深度学习开启智能视频分析技术的新篇章
近年来，深度学习在语音识别、图像识别、自然语言处理等应用中取得了显着的成效。深度学习也正影响着安防企业，影响着智能视频分析技术。智能视频分析是计算机图像视觉技术在安防领域应用的一个分支，是一种基于目标行为的智能监控技术，其支持的功能主要有：人车物特征识别采集、人员及物件行为报警、视频信号及质量诊断、视频增强处理、图像比对、视频摘要、内容分拣等。深度学习解决了传统智能视频分析技术人工选择特征准确率低、浅层学习模型无法解析大数据等问题，使视频分析过程中识别准确率更高、环境适应性更好、识别种类更丰富。
在以人、车、物为核心视频特征识别领域，目前最成熟的其实是车辆识别算法，在平安城市建设和公安实战创新的推动下，车辆识别技术在智慧交通、智慧警务等行业的应用取得了不错的成果。国内以深圳华尊科技为代表，在算法准确率、系统稳定性、识别种类、公安车辆大数据实战应用上表现得较为突出，且数次在华为国内外的大型活动中亮相。人脸识别算法因其应用的广泛性，火爆程度远远大于车辆算法，但就目前的技术来看，在准确率、更深层的应用上还有很高的提升空间，以旷视、商汤为代表的算法公司也在高校人才及技术储备、各行业的浅层应用上做出了努力。
大数据时代为算法研究提供了高效的计算工具，而数据量的增加也意味着需要更复杂的视频分析算法模型来诠释和挖掘这些数据，使占有巨大存储资源的视频数据发挥出更多的价值。目前人员行为分析、人群分析等复杂的算法还在起步阶段，让我们想象一下，基于对人体、生物体行为细节的精确捕捉和复杂分析模型，一个城市级的视频大数据中心将能为公共安全、各类学科研究、商业发展乃至人类的进步做出多大的贡献。
海量视频数据存储呈现前端分布式存储、后端集中存储和云存储三种模式
随着视频图像清晰度的不断提高，其存储需求也在不断发生变化。在安防视频监控领域，目前主要存储方式有三种：前端分布式存储、后端集中存储和云存储。
原有的模拟及模数混合组网的视频监控正逐步被纯IP化、全高清的网络视频监控所取代，因此前端分布式存储产品也由DVR、HDVR(混合式DVR)逐步替换成NVR产品。随着前端分布式存储的系统组网成本不断降低，同时4K、H.265技术的推出大大提高了视频图像的清晰度，并通过改变编码方式降低了存储空间需求，使得前端NVR存储产品的竞争力进一步增强。另外，NVR产品由于其简单易用的特性，为不同层面的客户所广泛使用。
相对NVR的分布式存储而言，后端集中存储方式更加注重数据的集中保存、数据的可靠性及统一的管理维护，同时具有较好的容量扩展能力，因此后端集中存储方式更适合大规模部署。集中存储主要以SAN/NAS为主要代表，其中SAN因为其高性能、高稳定性而被广泛采用。FCSAN产品延时小、可靠性高，但建设成本也高很多，针对于视频监控的大容量存储需求来说并不是非常合适，而IPSAN产品由于其互联互通性高、管理维护简单、建设成本相对低廉等优势而为安防视频监控行业所广泛应用。
采用多台IPSAN存储设备叠加的方式勉强实现视频接入和图像存储需求时，由于多台存储设备间相互独立，缺乏有效的数据整合与协同处理能力，因此也额外带来了存储设备的统一管理、设备冗余性能和存储空间无法共享及利用等问题。应需而生的云存储利用集群化、虚拟化、分布式文件系统等技术对整个系统内的设备资源、带宽资源、存储空间资源等进行统一整合，从而为用户提供大容量、高性能、高可靠的透明存储服务。在云存储技术中，不同厂家的应用方案也有所不同，安防厂商基于对业务的理解顺势推出安防专用云存储，数据存储厂商则力推通用云存储以期满足用户多样化需求。