视频大数据渐成趋势：三大因素驱动 四大领域发挥

近年来，视频数据的价值逐渐得到大家重视，通过计算机替代人力来挖掘视频数据价值正成为数据所有者非常关心的问题。但是，视频数据除了具备一般大数据的典型特征，还具有数据维度更多、数据量更大、非结构化等问题，视频大数据分析技术的难度显而易见。

尽管如此，无论是IT巨头公司，还是具有一定研发能力的创业团队，在三大因素驱动下开始在计算机视觉、深度学习领域进行布局。

驱动因素之一：累积的视频数据价值量巨大

从量的角度看，视频监控数据和互联网视频内容数据近年来有了大幅增加，为数据挖掘提供了丰富资源。据IDC的《The Digital Universe in 2020》统计，2012年全球有分析价值的数据中有一半是监控视频数据，这个比例在2015年上升到65%，速度是每两年翻一番。在国内，我们大约有3000万台监控摄像机，每月将生成60EB的视频数据，中国已经成为世界最主要的视频监控市场。

而在互联网上，随着移动互联网的快速发展，多媒体视频与图像应用越来越广泛。这些视频应用每时每刻产生海量的视频数据，目前已约占人们通讯数据量的80%。

从质的角度看，随着监控技术往高清化、网络化、智能化发展，高分辨率和高帧率已成为视频监控主流需求。视频数据的质量越高，其分析价值越大。

驱动因素之二： 技术的成熟

以深度学习算法为基础的计算机视觉技术的进步，为视频大数据分析提供了强大的计算和分析工具。反过来，巨量的视频数据也为机器训练提供了丰富的素材，“大数据是人工智能的燃料”。

驱动因素之三： 政策的推动

近年来，在“平安城市”的建设框架下，摄像头等硬件设备的普及率明显上升，后台监控平台软件也得到了一定程度的应用。政府希望能够使用视频数据降低人工投入，提高社会管理的能力。公安部、发改委等部委先后发布一系列政策，大力推进“大联网”战略。深化视频图像信息预测预警、实时监控、轨迹追踪、快速检索等应用。

同时，随着硬件和基础软件平台渗透率的不断提升，用户对视频监控系统的关注点已经从单纯的系统建设，向运营、管理、应用，尤其是实战应用方面发展，要从现在的“看得见”进步到“看得懂”。从客户类型结构看，原来平安城市更多是来源于交警部门和公安部门的建设需求，未来政府的其他部门如刑侦、交通运输部门、司法等行业在视频监控管理与应用上的需求也会涌现。

目前，视频大数据分析技术逐渐在政府、金融、商业等领域得到应用，甚至成为了无人机、无人驾驶汽车、VR、机器人等新兴领域的关键技术。

应用领域之一：政府部门

政府对视频智能分析的需求一方面体现在平安城市框架下安防和案件侦查对存量和更新视频数据分析的迫切需求，另一方面体现在交管领域对车牌识别、违章行为识别的分析需求。

安防和案件侦查利用视频大数据分析可以大大降低公安干警的人力投入，提高办案效率。在以往的一些案件中，比如2012年在南京发生的“1·6”抢劫案和“8.10重庆枪击抢劫案”(周克华案)，警方都动用了上千的公安干警进行原始的视频数据人眼搜索，严重影响公安部门破案的进度和效率。而通过计算机自动查找、识别视频信息的优势显而易见，相关技术在该领域的应用前景非常巨大。

交管领域对视频大数据分析的需求同样迫切。例如，一线城市普遍实行了限行措施，这就需要靠计算机对车牌信息进行自动识别。在实际操作中，经常会出现强光照、大侧角、模糊等极难条件，准确识别车牌关键信息、实现各种场景下车型的精准识别都具有一定的技术挑战。

应用领域之二：金融

金融领域的应用主要体现在两点，一方面是银行监控，需要计算机主动提前识别网点的异样信息，这与政府领域的安防监控应用类似，另一方面是人脸识别在银行、证券远程开户上的应用。在远程开户时，金融机构可以通过智能终端在线上进行身份鉴权验证，使用人脸识别技术开户可以极大提升业务办理的安全性、时效性，并节省大量人力。

应用领域之三： 商业

零售门店：在零售门店里，视频大数据技术可用于客流统计、消费者心理和行为分析。通过客流统计数据，分析不同区域、通道的客流和顾客滞留时间，与销售业绩报表结合，可以分析顾客购买行为，顾客性别年龄组成。同时， 还可以对顾客进行初步面部表情分析， 初步了解客户的喜好特征，使得商家能够制定对应的营销策略。

广告营销：视频大数据分析技术可以实现广告与客户需求更加精准的匹配。 目前庞大的视频大数据资源已经吸引了国内外顶尖视频网站的涉足。通过大数据挖掘自动分析视频中的画面内容，并自动在视频中产生信息、标签、商品等内容，从而实现更精确的广告精准匹配，增加广告投放，实现将流量转换成营收的目标。同时还可以进行广告效果的监测，获得视频里面品牌曝光的次数、时长等。

互联网视频数据筛查：同样，视频大数据技术在网络黄暴盗版信息监测上也会节省大量的人力。目前在云存储平台上，视频图像数据的存储量巨大，通过人工审核黄暴等信息会是一个非常消耗时间和人力的任务。通过视频大数据技术，可以精准识别出这些平台的色情、暴恐、小广告等违规图片或视频，能帮助开发者团队降低运营风险和法律风险，节省大量审核人力。例如迅雷通过图像识别云平台，超过98%的色情视频被机器过滤，复审量低于总量2%，节省了超过98%的人力成本。

应用领域之四：机器人等新兴行业

目前，在机器人、无人驾驶汽车、无人机、VR等新兴领域，智能视频分析技术正作为重要工具得到广泛应用。随着这些领域的发展壮大，视频大数据分析的应用场景会不断丰富。

家用机器人：家用机器人需要在密布的家居中实现自动清扫等功能，则需要依赖对周围的目标检测，避开障碍物，获取行动路径，完成系列动作。在更高级的阶段，需要通过相关算法，识别家庭成员的身份、面部表情、情绪变化，以此实现自主互动和情感交流。

此外，视频大数据技术还可以应用到超市机器人上，例如超市智能跟随机器人不仅可以根据用户的年龄和性别，进行精准的商品推荐，广告推送，优惠券推送，打折信息推送，跟随功能还可以彻底解放人们的双手。

无人机：无人机和视频大数据的结合可以做为一个数据采集和数据重构平台，无人机在高空中采集丰富的图像信息(地理信息，图形信息，图片， 视频，光谱等)，这个数据量非常巨大，利用视频大数据技术可以对采集的数据进行重构、 识别等。

一方面，两者的结合可以用于真实地理目标构建和地图搭建。这类复杂场景高精度三维重建技术可以用于建筑古迹修复工作、大型建筑物3D数字模型建构，甚至是电影特殊场景的呈现。

另一方面，视频分析技术可以帮助无人机确定周围世界的基本属性和大致情况，避开障碍物，避免在高速情况下同其他无人机或飞机发生碰撞。

无人驾驶汽车：在无人驾驶汽车领域，视频大数据分析技术可以帮助汽车通过视频摄像头感知和识别行驶的车道上周边的物体，辨别车道和交通信号，检测出车辆、行人、树木等运动目标， 防止事故的发生。

AR/VR：虚拟现实利用计算机技术从空间和位臵上来模拟人类视觉、听觉、触觉甚至是嗅觉的感受， 达到身临其境的效果。其中，模拟人类的视觉需要用到计算机视觉技术，两者天然就可以紧密结合。2015 年，Oculus VR收购了英国计算机视觉公司 Surreal Vision，一家主要为 AR 提供实时逼真的3D场景视觉重现的新创公司。该公司通过使用彩色及深度摄像头，利用 3D场景重建算法，提供实时逼真的周围环境视觉成像模型。