时，与地方当局进行确认是非常重要的，因为他们可能要求一定的压缩格式和视频/音频数据同步。可能还会需要未经处理的音频，例如作法庭辩论和证据之用。
“复制的信号绝不能丢失任何信息，这意味着对原始信号的尽可能复制。诸如MP3格式之类的有损压缩会改变信号，以至于所提供的证据将是无效的”。
公共交通
公共场所的视频/音频监控系统应用不仅可以加强安全，而且可以发挥紧急呼叫站的作用。Zenitel公司产品副总裁Thomas Hægh说：“监听技术通常采用双向音频通讯，而且我们看到双向语音技术正不断被采用。尽管大多数情况下安全系统的设计使警卫能够听到来自摄像机终端的声音信号，但中央控制站和火车站对闭路电视和PA/传呼相结合的解决方案有着强烈需求。警卫人员可以充分利用闭路电视和PA集成方案，在紧急情况下确认人群是否按照疏散指令进行疏散”。
在过去，对讲机和摄像机企业的性质和重点是分散的：对讲机企业专注于音频通信，而摄像机企业专注于视频。这两种类型的企业现在均提供集成视频/音频解决方案。Hægh补充说：“我们将推出一系列新型对讲站，其中的很多对讲站将具有视频功能。这一功能特别适用于需要视频监控但提供单独的闭路电视摄像机可能不合算的场所”。
街道监控
集成视频/音频监控系统的部署同时还用于监测城市活动。例如，警察和执法机构非常热衷于使用音频分析和视频监控来提供有关枪声和爆炸的实时信息。通过这种方式，将能够更加有效应对枪支暴力并展示更完整的犯罪画面。
广域声响
传感器
与一种音频分析软件进行匹配，这种软件能够识别独特的枪声、响亮的爆炸声、尖叫声、玻璃破碎声、汽车报警声和涂鸦声音信号，Sound Intelligence公司首席执行官Derek van der Vorst说。“我们的技术采用了一种动态的前景/背景分离算法，在白天时间内自动适应背景噪音水平。此外，我们还具有针对不同室内和室外声环境的大量声学模板”。
一些音频分析解决方案供应商急切地与摄像机制造商或VMS供应商进行合作，以制造集成视频/音频系统。这些是对系统检测和说明事件及紧急情况功能的一个有益补充，例如检测摄像机范围之外的区域或者检测任何照明条件下的事件。Audio Analytic公司首席执行官Christopher Mitchel说：“我们的核心功能设计是轻便，以便它们可以在设备(如现代IP摄像机)的网络边缘运行。通过合并视频/音频功能，在一系列应用中是有益的，如入侵检测、攻击检测、汽车报警检测或密码检测”。
卫生保健和惩教设施
集成视频/音频解决方案在精神卫生机构中的应用日益增加，因为精神卫生保健中的临床实践确实认识到了在患者干预的控制和护理之间保持平衡的难度。
具有严重心理健康问题的患者可能更具暴力倾向。当他们犯病需要住院治疗时，大多数情况是他们的决策和独立生活能力将丧失。Vorst说：“工作人员总是面临这样的困境：兼顾病人和秩序的混乱状态。通过声监控，可对病人的健康状况进行监控。通过音频分析，工作人员可以判断病人是否病情发作或发生窒息，或者他们只是假装”。
这种部署使工作人员能够安全进行例行观察，因为工作人员不必再进入病房进行观察。虽然目前采用闭路电视摄像机对暴力事件进行控制，但另一方面，集成视频/音频解决方案也可用来对心理健康问题获取更好的临床认知。
除了精神病医院，处理攻击和暴力事件也是监狱工作的一部分。攻击检测是一种有效的音频功能，使监狱管理人员能够积极关注攻击和暴力事件，防止情况恶化，Vorst说。“90%的身体攻击事件都是由言语攻击引起的。我们的解决方案可以记录人类攻击行为的典型声音特征，愤怒或者恐惧。在言语攻击演变为暴力事件之前有所察觉，可为保安人员提供宝贵的时间并能够及时介入”。
视频和音频同步
许多网络摄像机提供音频支持，无论是内置麦克风和/或麦克风/线路输入插孔。音频信号通过网络进行传输，视频数据的传输亦是如此。在数字系统中，音频和视频数据以单独的数据包进行发送。为了实现完美同步，音频和视频数据包必须进行时间标记。视频/音频同步发生在位级。IndigoVision公司产品营销经理Karen McCarrison说：“通过使用内部开发的硬件编码，我们严格控制视频和音频压缩。编码与解码控制可协助同步，正如按照公认的标准(如RTP)进行传递，而不是‘推倒重来’”。
Fermax公司品牌经理Elena Ravello认同公认标准的重要性。“音频和视频同步的一个关键因素是采用实时协议(RTP)，以确保同时收到音频和视频信号。用户数据报协议(UDP)也有利于降低传输过程中同步插入数据的重量”。
McCarrison说：“为了确保视频编码不受到任何其它处理能力要求的影响，我们的每台发送器/摄像机均包括两个处理器：用于视频编码的FPGA处理器和用于连网要求及板载分析的处理器”。
由于芯片是监控摄像机的关键组成部件，因此压缩效率是我们的评定标准之一，Vivotek公司品牌业务总监William Ku说。“我们的芯片检验流程相当长，因为这些系统级芯片对于压缩来说至关重要。我们必须测试和检验其效率、信号流大小和延迟。来自芯片厂商的技术支持也是至关重要的，因为我们必须交叉检验逻辑正确性和错误。这些测试需要几个月的时间”。
超出所有部件的功能之和
麦克风
音响质量在很大程度上取决于各组成部件。麦克风性能并不能决定一切，但它关系到耐用性和干扰性。与驻极体麦克风相比，“MEMS麦克风对于温度变化、振动和电磁兼容性(EMC)具有较高的耐受度和稳定性”，Hægh说。“如今，许多对讲机制造商采用驻极体麦克风。这些麦克风向HW编码译码器提供一种模拟音频信号，HW编码译码器执行模拟到数字转换。另一方面，数字MEMS麦克风为用户提供直接采样为96 kHz的数字音频，达到双倍的CD质量”。
MEMS麦克风的另一个优点是其微小的尺寸。Hægh补充说：“MEMS麦克风膜直径仅为0.1毫米。这一减小的尺寸降低了跨越麦克风膜的振动，有效降低了音频失真，从而提供显著改善的音频质量”。
电路板设计
所有电气系统都会制造一些噪音。如果未对系统性能造成干扰，这些噪音是没有问题的。设计配置时较少考虑电磁干扰问题的工程师们发现，他们的设计并不符合规范要求或者根本不能正常运行。相比芯片组的选择，相机电路板的智能设计在消除干扰方面更为重要，Weber表示。“智能设计意味着组件的合理布置以及正确组件的合理选择。如果放置在不适当的位置，这些组件可导致电磁兼容性问题，从而在另一端产生噼里啪啦的噪音”。
编码译码器
同视频编码译码器一样，音频编码译码器也发挥着重要作用，因为它们决定着压缩级别和音质。Ravello表示，通过采用适当的音频和视频编码译码器以及动态压缩(可根据可用带宽进行调整)，可进行带宽优化。
然而，相比视频带宽，音频带宽非常低而且带宽几乎构不成问题，Weber补充说。
就集成视频/音频解决方案而言，“对于通讯系统来说，重要的方面是使用开放协议，以确保与其它系统的互操作性”。这就是为什么我们“致力于支持SIP以及其它开放IP协议”的原因，Hægh表示。
使用许多系统均支持的VoIP编码译码器非常重要，以便在发生延迟和失真时减少转码的需要。“如果在两个系统之间发送了一个语音包，则必须确保在两个系统中使用同一语音编码译码器。如果需要在G.722至G.711之间进行重新编码，这通常会导致大约20-40毫秒的延迟”，Hægh补充说。“所有VoIP系统均支持G.711。但是，G.711为一种窄带编码译码器(3.4 kHz)，提供的质量显著低于G.722。如今，G.722已成为所有高清语音系统均支持的一种编码译码器。通过利用这种开放的高清编码译码器，系统将提供完整的、终端到终端的语音频谱，无任何重新编码需要或失真。另一种编码译码器是AAC，而且我们看到这样一种趋势：AAC可能会变得日益流行”。
认识到以下这一点很重要：并非所有的视频编码译码器均支持时间标记的视频/音频同步，安讯士(Axis Communications)网络通讯公司高级顾问Philip Siow表示。“在很多情况下，同步音频并不太重要，甚至是不需要;例如，如果只需对音频进行监测，而不是记录时。在网络摄像机中，并不总是支持Motion JPEG压缩视频包的时间标记。如果是这种情况，而且需要同步视频和音频时，应该选择的视频格式为MPEG-4 或H.264”。
