图1

图2

高清是IP摄像机在近几年快速扩张普及的一个很重要的因素。从标清到高清的跨越，实现了视频监控从“看得见”到“看得清”的转变。而高清的作用却不止于此，高分辨率的监控画面不仅能够让人类看得更清楚，也能让机器“看”得更清楚，从而让机器更容易从中“读懂”画面的内容，更准确地提取人们关注的有效信息，比如画面中的人、车属性等，这就是智能分析和视频结构化的过程，也是智能和大数据应用的基础。诚然，智能分析的准确率与智能算法、设备性能等很多因素相关，而高清的视频源永远是最基础、最具决定性的因素，试想，面对着只有几十万像素的图像画质，人眼都未必能分辨，机器就更加“无从下手”了。

正因为如此，IP摄像机的分辨率正在逐年提升，在很多平安城市建设项目中，甚至都已经用到了上千只4K超高清的IP摄像机。而阻碍高清向超高清发展的一个很重要的原因是带宽和存储的成本，新一代编码算法H.265的出现和普及，就是为了解决这个问题。甚至有些厂家在国际标准的H.265算法基础上，推出了更高效率的自主专利编码算法，如Smart 265。这是一项比H.265效率更高的编码技术，相比较H.265，在运动目标不多的场景，例如像室内茶水间、楼梯间等场景下，Smart 265可以降低70%左右的码率;在运动目标部分时间较多，比如不太繁忙的道路上，码率可以降低50%倍以上;而如果场景中不断有目标大幅运动，像火车站等场景下，也会比原有的H.265效果要好。因此，更高效编码算法的出现，大大的降低了超高清的成本，进一步促进了超高清的普及，也为智能的实用化应用铺平了道路。

智能前置，积累原始结构化信息

IP摄像机的高清化解决了视频源清晰度的问题，为智能算法准确率的进一步提升打下了良好的基础，伴随着IP摄像机硬件平台性能的提升和智能分析算法的改进，智能前置成为可能，IP摄像机的智能化应用也实现了质的飞越，迅速进入了实用化阶段。智能前置相当于是把每一台传统的摄像机从一个视频采集单元变成了一个智慧处理单元，从传统的“事后查阅录像”到“事中及时响应”，甚至是事前预警，可以大大提高实时性，提升监控的价值。并且，不会存在单点瓶颈，系统建设的成本也并未增加。而且大量的分布式的智能前置可以提供给后端存储及平台非常丰富的智能视频码流和结构化数据信息，为后续的视频快速定位检索和大数据的进一步应用提供了最原始的素材。

一方面，通用IP摄像机标配基础smart微智能功能。前端的每一台Smart IPC/球机都可以对10种行为侦测、4种异常侦测、2项特征识别、1项统计分析进行实时预警，智能侦测报警信息可以实时传送至Smart平台，实现主动视频防控，有效“防患于未然”。同时，采集到的常规视频、分类识别抓拍的人/车图片以及经分析生成的视频结构化数据直接存入Smart存储设备，为智能检索、智能回放提供数据支撑;而提取出的视频结构化数据，如车牌号码、车牌颜色等存入视频图像信息数据库，实现人、车等结构化信息的搜索。

另一方面，专业智能摄像机深入专业领域应用。目前专业智能摄像机主要包括人脸和客流摄像机，专业的人脸及人体属性分析，一般在治安监控、商场、校园、连锁、车载等一些对人脸和客流分析准确率要求较高的特定场合下应用，这些信息可以为大数据的应用提供最原始的结构化信息。在公安行业中，可利用人脸识别技术在地铁站、高铁站等场景进行人员布控，当布控人员出现在人脸识别系统监控区域时，系统可以第一时间发出报警信息，从而增加对在逃疑犯的抓捕率，缩短对重案、要案疑犯的抓捕时间，更好的保障社会健康、有序的发展。在商场，利用人脸抓拍机和客流统计摄像机可以对来店客户的性别、年龄段、数量等信息进行统计，把这些信息加上时间和空间的属性，可以形成诸如每天营业时间各出入口的人流量曲线，并与营业额、节假日安排、促销活动等等信息进一步交叉比对，可以找出其中的关联和规律，做出某种形式的预测，最后做出相应的决策。比如某个节假日发现女性顾客特别多，与此同时，某款包包卖的特别好，那么我们推测，下次同款的包包在这个时间点投放市场会获得不错的销售业绩。

　　多维感知，让大数据类型更丰富

高清先行，智能前置，IP摄像机能够为大数据应用提供足够大量的数据信息，但大数据时代不仅需要尽可能多的信息样本，还需要尽可能大的信息密度和尽可能多的信息种类，这就要求前端IP摄像机的感知是多维的。

首先是感知手段的多维化，IP摄像机从平面发展到立体，比如基于双目立体视觉技术的IP摄像机，由于立体视觉技术形成的视场中带有物体的三维几何信息，因此能够有效的设定检测规则，排除光线、影子等干扰因素，大幅提高智能分析的准确度，可以提供更多更准确的大数据信息;从单目发展到多目，比如基于多sensor拼接技术的鹰眼系列产品，以前我们想要看全广场、火车站、工地等一个超大场景，可能需要4台摄像机加1台服务器，成本高、维护难，但现在，我们只需要一台4或8个镜头拼接的多sensor设备，就可以直接输出一个180°或360°的立体高清全景画面。如果想进一步看清细节，还可以利用多sensor设备集成的高清大倍率球机变倍放大，兼顾全景和细节。这样，通过单个的产品，我们能够获得的信息密度就会变得更高。

其次是感知类型的多维化，多维的感知手段带来的是多维的数据类型，比如视音频信息、方位信息、环境信息、报警信息等等，这就满足了大数据时代对样本种类足够丰富的要求。同时，安防感知网络所获取的数据信息都是以视频为核心的，各种数据与视频相结合后，就能获得可视的感知内容。举几个简单的例子，把摄像头和电子罗盘、GPS等传感器结合起来，就能在电子地图上清楚的看到这个摄像机所监控的区域，称作可视域，还可以自动在监控画面上叠加显示设备所在地的经纬度和街道信息，便于管理和调动;把视频和温湿度传感器结合起来，在厨房或者药店这些对环境温湿度有很高要求的场所下，就既可以看到仓库的监控实景，又能了解仓库当前的环境状况了，当温湿度超过设定阈值，还可以弹出温湿度异常仓库的监控实景图片，让监控人员快速定位和了解现场情况;如果RFID技术和视频结合起来，比如在工地工人的安全帽上安装RFID标签，就可以进行无接触的打卡，结合工地大门口安装的监控摄像机将人员图像和信息同时录入系统。

结语

当IP化大浪潮遇见安防大数据后，高清、智能、多维，渐渐成为IP摄像机的主流发展趋势。并且，IP摄像机作为大数据感知网络中最重要的环节之一，给大数据的应用提供了大量的、丰富的视频源和初始结构化数据，为大数据的深度应用奠定了最坚实的基础。

====================================分割线================================

本文转自d1net（转载）