广州弘度信息科技有限公司产品总监 李焕佳
视频监控市场发展带来的机����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������遇
近年来,国内视频监控市场受广州亚运会、北����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ������京奥运会、上海世博会、平安城市、雪����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������亮工程、智慧社区等大型安保项目以及各行业����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������视频监控需求快速增长等因素的刺激和����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������拉动,市场规模迅速扩大。����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������在安防行业高速发展的同时,国家对公共安全设����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ������备的运维管理也非常重视,近年来����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������相关部门陆续出台关于视频运维考核的相关文件����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������也彰显出视频运维的重要性。2015年5月,国家发����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������展改革委员会等九部委发文《关于加强公共安全����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������视频监控建设联网应用工作的若干意见》提出,到2����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������020年要基本实现“全域覆盖、全网共����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������享、全时可用、全程可控”的公共安全视频监����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������控建设联网应用目标。其中“全时可用”提及重点����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������公共区域安装的视频监控摄像机完����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������好率要达到98%,公共区域����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������的视频监控摄像机完好率要达到95����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������%。
视频监控系统如果采用传统的人工运维方式,����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������其被动运维效率低下,经常����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������出现漏检问题,数据统计不完整,考核����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������无法下手,无法适应城市视频规模高速增长和����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������相关业务应用不断增加的管理需求,运维管理只����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������会越来越被动。从人力成本上涨、技术复杂性和专业性����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������等因素综合衡量,未来以AI技术代替人工巡检的智能����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������化视频诊断工具必是行业的发展方向。
视频诊断算法的发展现状
视频诊断系统中最核心����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������的技术就是视觉分析算法,����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������而专门应用于运维场景的算法����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������是没有受到太多的关注,技术发展落后于大家熟知����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������的人脸识别、目标识别等应用算法����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������。2006年,Hinton提出“深度����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������学习“神经网络使得人工智能性����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������能获得突破性进展。2013年开始,深度学习����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������算法在视觉识别上取得成功,识别率超过����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������了95%。
20����� ������� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������������Ƴ�������15年开����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ������始,中国出台各项鼓励政策,并且把����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������人工智能技术研发写入”十三五“规划中。”智����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������慧城市“、”互联网+“等政策支持,助推����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������了视觉分析算法在国内快速发展。根据2018年的����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������统计,超过50%份额集中����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������在安防行业。其中超过90%的资本主要投入到研究视����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������频人脸识别、结构化分析、目标识����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������别等算法的应用中。
业内关于视频诊断相关算法的研究投入非����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������常小,只有少量企业通过借助2013年深度学习����� �������Ƴ����������� �������Ƴ������������ �������Ƴ����������� �������Ƴ�������技术的突破,推出了视频质量诊断相����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������关的产品。该时期产品支持的质量诊断功能较少����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������,用户对于实际交付的准确率要求并不高。近几年,业����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������内视频诊断产品,在算法层面应该是没有突破性发展的����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������,哪怕是最优秀的选手,识别率最高只能达到90%~����� �������Ƴ����������� �������Ƴ������������ �������Ƴ����������� �������Ƴ�������95%。这个准确率对于小规模应用,勉强可以����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������接受,但是一旦设备数量超过万路的项目,误报数����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������量也是非常惊人的,需要投入大量人����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������力进行复核过程,无法实现自动化、智能化运维。����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������
视频诊断技术发展的挑战
目前发展比较成熟可以����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������大规模应用的人脸识别和目标识别算����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������法之所以发展如此迅速,主����� �������Ƴ����������� �������Ƴ������������ �������Ƴ����������� �������Ƴ�������要原因是:1.此类算法需要的����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������模型训练生产资料非常容易获得;2.AI基础层供应����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������端的产业配套齐全,包括一站式数据治理平����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������台、计算硬件平台以及AI软件开发平台。����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������完整的产业链供给使得需要该类技术的企业只����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������需要投入较少资金即可采购到高质量����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������的解决方案进行集成。而视频诊断的AI分析算法,并����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������不具备人脸识别场景那么好的发展条件,目前在����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������算法定义、数据收集、模型训练以及准确率评����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������估方面都存在更高的门槛。
1.算法定义。视频监控的图像异常情况非����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������常繁多,类型界定模糊,无法统一量化标准,����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������因此大多数图像场景需要多种算法组合。对����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������单种图像异常类型仍需要定义大量的����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ������模型才能适应不同场景。
2.数据收集。异常故障多为偶发事件,����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������数据量非常少,并且无法模拟,无法批量生产����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������训练数据,因此����� �������Ƴ�������� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�����������需要具有大量项目基����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������础数据积累才能形成孵化产����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������品,建立可持续采集和发布的应用模式才����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������能具备持续优化产品的能力。
3. 模型训练。异常故障数据多集中在常见����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������故障,异常的图像样本个体差异巨大,传统的模型训����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������练方式和成效只能满足一些基����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������本功能,精度可达到90%以上。如果没有应对����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������不常见视频质量问题和图像����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������个体差异的措施,系统功能和准确率����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������会出现严重偏科的情况。
4.准确率评估。异常故障界定必然会受到主����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������观判断差异的影响,一千个用户心中就有一千套衡量标����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������准,一套标准只能趋近大多数场景的期望,标准算����� �������Ƴ������������ �������Ƴ����������� �������Ƴ����������� �������Ƴ�������法只能无限趋近大部分用户的期望,无法满足所有用����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������户场景的需求。因此视频诊断系统就需要配套技����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ������术手段来应对这些矛盾冲突,才能有效提升����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������实战应用的准确率。
视频诊断系统要提升准确率和适应性,除了要����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������解决标准化AI算法持续优化问题,还需要关����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������注产品交付过程中算法定义����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������、数据收集、模型训练以及准确率评估四个环节如何����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������做到自动化和智能化,将自主学习的����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������理念融入到产品使用过程中。
弘度科技带来的技术革新
弘度科技作为专业视频诊断����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������服务提供商,通过多年在大型����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������平安城市、雪亮工程以及智慧社区项目中持����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������续积累,专注于新一代视频运维整体解决方案的持续创����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������新。面对视频诊断系统在交付过程����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������中产品准确率和适应性如何持续提升的挑战,弘����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������度科技首创的有源视频诊断技术融合了视频解码技术����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������、图像处理技术、计算机视觉技术、计算机图形学����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ������、统计学以及基于深度学习的图像识别等多项技术����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������,打造具有自主学习能力的视频诊断产品。
支持有源视频诊断技术的产品����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������,通过收集用户对每路视频诊����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������断结果的感知行为,结合视频图像分析的数据����� �������Ƴ������������ �������Ƴ����������� �������Ƴ����������� �������Ƴ�������,根据算法调优知识图谱对每路视频创建独立����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������的深度学习AI分析模型,为视频质量诊断应用提����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������供了全新的解题思路。
有源视频质量诊断技术是指基于����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������用户视频质量期望作为建模训练����� ��������� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ����������Ƴ�������参照目标,采用高效的视频����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������解码与先进的图像分析算法、处理算����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������法、以及AI深度学习算法对视频图像中存在的质量问����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������题进行实时地智能分析、判断����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������和告警。有源诊断技术和传统的无源诊����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������断设计思路存在以下差异:
1.加入自主学习的理念,将数据采标及处����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������理、模型评估调优、新模型部署以及数据输入运����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������算等过程实现自动化和可视化。交付过����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������程中即可根据不同场景和用户判断标����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������准形成个体项目最优分析模型库����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������。主动规避标准算法模型库无法满����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������足不同项目之间的场景差异、管理要求����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������差异等问题。
2. 无源诊断对于单路视频个体在进����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������行AI分析时采用的是标准算法模型库和统一的判����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������定标准。每个摄像头的业务场景和用户主观标准����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������必然存在差异,而有源诊断支持对每路视����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������频个体定义独立的深度学习对象����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������,形成该摄像头独立的最优分析模型。
如图1所示,假设三个摄像机都认为视����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������频遮挡情况,诊断系统需要将每次诊断结果����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������都给出趋近用户期望的结果。无源诊断和有源诊断����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������解题思路存在以下区别:
1.无源诊断。一般采用的是一个全局遮挡模型,����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������很有可能出现算法模型只能满����� �������Ƴ������������ �������Ƴ����������� �������Ƴ����������� �������Ƴ�������足大部分摄像头的场景诊断结果����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������。而根据少量漏报的摄像头进行算法调整模型����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������又可能会带来整体误报率的提升。
2. 有源诊断。允许针对单个摄����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������像机设置分析模型,实现“千机千����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������面”,降低因为摄像机工作环境不同和用户����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������的主观判断差异所致的误报和漏报问题。
弘度运维产品采用的有源视频质量诊断技术����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������是以优秀的深度学习算法为基础,通过����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������加载全新自主研发的有源主动学习技术����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������框架重新设计与定义视频图像����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������质量评估系统,产品通过用户主观判定����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������标注即可动态调整模型参数,完成����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������自主学习过程,支持单个摄像����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������机建立大量的分析模型适应不同场景需求,与同类产品����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������相比可大大提升产品的准确性和适应性����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������。
产品具有以下优势:
1.具备优秀的第三方平台级接入能力,采����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������用全新自主研����� ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������Ƴ�������发的高性能视频运维技����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������术框架,支持市面上绝大多数的视频品牌接入,����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������可直接统一管理已有的前端����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������设备,减少项目落地难度。����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������
2. 其所应用的视频诊����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������断技术可对超过20种视频质量指标进行检测����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������,包括取流状态、视频丢失、视频干扰(条纹、噪声����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������、剧变干扰)、视频遮挡(异物、树����� �������Ƴ����������� �������Ƴ����������� �������Ƴ������������ �������Ƴ�������叶遮挡)、亮度异常(过亮、过暗)、图像偏色、视频����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������模糊、视频卡顿、视频冻结����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������、视频抖动、场景变更、OSD异常、时间差检测、分����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������辨率检测、码流检测以及视频时延检����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������测等。
3. 具备高性能视频质����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������量诊断,提供领先的诊断速度,准确����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������率高达99%以上。
视频运维诊断技术未来的发展预测
视频监控市场的快速发展对视频运维来����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������说既是机遇也是挑战。未来视频����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������运维的发展趋势有以下三点:
1. 更加全面深入的视频诊断技术
视频监控系统建设具有两个最核心的目����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������的,一是提供实时图像的集中查看,二����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������是提供录像保存功能为事件溯源提供证据。如果视频����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������监控系统在实际运行过程中实时视频正常,但����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������录像出现问题,对于用户来说系����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������统建设后的成效是大打折扣的,录像质量风险才����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������是迫切需要警惕的。近年来,从公安、金融����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������等行业用户对视频监控系统的运维考核要求����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������中可以看出,用户已经逐渐从关注设备����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������的在线率和完好率逐渐提升对于录像的运维考核����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������要求。目前大部分视频运维工具的主要功能还是围����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������绕设备状态监控和实时视频诊断,而对于录像诊断的相����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������关研究还是不够深入重视的。对����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������比实时视频诊断业务,录像全方位诊断面对的����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ������数据量成倍增长,需要更高效率的算����� �������Ƴ������������ �������Ƴ����������� �������Ƴ����������� �������Ƴ�������法和更复杂的业务分析能力。
2. 故障精准定位,辅助运维
现阶段的视频运维工具主要是发现单个视频设����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������备的故障,但无法精准地定位故障����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������原因及业务影响分析,例如某个视频点位无录像,可能����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������原因有硬盘故障、无硬盘、未配置录像计划、设备关机����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������以及网络中断等。近年来,各种网络检测和物联网设����� �������Ƴ������������ �������Ƴ����������� �������Ƴ����������� �������Ƴ�������备监测����� ���������� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ��������Ƴ�������都已上线为智慧����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������城市保驾护航,虽然可以实时监测前����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������端设备的工作状态,使运维更����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������加便捷,但远远达不到故障����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ�������精准定位的严格要求。未来通过AI和大数据技术的快����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������速融合,通过全局搜索、关联分析、机器学习����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������以及数据建模等,视频运维的故障精����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������准定位应可自动分析各种故障因素进行排查并最终����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������确定故障原因且可自动给出维护����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������的指导意见来辅助运维,视频运维工具����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������终将成为易用工具。
3. 小型、轻量化的视频运维工具的需求
现阶段,专业的视频运维����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������工具或平台主要应用在公安、司法以及金融等视频����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������规模较大的行业,而对于一些中小规模的视����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������频监控场景应用却比较少,究其原因是对视频运����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������维的重视程度不够。但随着2021年《中华人民共����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������和国民法典》的政策出台,像以����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ������往难以确权的场景,如高空抛物伤害、公共场所伤����� �������Ƴ������������ �������Ƴ����������� �������Ƴ������������ �������Ƴ������害都有详细解读,它们的共����� �������Ƴ������������ �������Ƴ������������ �������Ƴ����������� �������Ƴ�������同点就是管理方或组织方要是能举证说明����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������自己尽到了安全保障义务,以保障当事人的安全,这样����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������是可以免除或减轻侵权责任的。而完整关键的视频和录����� �������Ƴ����������� �������Ƴ������������ �������Ƴ������������ �������Ƴ�������像或将成为最好、最直接的举����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������证工具,所以小型、轻量化的视频运维����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������工具市场未来可期,这是监����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������控规模扩大后及政策法规完善����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������后的必然。
以上内容摘自《中国安防》2021.10����� �������Ƴ������������ �������Ƴ������������ �������Ƴ������������ �������Ƴ�������