視頻分析技術和云計算技術相結合，創新盈利模式。 預計仍然會以項目制為主，但云計算的引入提供了更好選擇。例如， 視頻監控即服務（ VideoSurveillance as a Service， VSaaS） 模式、 曠視科技的智能云平臺 、極視角的計算機視覺 PaaS 平臺等都是按服務來收費。未來，計算機公司如果能實現基于視頻數據的運營，切入到應用領域，將是商業模式的革命性進步。

視頻大數據分析又稱智能視頻分析， 指的是通過算法，高效處理海量非結構化的視頻圖像數據， 實現對數據的快速檢索、智能識別和理解 。 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。 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。

但是，技術的難度顯而易見。 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。盡管計算機具有比人類大腦更好的記憶力（機器不會體力不支或者遺忘），但是分析能力遠遠落后于人類。一個二三歲的小孩，我們只需要一個場景或者一張照片就可以教會他“小狗是長啥樣的”，他下次碰到另一條狗（正常的狗），一般就能識別出來。但是，我們要讓計算機學習“什么 是狗”卻是一件非常難的事情。 在視頻數據分析時，計算機需要區分視頻圖像里面的目標、識別出其行為特征甚至對其未來的行為進行預判，本質上是讓計算機具有人類“眼睛”和“大腦”的功能，技術難度非常大。

一般而言，視頻大數據分析技術主要集中于計算機視覺（ Computer Vision）領域，而在 13 年以后，深度學習算法的進步極大提升了計算機視覺技術，使得視頻數據分析有了更強大的工具。 我們注意到，無論是 IT 巨頭公司，還是具有一定研發能力的初創團隊， 近年來均開始在計算機視覺、深度學習領域進行布局。

視頻大數據分析大致分為三個層次：目標檢測、目標識別和行為理解。 目標檢測是將目標從背景中分離出來，把不相關的畫面去掉，是視頻分析的基礎。目標識別回答了“是什么”的問題，大家熟知的人臉識別就是其中一種。目標的行為理解回答了“在干什么”和“將會干什么”的問題，是目標識別的高級階段。

我們判斷視頻大數據分析技術在政府、 金融、 商業、機器人、無人機、無人駕駛汽車等領域均有巨大的應用前景。 單就安保領域來講，未來對視頻數據分析軟件的投入預計會在 200 億-300 億之間。如果算上其他領域的需求，預計行業空間至少在千億以上。

1、 行業驅動因素和應用領域

1 .1 、 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》報告， 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%，僅 YouTube 一個視頻網站就擁有 10 億用戶，每分鐘有 300 小時視頻被上傳， 5000 萬小時視頻被觀看。在國內， 網絡視頻用戶超過 5 億，其中手機視頻用戶有 4.1 億。如果以 25Mbps 的 1080i 高清 HD 視頻觀看， 5 分鐘 1GB，每個月數據 1.38EB 可以觀看 14000 年。

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。

1 .2、 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”。

1 .3、 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。但是，目前階段，仍然存在數據分散、分析不到位的問題，大部分數據仍然躺在角落里而沒有被利用，視頻數據的價值沒有得到充分的挖掘和利用。

政府已經意識到數據的價值，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。 目前， 政府正大力推進“大聯網”戰略。“大聯網”戰略的第一步是公安系統的視頻圖像聯網： 2012 年，公安部發布《安全防范視頻監控聯網系統信息傳輸、交換、控制技術要求》，要求爭取到 2015 年要實現全國公安機關視頻圖像聯網調度和資源共享。公安系統的監控來源一般分為公安部門的治安監控攝像機、交警部門道路監控攝像機、城管部門的城管監控攝像機等，公安大聯網就是要求公安系統里面的各個監管來源能夠統一起來。從目前的執行情況看，一二線城市已經做得很好了，主要的增量來源于三四線城市。“大聯網”戰略的第二步是要將社會資源監控并入公安監控平臺。 2015 年 5 月 6 日，發改委聯合八部委發布《關于加強公共安全視頻監控建設聯網應用工作的若干意見》（簡稱“若干意見”）要求將社會監控資源（如商業機構的監控信息也要與公安部的平臺進行聯網）并入公安聯網平臺，并要求逐步建立國家級和省級公共安全視頻圖像數據處理分析中心，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。要實現“大聯網”戰略的第二步，需要對原有監控平臺進行升級改造，這一塊進展才剛剛開始。

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。 例如，公安部在15 年 6 月《全國公安刑事技術視頻偵查裝備項目建設任務書》 中 對視頻偵查領域進行了規劃及管理。任務書明確將視頻偵查納入繼網偵、刑偵、技偵之后公安機關第四大偵查手段。未來 5 年內 會投入 100 億左右的專項資金在省、市、縣視頻偵查示范工作室的建設上。

1 .4、 應用領域：政府

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。 目前國內的上市公司如東方網力等均在嘗試用視頻大數據技術幫助客戶更好、更加智能地進行監控，更加快速地利用視頻數據找到目標。

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。再比如，深圳最近在某些主干道實現多人乘車專用道路，只有副駕駛座上有乘客的車輛才能在規定時間行駛在專用車道上，這個時候就需要攝像機能夠識別副駕駛座上的人員信息。 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。

1.5、 應用領域：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。

1 .6、 應用領域： 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包括 BAT 在內的國內外頂尖視頻網站的涉足。阿里與優酷土豆的邊看邊買，百度和愛奇藝的隨視購，以及騰訊視頻、搜狐視頻，芒果TV 都陸續開始在視頻畫面中植入廣告。 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。 2016年 3 月 全國“掃黃打非”辦公室、中央網信辦、公安部、工業和信息化部、國家新聞出版廣電總局等五部門聯合下發通知，集中時間、集中力量全面開展打擊利用云盤傳播淫穢色情信息專項整治行動，著力治理利用云盤傳播淫穢色情信息違法行為。 目前在百度云盤、微盤、 360 云盤等云存儲平臺上，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。 例如圖普科技就是基于深度學習圖像識別技術，推出圖像識別云服務，為企業提供各種圖片 /視頻審核、增值、搜索服務。 迅雷通過接入圖普科技的圖像識別云平臺，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。

1 .7、 應用領域： 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。

視頻大數據技術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。例如， 無人機數據處理軟件提供商 Pix4D 曾聯合了無人機制造商 Aeryon Labs 以及巴西里約PUC 大學，利用無人機為里約的標志性建筑高達 30 米的基督像進行高精度 3D 立體掃描，建立基督像的 3D 數字模型，有著非常高的精確度，誤差在 2-5 厘米左右。 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。 目前亞馬遜已經開展快遞無人機項目，目標是 30 分鐘在 15 英里范圍內交付重量低于 5 磅(約合 2 公斤)的包裹，在 2016 年 5 月，亞馬遜收購了一支由 12 名計算機視覺專家組成的團隊，幫助解決無人機送貨所面臨的一些難題。

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。

節選自興業證券研究報告《視頻大數據：開啟計算機的眼和腦》

End.