看过电影《速度与激情7》(Fast & Furious 7) 的人都会对里面展示的天眼系统留下深刻的印象。通过一个全球联网的智能监控摄像头系统，天眼可以随时随地了解任何一个人或物体的行踪。这既是一个对目前如日中天的人工智能系统的理想展现，也极大地突出了智能视频系统在人工智能应用中的特殊地位。

是的， 人工智能离不开感知，而视觉是我们最主要的感知。据研究估计，人的感知、学习、认知和活动有80-85%是通过视觉介导的()。如果不能获取并处理视觉信息， 就没法研究真实世界的人工智能，可见计算机视觉对人工智能发展的重要性。

现在，视频数据已占Internet 在线流量的70%多，可谓大数据时代最大的数据。随着各种摄像头的普及，视频数据正记载着物理世界发生的一切，让机器帮助分析理解视频大数据就成了我们观察了解物理世界的一条捷径。但视频数据不但量大，还包含千变万化的内容，分析理解并不是件易事。下面我们就来探讨一下视频数据分析理解的应用场景和技术要求、技术发展现状和瓶颈，以及对未来技术发展的展望。

　　广阔的应用空间

　　视频数据已渗透到人类日常生活的方方面面，视频分析的应用也因此是多方面的， 包括居家、企业、零售、公共安全、交通、医疗、制造等。下面讨论几个目前主要的市场，感受一下它的重要性。

1.家居安防。预计到 2020年，全球家居安防解决方案市场将以8.7%的复合年增长率增长到475 亿美元[1]。 这迅速增长背后的主要原因可能是令人震惊的全球犯罪率的不断增长和社会各界对安全措施的关注和担忧。这个市场和视觉系统相关的技术要求包括运动检测、人的检测与识别、动作行为识别、视频摘要、 物体标注等。一般要求实时处理。

2.零售分析。预计到 2020年，零售分析市场规模将以18.9%的复合年增长率增长到 51 亿美元[2]。零售分析解决方案帮助零售行业在全球各地通过创建个性化的购物体验，提高顾客的忠诚度。这方面和视觉系统相关的技术要求包括人的检测、计数与识别、人的属性（年龄，性别，表情，注意力）和行为检测、物体的检测与跟踪等。有些功能要求实时处理，有些功能可以离线处理。

3.公共安全与监控。公共安全与监控。 公共安全与监控市场预计将从2015 年的19.3 亿美元增长到2020 年的30.6 亿美元，复合年增长率为9.7%[3]。对火车站、公共广场和公园等公共场所日益关注的安全及监控是全球范围内推动智能摄像头需求量增长的重要因素之一。相关的技术要求包括人的检测、跟踪与识别、人的属性和动作行为检测、车的检测与跟踪、物体标注、运动检测等。一般要求实时处理。

4.自动驾驶汽车。半自动车市场预计到 2018 年将达到214 亿美元。包括摄像头在内的多种传感器是必备部件。相关的视觉技术要求包括汽车检测/跟踪、路标行人检测、 自由空间探测、 3维绘图等[4]。

5.视频数据搜索。海量的视频数据需要有效的索引和管理. 这要求把没有结构的原始视频数据转成有结构的数据。相关的技术要求包括：人的检测、跟踪与识别，人的属性检测，物体和事件的检测与标注，字幕化, 光学字符识别等。

　　视频技术道阻且长

　　由此可见，视频分析与我们的日常生活息息相关，有着巨大的商业市场。这个巨大的商业市场也不断推动视频分析技术的发展。但是，尽管市场潜能很大，视频分析技术的发展在前期还是比较缓慢的。其原因是多方面的。一个主要原因是物理世界万象丛生、千变万化，视频数据的内容自然就丰富多彩，要将其模型化有很大难度。从一维到四维，每增加一维，复杂度都是指数增长。所以早期工作主要关注低层次图像特征和运动信息的提取以及在此基础上的应用，高层次语义上的理解进展较慢。语义上的理解需要借助规模较大的模型，而建模需要大量的有标注的数据，以及强大的计算资源，这些资源在早期是缺乏的。这是第二个主要原因。

这种状况终于在几年前开始得以改善：2010年左右， ImageNet创建，提供了一个真正大规模有标注的图像数据集，在千万图像量级，有上千图像类别。这使图像分析技术开始有明显提高。2012年，深度神经网络被成功用于ImageNet图像分类年度竞赛，将其性能大幅度提升，展示了深度神经网络对视觉研究的极大潜能，也激起了视觉研究的新高潮，让人们看到了计算机视觉实用化的希望。短短几年后的今天，深度神经网络技术发展迅速，在ImageNet图像分类上的性能已超过人类，人们研究的重点也从图像分类转移到图像物体语义分割等更细更复杂的任务。