2014年安防行業將是劇變開始的第一年，這種劇變并非國家產業政策調整或者重大投資方向驅動引起的，而是寬帶網、物聯網、移動互聯網、云計算、智能化技術應用發展到一定階段疊加影響產生的。從2014年開始的未來幾年，安防行業明顯表現出“安防數字化”、“安防網絡化、“安防智能化”特點，而這些特點綜合起來，可以用“智能”二字概括，2014年起，安防行業開始全面進入“智能安防”年代。
“智能安防”與傳統安防相比，行業將出現如下變化：
視頻監控由網絡監控向云監控過渡
我們知道，除了少數需要嚴格保密的機構和應用外，絕大部分的公用、商用與民用的視頻監控系統已經部署了采用數字存儲技術的網絡監控，不論是政府辦公大樓，還是商業寫字樓、銀行、小區，或突出或隱蔽地遍布著監控室，在這些監控室里都是標配著若干硬盤錄像機、矩陣、大屏或電視墻，專職保安負責監視畫面，從監控室隱蔽工程線槽的雙絞線與銅軸光纖往外連接的是多如牛毛的攝像頭……這就是今天我們每個人感受到的安防監控，它已經比農村那種安防基本靠狗的技術先進了N倍，但我們仍覺得不放心：我們無法確知這些攝像設備是否在運作，我們無法確知是否有人在監視畫面以及時發現情況，我們無法確知錄像設備是否正常啟用，我們無法確知是否有人惡意地刪除錄制文件毀滅證據，因為這方面讓我們失望的報道層出不窮，那么，技術再向前進一步是否能讓情況好轉呢，答案是肯定的，云監控應運而生。
云監控是云安防的核心應用，云安防是基于物聯網模式并且采用云存儲技術來滿足現代化安防的需求。具體實現是指通過集群應用、網格技術、分布式文件系等功能，將視頻監控、門禁控制、RFID射頻識別、入侵報警、消防報警、短信報警、GPS衛星定位等技術通過“云”集合起來協同工作，進行信息交換和通信，完成智能化識別、定位、跟蹤和監控的安防管理。用戶可以通過C/S、B/S以及移動設備的客戶端進行24小時的無縫遠程監管。從云安防的定義可看出，如果離開了云監控，云安防也就失去了最豐富的信息來源，正如人失去的眼睛一樣，所以，實現云安防的最重要的一環是云監控，但由于云監控實現時需要的數據量對網絡帶寬的消耗非常大，將視頻信息存儲到云端，需要有足夠的上傳速度，以目前公網上傳速度來看，不超過1M，所以大多數網絡傳輸都采用專線專網，云監控用戶通常需要向寬帶網絡運營商租用帶寬，國外安防案例中，有人曾經計算過這樣一筆賬，5部高清攝像機需要一個10Mbps的"上傳"速度才能獲取高清云視頻，但其租賃費用約每月199美元。對于公安、政府、銀行等對視頻監控實時性和安全性要求較高的機構來說，采用成熟的云監控解決方案是不二選擇，海康威視、宇視均有這方面的解決方案。
云監控系統拓樸圖
當然，除了自建云監控系統外，大部分用戶其實都不具備數據中心化的條件，這些民用安防用戶還可采用云監控系統租用或購買帳號用戶方式獲得云監控服務，如海康威視的視頻7、悠絡客、啟明云監控。云安防技術在監控領域的應用還將走過一段較長的路程，但隨著網絡技術的飛速發展，影響其推廣的障礙也會得到根本解決，云安防將有美好的前景，所以，我們可以樂觀地說，云監控將逐步取代基于局域網的網絡監控而成為未來的主流。
智能安防是指安防行業全面智能化
如果只是將智能安防簡單地理解為對監控視頻圖像內容進行智能分析，那也太小看智能化的潛力了。全面智能化是指從各個角度、各個層面提升安防技術，從傳感器探測、事件觸發、數據采集、數據傳輸、數據分析、數據處理、報警聯動、場景空間協同、智能家居/智能建筑/智能小區/智慧城市的管理配合等各方面采用智能化技術，小到傳感器與探測器采用基于物聯網的智能化單品，如Nest這樣的溫控器、煙霧探測報警器;大到整個安防系統采用基于云端的智能分布式結構，并與空間場所內的各個智能化產品與系統有效連接，實現系統級智能和整體智能。可以說，智能化技術是提升安防行業整體水平的最重要的技術，安防企業必須充分認識要這一點并及時轉型升級，主動向智能化行業靠攏，遠離和拒絕智能化技術的安防企業是沒有前途的。關于安防智能化趨勢的說法已經出現了好幾年，但傳統安防企業(無論是安防生產廠商還是安防工程商)清楚認識到這一點的并不多，除了海康威視、大華、CSST等少數大型優秀企業外，許多中小安防企業仍守著傳統渠道和傳統市場，而一批IT廠商、智能建筑廠商、系統集成商甚至家電廠商都紛紛進入安防行業，由于迅速對接了智能化技術，并借助互聯網營銷渠道，在安防行業迅速拓展，成為安防行業新的生力軍，如果傳統安防行業仍無所作為，那么這種新力量顛覆舊力量的進程還將加劇，尤其是監控行業這種現象更明顯，而樓宇對講行業由于早在五年前就開始與智能家居行業融合企業已能很好地適應這種變化并推陳出新，防盜報警、門禁系統等領域正呈現不同的企業競爭生態。可以預測，未來三五年內，安防行業的勝出品牌會是能成功將安防與智能化進行結合的品牌，是能在智慧城市、智能建筑、智能小區、智能家居等不同規模應用中提供安防解決方案的品牌。
社交網絡成為安防監控信息來源
美國聯邦調查局(FBI)最近公布了一項旨在監控Facebook、Twitter等社交網站的計劃，旨在尋找一套能夠從社交網站上搜索和分析信息，并識別潛在威脅的系統，從而更好地應對甚至預測危機事件這一消息出自FBI在其網站上公布的尋求技術合作文件中。該文件介紹了FBI對這種系統的需求，要求其能夠從Facebook、Twitter等社交網站上“公開可見的”信息中自動搜索與恐怖主義、網絡犯罪等有關的關鍵詞。一旦發現“突發事件及正在顯露的威脅”，FBI特工可在地圖上標注所捕獲的信息以及其它信息，如美國使領館和軍事設施的位置、以往恐怖襲擊的詳細情況以及當地監控錄像等，從而確定犯罪分子所在位置，分析其動向、動機、弱點及可能采取的犯罪行為。此外，該系統還應具有自動語言翻譯功能，以監控境外的恐怖組織。
有研究人員證明，理論上可以利用社交媒體來對一個人的諸多情況進行推斷，但就目前的科技水平，開發這套系統還需要克服多個技術挑戰，其中最重要的就是教會電腦如何去“準確理解”網站上的信息內容，如區分簡單的玩笑和嚴肅的聲明，另外，還要能確保所獲信息的可靠性，才能挖掘出有價值的信息。可以說，如何快速有效地對社交網絡上的文字、圖片、視頻進行智能分析是影響社交網絡上安防監控情報收集可行性的關鍵因素。在國內，政府公安同樣會采用類似輿情分析系統對網站、論壇、博客、微博、微信等靜態網站和社交網絡平臺進行監控，無論國內還是國外，對社交網絡的監視其實一直都存在，搜索技術尤其是圖像與視頻搜索技術、人臉識別、語義分析、智能匹配、云存儲與云計算、大數據等技術都需要不斷提升才能滿足社交網絡監控與情報信息收集分析的需要。當前這些新的技術所呈現的效果已經讓我們感到驚喜，如人臉識別技術在社交網絡的應用：2013年美國國土安全部在Facebook人臉識別技術的輔助下，辦案人員能夠將從波士頓查獲的“兒童色情”硬盤上的人與Facebook帳號對應上。據TheState消息，國土安全部的一名特工在提交嫌犯email搜查權限后一周，Facebook對此案的介入才被公開。通過照片，Facebook幫助辦案人員找到相應的FB帳號，然后發現了JosephRobertSmith。在一份證詞中，Smith被描述為“非常像兩個猥褻兒童的罪犯之一。”而這個家伙在9月25日被逮捕，如果罪名成立的話，他將面臨20年的徒刑。
大數據助力智能視頻分析
大數據在安防行業的應用，讓智能分析真正成為可用的工具與方法。現在智能視頻分析技術已經逐漸被人們所接受，但是在智能視頻分析技術出現之前，海量視頻的分析一直是困擾人們的一個難題，比如人們如果不小心將貴重物品遺留在出租車或公交車上該怎么辦?很多人認為有了監控攝像機，事情會好辦很多，可事實如此么?對于相關辦案人員來說，查詢海量的視頻監控信息是件苦不堪言的差事，大有茫茫大海撈針之焦慮與糾結。2012年，南京發生了“1.6”搶劫案件。在案件偵破過程中，南京警方從全市1萬多個攝像頭共提取了近2000T的視頻數據，為了處理這些視頻，調動1500多名公安干警查閱搜索視頻線索，共耗時一個多月。面對如此多的監控數據，去尋找到證據和線索，無異于大海撈針，但目前的現實情況通常是被迫使用人海戰術進行查看。一個案件的審看需要更為廣泛的查看相關的攝像機視頻，所審看的視頻量時常達到數百上千小時。在目前的人工查看模式下，傳統的方法需要從頭到尾順序播放，往往需要數倍于原始視頻的時間才能審看完成，因此需要大量人員連續加班數周進行視頻的審看。為了規避遺漏和誤差，很多刑偵隊采用加大人力投入的方法。但是經過實踐證明，這種方法吃力不討好，仍然解決不了根本的問題。既影響了破案進度和效率，又使得工作人員疲憊不堪。如果有智能視頻分析技術對視頻中運動的物體等進行檢索和排除，就能大大的提高辦案效率。
按照大數據的處理思路，這個智能視頻分析系統在視頻資料錄入的同時，就自動對視頻中的目標信息進行格式歸一化與智能預處理分析，對視頻進行快速處理，提取視頻中目標的相關信息作為智能元數據保存至數據庫中。之后的相關操作，如智能審看、智能檢索等等就不用再做復雜的解碼以及智能分析的工作，而是直接從智能元數據中提取，大大的提高了工作效率。系統可以公安實戰平臺實現無縫對接，實施案件管理等功能，更加有效、有針對性的去關注和分析某些重要視頻，獲取有價值的信息，對接之后可實現網絡傳輸，使得傳輸速度更快，節省存儲資源。
根據智能元數據信息，可對目標及目標細化特征等視頻內容級別進行篩選，如顏色、人/車分類等。用戶還可根據案情的需要自定義設置不同的周界防范規則，通過在數據庫中對元數據進行檢索提取觸發規則的目標信息，達到快速檢索的目的，極大地提高了效率。
比如上文提到的2012年南京“1.6”搶劫案件，在辦案的過程中需要對案發地點的出現的人，分析他們的行為，如果是異常的行為，則分析他們的身體特征，比如人臉部特征;如果是異常的車，則分析輛的信息，比如車牌、車顏色、車型等等，這對案件的偵破起著至關重要的作用。如果在案件發生后采用視頻檢索系統，根據目標的行為特征檢測、人臉部特征檢測和車輛信息檢測很好地將案發地點出現的人和車等信息解析出來，供進行分析。具體的使用方法是：首先將全市1萬多個攝像頭共提取的2000T視頻數據，按照自定義的方式放入服務器中，根據目標行為分析、人臉特征檢測和車輛信息識別進行分類預處理，最后有系統給出結果。
主站蜘蛛池模板：