視頻大數據漸成趨勢：三大因素驅動 四大領域發揮

近年來，視頻數據的價值逐漸得到大家重視，通過計算機替代人力來挖掘視頻數據價值正成為數據所有者非常關心的問題。但是，視頻數據除了具備一般大數據的典型特征，還具有數據維度更多、數據量更大、非結構化等問題，視頻大數據分析技術的難度顯而易見。

盡管如此，無論是IT巨頭公司，還是具有一定研發能力的創業團隊，在三大因素驅動下開始在計算機視覺、深度學習領域進行布局。

驅動因素之一：累積的視頻數據價值量巨大

從量的角度看，視頻監控數據和互聯網視頻內容數據近年來有了大幅增加，為數據挖掘提供了豐富資源。據IDC的《The Digital Universe in 2020》統計，2012年全球有分析價值的數據中有一半是監控視頻數據，這個比例在2015年上升到65%，速度是每兩年翻一番。在國內，我們大約有3000萬臺監控攝像機，每月將生成60EB的視頻數據，中國已經成為世界最主要的視頻監控市場。

而在互聯網上，隨著移動互聯網的快速發展，多媒體視頻與圖像應用越來越廣泛。這些視頻應用每時每刻產生海量的視頻數據，目前已約占人們通訊數據量的80%。

從質的角度看，隨著監控技術往高清化、網絡化、智能化發展，高分辨率和高幀率已成為視頻監控主流需求。視頻數據的質量越高，其分析價值越大。

驅動因素之二： 技術的成熟

以深度學習算法為基礎的計算機視覺技術的進步，為視頻大數據分析提供了強大的計算和分析工具。反過來，巨量的視頻數據也為機器訓練提供了豐富的素材，“大數據是人工智能的燃料”。

驅動因素之三： 政策的推動

近年來，在“平安城市”的建設框架下，攝像頭等硬件設備的普及率明顯上升，后臺監控平臺軟件也得到了一定程度的應用。政府希望能夠使用視頻數據降低人工投入，提高社會管理的能力。公安部、發改委等部委先后發布一系列政策，大力推進“大聯網”戰略。深化視頻圖像信息預測預警、實時監控、軌跡追蹤、快速檢索等應用。

同時，隨著硬件和基礎軟件平臺滲透率的不斷提升，用戶對視頻監控系統的關注點已經從單純的系統建設，向運營、管理、應用，尤其是實戰應用方面發展，要從現在的“看得見”進步到“看得懂”。從客戶類型結構看，原來平安城市更多是來源于交警部門和公安部門的建設需求，未來政府的其他部門如刑偵、交通運輸部門、司法等行業在視頻監控管理與應用上的需求也會涌現。

目前，視頻大數據分析技術逐漸在政府、金融、商業等領域得到應用，甚至成為了無人機、無人駕駛汽車、VR、機器人等新興領域的關鍵技術。

應用領域之一：政府部門

政府對視頻智能分析的需求一方面體現在平安城市框架下安防和案件偵查對存量和更新視頻數據分析的迫切需求，另一方面體現在交管領域對車牌識別、違章行為識別的分析需求。

安防和案件偵查利用視頻大數據分析可以大大降低公安干警的人力投入，提高辦案效率。在以往的一些案件中，比如2012年在南京發生的“1·6”搶劫案和“8.10重慶槍擊搶劫案”(周克華案)，警方都動用了上千的公安干警進行原始的視頻數據人眼搜索，嚴重影響公安部門破案的進度和效率。而通過計算機自動查找、識別視頻信息的優勢顯而易見，相關技術在該領域的應用前景非常巨大。

交管領域對視頻大數據分析的需求同樣迫切。例如，一線城市普遍實行了限行措施，這就需要靠計算機對車牌信息進行自動識別。在實際操作中，經常會出現強光照、大側角、模糊等極難條件，準確識別車牌關鍵信息、實現各種場景下車型的精準識別都具有一定的技術挑戰。

應用領域之二：金融

金融領域的應用主要體現在兩點，一方面是銀行監控，需要計算機主動提前識別網點的異樣信息，這與政府領域的安防監控應用類似，另一方面是人臉識別在銀行、證券遠程開戶上的應用。在遠程開戶時，金融機構可以通過智能終端在線上進行身份鑒權驗證，使用人臉識別技術開戶可以極大提升業務辦理的安全性、時效性，并節省大量人力。

應用領域之三： 商業

零售門店：在零售門店里，視頻大數據技術可用于客流統計、消費者心理和行為分析。通過客流統計數據，分析不同區域、通道的客流和顧客滯留時間，與銷售業績報表結合，可以分析顧客購買行為，顧客性別年齡組成。同時， 還可以對顧客進行初步面部表情分析， 初步了解客戶的喜好特征，使得商家能夠制定對應的營銷策略。

廣告營銷：視頻大數據分析技術可以實現廣告與客戶需求更加精準的匹配。 目前龐大的視頻大數據資源已經吸引了國內外頂尖視頻網站的涉足。通過大數據挖掘自動分析視頻中的畫面內容，并自動在視頻中產生信息、標簽、商品等內容，從而實現更精確的廣告精準匹配，增加廣告投放，實現將流量轉換成營收的目標。同時還可以進行廣告效果的監測，獲得視頻里面品牌曝光的次數、時長等。

互聯網視頻數據篩查：同樣，視頻大數據技術在網絡黃暴盜版信息監測上也會節省大量的人力。目前在云存儲平臺上，視頻圖像數據的存儲量巨大，通過人工審核黃暴等信息會是一個非常消耗時間和人力的任務。通過視頻大數據技術，可以精準識別出這些平臺的色情、暴恐、小廣告等違規圖片或視頻，能幫助開發者團隊降低運營風險和法律風險，節省大量審核人力。例如迅雷通過圖像識別云平臺，超過98%的色情視頻被機器過濾，復審量低于總量2%，節省了超過98%的人力成本。

應用領域之四：機器人等新興行業

目前，在機器人、無人駕駛汽車、無人機、VR等新興領域，智能視頻分析技術正作為重要工具得到廣泛應用。隨著這些領域的發展壯大，視頻大數據分析的應用場景會不斷豐富。

家用機器人：家用機器人需要在密布的家居中實現自動清掃等功能，則需要依賴對周圍的目標檢測，避開障礙物，獲取行動路徑，完成系列動作。在更高級的階段，需要通過相關算法，識別家庭成員的身份、面部表情、情緒變化，以此實現自主互動和情感交流。

此外，視頻大數據技術還可以應用到超市機器人上，例如超市智能跟隨機器人不僅可以根據用戶的年齡和性別，進行精準的商品推薦，廣告推送，優惠券推送，打折信息推送，跟隨功能還可以徹底解放人們的雙手。

無人機：無人機和視頻大數據的結合可以做為一個數據采集和數據重構平臺，無人機在高空中采集豐富的圖像信息(地理信息，圖形信息，圖片， 視頻，光譜等)，這個數據量非常巨大，利用視頻大數據技術可以對采集的數據進行重構、 識別等。

一方面，兩者的結合可以用于真實地理目標構建和地圖搭建。這類復雜場景高精度三維重建技術可以用于建筑古跡修復工作、大型建筑物3D數字模型建構，甚至是電影特殊場景的呈現。

另一方面，視頻分析技術可以幫助無人機確定周圍世界的基本屬性和大致情況，避開障礙物，避免在高速情況下同其他無人機或飛機發生碰撞。

無人駕駛汽車：在無人駕駛汽車領域，視頻大數據分析技術可以幫助汽車通過視頻攝像頭感知和識別行駛的車道上周邊的物體，辨別車道和交通信號，檢測出車輛、行人、樹木等運動目標， 防止事故的發生。

AR/VR：虛擬現實利用計算機技術從空間和位臵上來模擬人類視覺、聽覺、觸覺甚至是嗅覺的感受， 達到身臨其境的效果。其中，模擬人類的視覺需要用到計算機視覺技術，兩者天然就可以緊密結合。2015 年，Oculus VR收購了英國計算機視覺公司 Surreal Vision，一家主要為 AR 提供實時逼真的3D場景視覺重現的新創公司。該公司通過使用彩色及深度攝像頭，利用 3D場景重建算法，提供實時逼真的周圍環境視覺成像模型。