視頻尋蹤

謝金萍+陳曉平

2016年8月，歷時28年的甘肅白銀連環(huán)殺人案告破，利用指紋和DNA深入偵查，警方最終確定犯罪嫌疑人高承勇，在白銀市將其抓獲，大快人心。

1988年至2002年，共犯下11宗強奸殺人案，過去20多年，為何遲遲未破案？公眾討論反復提及的一大原因，即是缺乏監(jiān)控錄像。從 1990 年代中期開始，視頻監(jiān)控應用才在大城市開始起步，2002年前的小城白銀，未有完善的視頻監(jiān)控系統(tǒng)，影響了案件的偵破進展。

試想一下，如果20多年前即擁有現(xiàn)在的視頻偵查技術，或許能阻止白銀悲劇的發(fā)生，而站在現(xiàn)在的技術起點上，視頻監(jiān)控技術正處于一個質變的前夜，未來發(fā)展充滿想象、機會以及潛藏的威脅。

2008年有部好萊塢電影《鷹眼》，描述大數(shù)據技術運用于視頻監(jiān)控，可從海量影像中捕捉既定目標，而個人在遍布的攝像頭前無從遁形，已不再是科幻故事。如今，以深度學習技術為代表的人工智能正開始滲透至視頻監(jiān)控領域，可以更快、更準確地識別、跟蹤、檢索海量視頻中的信息內容，多家安防廠商正投入大量資金，不遺余力研發(fā)“視頻智能化”相關的技術和產品，部分產品在2017年即可實現(xiàn)商業(yè)化應用。

可檢索、可追溯、可自動分析、可深度挖掘的視頻智能化，正成為現(xiàn)實，以后，只要一張身份證，即可快速檢索其在攝像頭留存的影像，分析其行動軌跡。無疑，這將創(chuàng)造巨大的社會價值和商業(yè)價值，但是，每個人一定更加安全嗎？

第四類偵查

2004年，中國政府提出建設“平安城市”，在這一綜合性的管理系統(tǒng)中，視頻監(jiān)控扮演著關鍵的角色，公共場所的攝像頭數(shù)量開始迅速增長。

東方網力總經理趙永軍告訴《二十一世紀商業(yè)評論》（下稱《21CBR》）記者，視頻監(jiān)控管理系統(tǒng)可分三大部分：第一部分為攝像頭，在前段采集信息，記錄圖像、視頻，實現(xiàn)內容可視化；第二部分是聯(lián)網，借助運營商網絡傳輸回后臺各級指揮中心；第三部分為系統(tǒng)管理平臺，其存儲、分析傳輸回來的視頻信息。

其中，內容可視化、視頻聯(lián)網，只是基本的要求，市政管理部門真正關心的是視頻內容及其延伸價值。而核心的信息內容，不外乎是人、車、物，如何將這些關鍵信息提煉出來并進行分析，成為迫切需求。

“公安等部門要提取視頻中成千上萬的人、車、物等數(shù)據信息，大數(shù)據、云計算、云儲存等新技術開始廣泛應用于視頻監(jiān)控領域。”趙永軍解釋說，將視頻應用與使用者的具體業(yè)務結合起來，出現(xiàn)了視頻監(jiān)控管理平臺（View Management System，簡稱VMS）的概念。

東方網力成立于2000年，一直專注VMS的開發(fā)與研究，在VMS全球市場占有率中排名第三，現(xiàn)在市值約為200億元人民幣，以其2015年的“視云天下”產品為例，由視云聯(lián)網、視云圖偵、視云實戰(zhàn)、視云大數(shù)據等產品線構成，前端聯(lián)網各種各樣的攝象頭后，即可形成一個統(tǒng)一的大規(guī)模資源管理系統(tǒng)。

對于視頻信息內容的管理、檢索和分析，公安部門的需求尤其旺盛，并形成了一整套的案件偵破方式，比如，針對攀爬入室盜竊的案件，基于視頻分析可大大提升偵破的效率。2009 年后，公安部明確提出，圖偵（視頻圖像偵查）成為繼技偵、刑偵、網偵之后的第四大偵查技術。

遍布的攝像頭，降低了犯罪率，提高了破案率。以福建莆田為例，公開的數(shù)據披露，2011年以來，莆田市公安機關全面推進視頻監(jiān)控系統(tǒng)建設，截至2014年底，共建聯(lián)網視頻探頭30337個，主要城區(qū)視頻覆蓋率均達90%以上。同期，110報警服務平臺中接報的“兩搶”案件，從2011年的905起降至2014年的323起，降幅達64.31%；莆田市利用視頻破獲各類案件4955起，“由像到人”的視頻破案成其公安機關最主要的破案手段之一。

政府部門高度重視視頻監(jiān)控，但是，囿于傳統(tǒng)分析技術的局限，大量工作只能依賴人工進行，也使其在案件追蹤過程中吃盡苦頭。

以2012年震驚全國的周克華案件為例，為追蹤他的逃亡行蹤，公安部門曾安排近1400人觀看可能有其行藏的相關視頻。彼時，視頻監(jiān)控技術尚未成熟，關鍵信息的提取和分析只能采用人工觀看、排查的方式。而相關視頻總量大體相當于500萬部高清電影的體量，1000多人觀看了整整一個多月，而挖掘出來的線索卻非常有限。

人工處理效率較低，尤其人眼睛長時間盯著屏幕，大約每隔15-16 分鐘即會視覺疲勞，所追蹤的線索，可能在眼睛一睜一閉之間即錯過。如何處理大量視頻數(shù)據，將視頻的元素提煉出來，進行結構化處理，成為其亟待解決的痛點。

當前針對海量視頻信息內容的篩選，一種解決方案是“視頻摘要”技術（即視頻濃縮）。商湯科技主任研發(fā)工程師閆俊杰博士告訴《21CBR》記者，這種技術主要依賴背景建模和圖片拼接兩項技術完成，其原理是先通過對視頻的分析，提取運動目標，然后對各個目標的運動軌跡進行分析，將不同的目標拼接到一個共同的背景場景中，以某種方式進行組合。

視頻摘要技術分為動態(tài)和靜態(tài)兩類。前者指的是，在不動的場景下，將不同時間內出現(xiàn)的運動物體提取出來，疊加在同一個場景中，提高尋找目標的速度。比如，一段視頻中，一位穿紅色衣服的女性是關注對象，可用鼠標鎖定此人，雙擊即能切換到其現(xiàn)身的原始畫面；后者則是進行鏡頭探測、關鍵幀提取、場景聚類等一系列操作，從原始視頻中剪取生成的一系列靜止圖像的集合，最終生成具有代表性的關鍵幀序列或縮略視頻。

這種摘要技術的出現(xiàn)，極大提高了工作效率，比如，一段24小時不間斷的視頻內容，可以此進行關鍵信息濃縮，處理成數(shù)小時甚至30分鐘，便于快速觀看。

閆俊杰告訴《21CBR》記者，雖然視頻摘要技術提高了處理速度，但是由于背景建模不是很穩(wěn)定，比如在風吹動樹這種比較明顯的動態(tài)場景下，或是比較擁擠的場景下對于擁擠物體的區(qū)分，背景建模容易失效。另外，視頻摘要一般需要離線處理，視頻素材的存儲空間需求更大，也缺乏實時性，而且大量工作仍然要依靠人工處理。

人會疲勞，會犯錯，但是機器不會，那么，有沒有更加智能化的技術呢？

解構視頻

更徹底的視頻分析解決方案，即使以人工智能的方式，實現(xiàn)視頻結構化。

“視頻結構化是將傳統(tǒng)的基于人力查看的視頻監(jiān)控系統(tǒng)，提升成基于智能搜索、主動分析、綜合服務的視頻大數(shù)據智能平臺的關鍵?！鄙虦萍糃EO徐立告訴《21CBR》記者，結構化具有三個重要意義：對視頻內容提取關鍵信息進行存儲，基于語義進行自動檢索，未來更高層級的搜索以及大數(shù)據分析和挖掘。

具體來說，即是針對感興趣的目標、物體（包括人、車、非機動車、路牌等），可由人工大腦自動逐一檢測出來，進行跟蹤，厘清其屬性。比如，具體到一個人，分析包含年齡、性別、衣著、手提物品等各式各樣類型的屬性；車可以包含車牌、車型、顏色等一系列的屬性。確定屬性后，使用者即可進行功能性搜索，比如以圖搜圖或者文字搜索，在海量的視頻信息中找到具體目標。

假設這樣一個場景，110接到一個電話報警，“在一個十字街口看到有一輛藍色的凌志車，撞上了一輛黑色的寶馬”，若在傳統(tǒng)場景，具體哪個十字街口說不清，要在海量數(shù)據中搜索這樣一段視頻非常困難。若進行結構化后，即可利用關聯(lián)字——藍色的凌志、黑色的寶馬，以及十字路口，將相關的視頻內容檢索出來。

再者，無論存儲在云端或是本地計算機，傳統(tǒng)的視頻存儲量一直是一個問題。尤其2013年，中國開始實行智慧城市建設，攝像頭越來越高清，視頻的數(shù)據體量越來越大，存儲成為重要瓶頸。而若白銀案這種連續(xù)多年的案件，長時段視頻存儲對于案件偵破至關重要。

而一旦形成視頻的結構化，即可只存儲視頻中的有效內容，比如集中在人、車、物，這樣大大便利于信息的檢索。而且，同一段視頻內容，各不同部門可各自所需，例如交警部門感興趣的，主要是視頻中的車和非機動車等信息數(shù)據。

如此一來，可大量去除沒有意義的視頻內容，設定關鍵信息的屬性，進行高度壓縮的存儲，“有可能120G的視頻，一些部門需要的信息，可以壓縮到幾K，”徐立說，這樣關鍵信息將得到永久性的保存。比如白銀案，當時若能實現(xiàn)監(jiān)控且儲存結構化信息，那么，一檢索作案時段犯罪現(xiàn)場的人員往來關鍵信息，在多個場合同時出現(xiàn)的犯罪嫌疑人很可能會被鎖定，案件偵破可能相對容易很多。

問題是，如何進行視頻結構化呢？

閆俊杰解釋說，對視頻進行結構化數(shù)據處理的技術難點在于，一是如何解決視頻處理量比較大的問題；二是屬性識別的提升、準確率的提升，以及如何覆蓋更多的場景（比如晴天、陰天）。解決方案涉及時下流行的一個熱詞，深度學習技術。

長期以來，計算機遭遇這樣的尷尬，數(shù)量計算這種人類看似困難的事處理起來非常簡單，而如人臉識別這樣看似容易的事卻非常費勁，因為計算機不同于人腦，比如在識別圖片時，其看到的只能是數(shù)字，它必須能捕捉這些數(shù)字，再識別圖片究竟是什么，這牽扯非常復雜的算法。深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，可模仿人腦的機制來解釋數(shù)據，例如圖像、聲音和文本。

深度學習的技術淵源可追溯至上世紀80年代，只是囿于當時的數(shù)據量和計算能力，一直沒有得到重視，直到21世紀后，重新為學術界所關注。微軟人工智能首席科學家鄧力（Li Deng）曾在2009-2010年間與其合作者開發(fā)了一套算法，就將語音識別的準確率提高到一個新量級，“當時引爆了學術界，深度學習馬上成為大熱點，”徐立說，“大量研究開始朝著深度學習方向迅猛推進，技術應用不斷拓展，計算準確率大幅度提升。”

近年來，深度學習廣泛應用于三大領域：語音識別、自然語言處理（比如“微軟小冰”）以及計算機視覺（比如人臉識別）。AlphaGo的底層技術同樣是深度學習，這已成為計算機領域的顯學。

徐立之所以選擇創(chuàng)業(yè)，一個誘因是，當年在香港中文大學從事圖像處理研究時，香港警方主動上門，他們有一些逃逸車輛視頻，車子開太快，識別不清，要求用技術方式復原車輛的信息，警方對成果非常滿意，付錢買單了，“當時我們開始意識到，計算機視覺的學術研究已經能夠轉換為工業(yè)應用了?！毙炝⒄f。

計算機視覺大體可分為三個層次：圖像處理、模式識別和圖像理解。而視頻是連續(xù)的圖像，比靜態(tài)圖像中的物體檢測復雜度更高。據閆俊杰介紹，基于深度學習的視頻識別技術是以圖像識別作為基礎，就是在圖像識別檢測、比對、分類的基礎上，結合了比如選幀、多幀融合、時序預測、質量評估等多種需要和視頻融合的方式。

“計算機視覺用于視頻結構化，一個技術成熟的標志在于可被拿出來進行競賽?！毙炝⒄f。他指的是ImageNet競賽，這是人工智能領域的權威競技場。2015年，ImageNet競賽新增一項視頻物體檢測的任務。

在該項新任務的比拼中，賽事主辦方選擇了30個類別的物體，商湯科技聯(lián)合香港中文大學多媒體實驗室組成的團隊，在28個類別中準確率最高，第二名只贏了兩個；商湯科技整體62%的準確率，也高于第二名51%的準確率，最終以11%的壓倒性優(yōu)勢領先并奪冠。值得注意的是，國內最大的監(jiān)控產品供應商?？低曇步M隊參與了ImageNet競賽。

東方網力一名技術工程師向《21CBR》記者解釋，傳統(tǒng)的視頻分析方法依賴于人工構建的特征，而深度學習技術則是由算法從數(shù)據中去學習特征，特征的魯棒性（指控制系統(tǒng)在一定的參數(shù)攝動下，維持其它某些性能的特性）、泛化能力優(yōu)于傳統(tǒng)方法?；贕PU的深度學習，在實際應用中，其并發(fā)處理量和處理速度等性能上，都有明顯優(yōu)勢。

趙永軍評價，這些學術成果對于視頻應用，是一種技術性的“突破”，“深度學習技術引入到了視頻的智能化應用，實際上可以理解為讓計算機有了思維，讓計算機有了思想?！?/p>

需求強勁

作為一家技術公司，商湯科技在上游擁有技術資源，需要拓展應用場景，而東方網力在行業(yè)內有非常強的客戶資源，尋找核心算法能力?！皷|方網力在視頻連接、平臺技術等方面有技術儲備，我們的核心能力是在海量視頻中去捕捉需要的信息。”徐立解釋說。兩家公司一拍即合，2015年，雙方成立合資公司。

視頻結構化的第一目標要素是人，而合作已經有實質性的成果。

趙永軍向《21CBR》記者舉例，東方網力曾與某省公安廳在火車站進行人臉對比的數(shù)據測試，選擇13路視頻監(jiān)控，即13個場景，在車站內正常流動的環(huán)境組織內，每天會組織30個人，都分別在這13個場景下行走一遍，這樣要找的目標就是30×13=390人次，在無意識、不配合的情況下，比對后臺的人口數(shù)據庫，基本每天能找到當中的280～330人。

除了準確率，誤報率也是一個重要的指標，一套系統(tǒng)如果總是報錯的話，就失去了使用價值。徐立表示，人臉識別技術在很長的范圍時間內，之所以沒能在公安部門等運用起來，就是早期誤報率太大，對工作反而形成干擾，“要在公安部門中使用人臉識別技術，一方面要求真正抓取技術準確率要提高，另一個是誤報率要很小才行?！睋w永軍介紹，上述的火車站測試，誤報的數(shù)量基本在10個以下，這意味著技術已經有實用價值。

目前，在對象處于靜態(tài)并主動配合下，人臉識別技術準確率高達95%以上，在實際應用的監(jiān)控視頻中，目標人物處于無意識、非主動的狀態(tài)，所提取出來的人臉往往難以識別，某些特別復雜的場景下，準確率可能只有40%-50%，這是視頻技術應用的一大瓶頸。不過，從動態(tài)視頻中進行人臉識別的技術難題也已實現(xiàn)突破。

據徐立介紹，市面上流行兩種類型攝像機設備，槍機高清攝像機，可提供相當于4K的畫面；另外一種是球機，可視作是長焦鏡頭。在視頻提取時，之前往往遇到這樣的困境，槍機攝像機200米開外的事物往往是看不清楚的，如果用球機變焦，又只能看到局部，無法看到全部。那么，全部場景提取和局部清晰變焦如何才能兼得呢？

利用人工智能技術，就可實現(xiàn)“槍球聯(lián)動”，就是用槍機去提取所有的場景，其中檢測出來感興趣的關鍵信息，借助算法控制，用球機一個個進行變焦掃描，進行車型檢測、人臉識別對比。

2016年4月，商湯科技宣布并購新舟銳視，后者創(chuàng)立于2011年，是一家從事制作硬件的科技公司，核心產品是智能攝像頭長焦聯(lián)盟機，并成立“商周銳視”，這家公司融合了商湯在軟件和算法方面的領先優(yōu)勢，以及新舟銳視在硬件及市場拓展方面的成熟經驗，力求構建擁有計算機視覺和深度學習原創(chuàng)技術的領先智能安防平臺，并已經推出了“多目標智能跟蹤一體機監(jiān)控平臺”。

不僅是人臉識別，實現(xiàn)數(shù)據結構化之后，可以實現(xiàn)更多的智能應用。

以傳統(tǒng)的車輛智能監(jiān)測記錄系統(tǒng)（俗稱“卡口系統(tǒng)”）為例，它是視頻監(jiān)控中的一種核心應用，主要面向交通管理，現(xiàn)有系統(tǒng)中，通過以車牌為核心，用于提取車牌信息。實際上，對于視頻內容而言，大量有效信息卡口系統(tǒng)并沒有提取出來，比如車的類別、車型大小、車身顏色，但是，借助數(shù)據結構化就能有效提取所有相關信息，比如，通過卡口的車，可以具體到現(xiàn)代汽車品牌、伊蘭特系列2007年款。

查處“套牌”是交通部門的一項常規(guī)工作，傳統(tǒng)的套牌分析方式，是通過視頻監(jiān)控，利用時間、空間分析兩個車牌不可能同時出現(xiàn)在不同的地點，才判定它是套牌，非常復雜，現(xiàn)在則不同，“汽車的各種特征都成為數(shù)據，一個車牌所對應的汽車特征都有數(shù)據，針對這個車的不同特征提取，以判斷是否數(shù)據套牌，這樣會簡化很多?！壁w永軍說。

在偵破案件時，這種車輛信息的作用更大。因為很多案件都是團體作案，幾輛車協(xié)同進行，那么，如何通過一輛車去判斷另一輛車，以確定兩者之間存在協(xié)同關系嫌疑？這些都可以通過分析車輛的運行軌跡、其常落腳點以及時間等數(shù)據，得出正確的結論。甚至在一個小區(qū)內，哪些車輛經常出現(xiàn)、哪些比較陌生、哪些是第一次出現(xiàn)，均可以分析出來。

在視頻監(jiān)控領域，商湯科技形成了以深度學習為核心技術的三大技術產品形態(tài)，除了人臉布控系統(tǒng)和視頻結構化系統(tǒng)，還開發(fā)了一套智能人群行為分析系統(tǒng)（SenseCrowd），該系統(tǒng)適用于大量人群的行為分析和管理，通過統(tǒng)計場景內的人數(shù)、跟蹤人群的移動速度和方向、異常行為分析等，進行實時人群監(jiān)測，并對人群過密、異常聚集、滯留、逆行、奔跑等多種異常狀態(tài)，進行智能預警。利用這種系統(tǒng)，2015年元旦上海的踩踏事故，就有可能避免。

趙永軍表示，視頻監(jiān)控行業(yè)現(xiàn)對深度學習的應用需求非常強勁，“深度學習技術是近些年剛剛引入的技術，在行業(yè)內，對深度學習反應程度之熱烈，大大地超出了我們意料，”趙永軍說，東方網力現(xiàn)在各個項目中，向潛在客戶進行演示和人臉測試的高端服務器，就有數(shù)百臺之多。

徐立告訴《21CBR》記者，深度學習技術在視頻的大規(guī)模商業(yè)化才剛剛開始，行業(yè)內一般是第一年看演示、做預算，第二年進行項目實施，現(xiàn)在是未實施先火，是因為所有人都非?？春迷摷夹g在行業(yè)內的應用，產生大量新的需求，“今年，交通、安防、公安、樓宇安全等行業(yè)都提出了很多需求，有很多人看過項目演示，預計明年的話，各行業(yè)的需求會更多，最終形成一個較大市場的規(guī)模。”

更重要的是，傳統(tǒng)的分析方法在數(shù)據達到一個量級后，性能提升曲線會變得非常平緩；而深度學習的數(shù)據驅動式訓練模式，將突破這個瓶頸，在更大量級的訓練數(shù)據上，仍能保持非常高的性能提升幅度。這意味著，隨著各垂直領域擁有的數(shù)據量越來越多，未來，算法所展現(xiàn)的結果將越來越準確。

監(jiān)控升級

視頻監(jiān)控系統(tǒng)以攝像頭為前端，攝像頭是固定的，也可以是移動的。

安防機器人便可視作一種“移動的攝像頭”，是視頻監(jiān)控系統(tǒng)的延伸。東方網力就正在拓展安防機器人領域，參股了美國的安防機器人公司Knightscope。

Knightscope成立于2013年4月，創(chuàng)始團隊來自于世界知名機器人公司，具有超過10年多年機器人研發(fā)、生產的豐富經驗，該公司通過融合音視頻、室外定位、避障等傳感器技術、物聯(lián)網技術、大數(shù)據技術以及機器人技術，開發(fā)可在公共場所采集數(shù)據和執(zhí)行任務的安全警衛(wèi)機器人，以達到減少和預防犯罪的目的。目前，Knightscope已研發(fā)出兩款機器人K5和K10，并為客戶提供機器人安保服務工作。

趙永軍第一次見到Knightscope的機器人，便留下了深刻的印象?！?.5米高，300磅重，儼然大漢的模樣，在面前停下來，頭部360度高清攝像頭對我掃描了一邊，還有激光掃描進行身份識別，傳送給后臺指揮中心?！?/p>

當時，趙永軍是由美國總經理帶領參觀的，一行四人，第二天，機器人就向指揮中心發(fā)了評估報告，記錄了四人的來訪時間，其中兩人的身份由于后臺系統(tǒng)有存儲而被識別，趙永軍成為最受懷疑的對象，因為他總在機器人身邊轉來轉去，研究他們；而當機器人的電量低到一定程度的時候，會自動回到充電處續(xù)能。

趙永軍告訴《21CBR》記者，現(xiàn)在美國硅谷一些社區(qū)中，已使用安防機器人進行巡邏，“（機器人）起到了威懾作用，同時，在巡邏過程中也進行視頻內容的采集，傳輸給指揮中心以判斷是否為異常情況，如果有警情的話，這就是一個移動警報?！睎|方網力準備在2017年，將這種安防機器人引入中國。

美劇《疑犯追蹤》曾虛構了這樣的場景：“9.11”事件后，為了防止悲劇再次發(fā)生，在政府的支持下研究出一個人工智能系統(tǒng)，它連接了國內所有攝像頭，通過抓取所有人的行為進行分析、推薦，包括其過去的所有數(shù)據，進行分析，系統(tǒng)變得比人腦還深不可測，能夠準確地預測犯罪嫌疑人的下一步動作，以最快的速度調動一切安全部門、警察局資源，在犯罪發(fā)生前趕到現(xiàn)場，阻止悲劇發(fā)生。

攝像頭一直存在，只是過往沒有能力將其整合起來，但是，借助人工智能，這些離散的視頻將很快可以將一個人的軌跡勾勒出來，無論是否自愿，一個現(xiàn)代人恐怕已真的無所遁形。

對于常年浸潤在安保行業(yè)的趙永軍而言，這一切并非完全不可能，很多技術正逐漸成為了現(xiàn)實，“未來的終極目標，一定可以做到這樣的程度，經過授權的執(zhí)法人員，他可以知道具體某個人每時每刻在哪里，這就是一個時間的問題?！毙炝⒁脖硎荆曨l智能化已經到了一個相對較成熟的階段，“不僅是安防領域，視頻的數(shù)據結構化接下來會大量運用各行業(yè)，數(shù)據結構化之后，還會催生更多的是智能應用。”

可以預見，這種技術的進步將大大推動監(jiān)控力量的擴張?，F(xiàn)代社會，犯罪、恐怖襲擊等，通過媒體的放大，已在加劇民眾的恐懼，有人形容為，“一種普遍的不安全感被生產出來，這導向一種新的消費，即對保護的消費”，相應的，全球監(jiān)控設備市場在不斷膨脹。

據統(tǒng)計，1990年代初，英國CCTV監(jiān)控系統(tǒng)的市場規(guī)模約在在1 億英鎊左右，到1990年代末達到3.61 億英鎊左右，到2002 年以后，年均增長率達到14-18%。根據研究機構IMS Research 的數(shù)據，2014年全球視頻監(jiān)控設備市場總額超過140 億美元，年平均增長率超過30%?？梢哉f，安防監(jiān)控已成為一個“繁榮的產業(yè)”。只要有恐懼，就會有消費，這成為一筆穩(wěn)賺不賠的買賣。

中國同樣如此，以G20峰會舉辦地杭州為例，公開數(shù)據顯示，其視頻監(jiān)控規(guī)模是全國“平安城市”中最大的單域聯(lián)網項目之一，至少達到6萬路的規(guī)模。如今，不光在公共安全領域，百度、奇虎360等公司，還正在將攝像頭引入到私人家庭領域，且均投入大量資源用于深度學習技術的研究。

可以預見，借助于視頻智能化技術的發(fā)展，諸如白銀案這樣犯罪事件，未來將會更便利地偵破甚至有效預防，同時，也有必要憂慮，語音識別技術的進步，助推了美國的“棱鏡”竊聽計劃，未來，會不會出現(xiàn)視頻版的棱鏡計劃？