視頻監控系統，又名閉路電視 (CCTV)，廣泛部署在各種環境中，包括公共區域、公共基礎設施、商業建筑等。在大多數情況下，它們具有雙重用途：實時監控物理資產和空間，并查看收集的視頻信息以識別安全指標和規劃安全措施。

　　盡管視頻監控系統幾十年來一直是公共和安全部門不可或缺的一部分，但在這些行業之外，人們對它們也有著濃厚的興趣。這種興趣主要是由于全球犯罪率和安全威脅的增加，推動了視頻監控市場的持續增長。

　　據Mordor Intelligence最近的一份報告顯示，2016年視頻監控市場價值為299.8億美元，預計到 2022年將達到721.9億美元。這一市場潛力還受到IT技術的最新進展的推動——提高智能、視頻監控解決方案的可擴展性和準確性。是什么驅動了視頻監控的主要技術趨勢?

　　1、具有智能感知能力的視頻數據收集

　　信號處理的最新進展促進了智能視頻監控系統的發展，尤其是可以靈活調整視頻數據收集速率的系統。尤其是，每當檢測到安全事件指標時，就會提高數據收集率，以便為更準確和可信的分析提供更豐富的信息。

　　2、大數據基礎設施

　　最先進的大數據基礎設施為存儲和訪問視頻數據開辟了新的視野，這些數據4個重要特性：容量、速度、多樣性和真實性。 尤其是，從多個攝像頭收集大量數據，包括具有高攝取率的視頻流數據，比傳統方式容易得多。大數據系統提供了無縫創建和高效實施、易于擴展的視頻監控架構的方式。

　　3、視頻數據流系統

　　在過去的幾年中，出現了許多流媒體視頻系統。后者提供視頻流管理和視頻流分析的功能，同時是之前討論的大數據系統的重要組成部分。

　　4、預測分析和人工智能 (AI)

　　2016 年和 2017 年是人工智能歷史上的重要年份，因為出現了顛覆性的深度學習方法，例如Google的 Alpha AI 引擎所采用的方法。深度神經網絡的進化可以直接用于視頻監控系統，賦予它們非凡的智能并實現更有效的監控過程。 例如，人工智能可以啟用預測分析，這使安保人員能夠預測安防事件并主動響應。

　　5、無人機和物聯網 (IoT)

　　物聯網設備和智能對象與視頻監控系統的融合，也是提供下一代安防和監控功能的關鍵。在這個方向上，如今部署了無人駕駛飛行器 (UAV)(即無人機)，以提供基于傳統固定攝像機幾乎不可能實現的視頻監控多功能性。

　　6、整合物理和網絡安全

　　工業資產和流程的持續數字化轉型正逐漸導致物理和網絡安全措施的融合。視頻監控系統在這種融合中發揮著關鍵作用，因為它們代表了可用于監控物理區域的 IT 基礎設施。 因此，它們可以靈活地與其他網絡安全系統集成，以實現安防和監控的整體和集成方法。

　　7、構建視頻監控系統

　　上述技術為智能視頻監控系統的開發、部署和運營開辟了新視野。但是，視頻監控的開發人員和部署人員需要集成并充分利用這些技術的功能。為此，為視頻監控基礎設施設計和實施適當的架構非常重要。

　　現代視頻監控系統架構遵循邊緣+云計算方式，以更接近現場處理視頻信息。這使他們能夠節省帶寬并執行實時安防監控。攝像頭部署在網絡邊緣，作為能夠采集和處理視頻幀的邊緣節點的一部分。邊緣節點還能夠通過基于識別的調整幀速率來實現數據收集智能。此外，它們連接到云基礎設施，在那里連接、查看和分析來自多個攝像頭的信息，并進行智能分析。

　　邊緣/云計算架構也是支持視頻監控與現有技術融合的理想選擇。物聯網無人機需要與適當的邊緣節點集成，作為移動邊緣計算架構的一部分。實時流分析必須在邊緣執行，而不是在視頻監控部署的云端中執行。深度學習功能可以部署在邊緣和云端。

　　邊緣的深度神經網絡可以支持實時提取復雜的安全模式。同時，只有通過在云端部署深度學習，才能提取許多邊緣節點(例如，城市范圍的部署)覆蓋的大區域的安全模式和信息。一般來說，決定某些功能應該放在云端還是邊緣是非常具有挑戰性的。相關決策通常與權衡的解決有關(例如，某些監控功能的處理速度與處理精度)。

　　視頻監控系統可以從多個硬件供應商的開放架構中受益。這是因為監控解決方案可以包含不同的視頻采集設備和模式(例如，高清攝像頭、有線和無線攝像頭、無人機/UAV 中的攝像頭等)。開放式架構可以提供靈活性、部署簡易性和技術生命周期。最近，行業人員正在努力為邊緣+云計算引入基于標準的開放架構，以將視頻監控作為云計算的主要用途之一。

　　面臨的挑戰以及如何部署

　　除了適當的邊緣計算架構規范之外，視頻監控系統部署者還必須應對其他挑戰。這些挑戰之一涉及保護隱私和遵守數據保護法規。事實上，監控傳感器的部署受有關隱私和數據保護的法律和指令的約束，這有時會對部署的性質和規模施加限制。同樣，無人機的使用也應符合相關規定。

　　另一個挑戰涉及解決方案的自動化水平。雖然自動化通常需要在沒有額外人力資源的情況下覆蓋和監控更廣泛的領域，但人工審查和干預仍然是整體解決方案可靠性的關鍵。

　　此外，另一個挑戰可能源于視頻監控系統的網絡物理性質的新威脅有關。物理攻擊可能伴隨著對視頻監控基礎設施的網絡攻擊，作為損害后者檢測物理安全事件能力的一種手段。

　　另一個挑戰涉及數據驅動智能的實施(即作為預測分析和人工智能的一部分)，這需要大量數據以及幾乎無法采集的安全事件。盡管出現了具有邊緣人工智能產品和服務的創新初創公司，但邊緣人工智能(例如，輕量級和高效的深度神經網絡)仍處于起步階段。

　　為了應對這些挑戰，視頻監控解決方案的開發者和部署者需要更好地遵守標準和法規，同時采用漸進/分階段部署方法。

　　后者應該能夠實現從手動(即人工操作員介導的系統)到基于人工智能的全自動視覺監控的平穩過渡。還需要逐步部署數據驅動的智能，從簡單的規則開始，轉向更復雜的機器學習技術，以檢測更復雜的非對稱攻擊模式。

　　另一個最佳實踐是部署可以同時容納未來和傳統監控傳感器的開放式架構，以此作為利用最物有所值的先進功能的一種手段?？傮w而言，現代視頻監控解決方案非常具有創新性，因為它們可以包含領先的 IT 和網絡技術。

　　來源：TSINGSEE青犀視頻