2016年视频大数据产业趋势前瞻报告

2016年6月出版

正文目录

1、视频大数据介绍 (4)

1、视频大数据行业驱动因素和应用领域 (5)

1.1、累积的视频数据价值量巨大 (5)

1.2、技术的成熟 (7)

1.3、政策的推动 (7)

1.4、视频大数据应用领域分析 (9)

1.4.1、政府 (9)

1.4.2、金融 (10)

1.4.3、商业 (11)

1.4.3.1、零售门店 (11)

1.4.3.2、广告营销 (11)

1.4.3.3、互联网视频数据筛查 (12)

1.4.4、机器人等新兴行业 (13)

1.4.4.1、家用机器人 (13)

1.4.4.2、无人机 (15)

1.4.4.3、无人驾驶汽车 (16)

1.4.4.5、AR/VR (17)

2、数据的采集、压缩和存储是视频大数据分析的前提 (18)

2.1、数据采集 (18)

2.2、数据压缩 (19)

2.3、数据存储 (19)

3、视频大数据分析层次 (20)

3.1、目标检测 (21)

3.2、目标识别 (23)

3.3、行为理解 (24)

4、以深度学习为基础的计算机视觉技术 (26)

4.1、海外巨头公司扎堆布局深度学习技术 (28)

4.2、国内深度学习的案例 (29)

5、视频大数据商业模式 (31)

5.1、硬件销售 (31)

5.2、软件（解决方案） (31)

5.3、云模式 (32)

5.4、视频大数据变现 (34)

5.5、市场空间测算 (34)

5.5.1、安防领域市场空间 (34)

5.5.2、其他领域市场空间 (36)

6、主要公司分析 (37)

6.1、东方网力 (38)

6.2、佳都科技 (39)

6.3、浩云科技 (39)

6.4、汉邦高科 (40)

6.5、北部湾旅 (40)

6.6、神思电子 (41)

图表目录

图表 1：2010-2016年全球视频监控数据增长迅速（单位 EB） (5)

图表 2：2014-2015 年国内网络视频/手机视频用户规模（单位：亿人） (6)

图表 3：视频大数据分析的总体框架 (7)

图表 4：视频数据的发展得益于政府政策的推动 (8)

图表 5：视频大数据分析应用于安防交管领域 (9)

图表 6：视频大数据分析用于车牌（左图）车型（右图）识别 (10)

图表 7：人脸识别 (10)

图表 8：视频大数据技术用于零售门店 (11)

图表 9：视频与广告的跨界组合 (12)

图表 10：图谱科技智能审核解决方案 (12)

图表 11：家用机器人利用视频分析算法识别周围环境 (13)

图表 12：超市智能跟随机器人 (14)

图表 13：复杂场景高精度 3D 模型重建 (15)

图表 14：亚马逊 Prime Air 无人机投递快递 (16)

图表 15：无人驾驶汽车应用视频大数据技术进行目标检测 (16)

图表 16：VR 眼镜往往使用了计算机视觉技术 (17)

图表 17：代表性网络高清摄像机对比 (18)

图表 18：国际视频压缩标准的发展历程 (19)

图表 19：HDFS 分布式文件存储系统 (20)

图表 20：视频大数据分析总体流程 (20)

图表 21：不同目标检测方法的结果对比 (21)

图表 22：目标遮挡的跟踪是目前待解决难题 (22)

图表 23：目标识别的难度在于光照条件改变、不同角度、遮挡 (23)

图表 24：行为识别是更深层次的目标识别 (24)

图表 25：重要区域人群统计与控制 (25)

图表 26：计算机视觉处理流程 (26)

图表 27：人工神经网络发展历程 (27)

图表 28：2011-2015年深度学习算法提高计算机识别的精确度（单位：%） (28)

图表 29：物体场景识别系统 (28)

图表 30：国外今年来在计算机视觉、深度学习领域的重大并购 (29)

图表 31：国内深度学习创业公司发展迅速 (29)

图表 32：国内领先初创公司的产品和业务 (30)

图表 33：格灵深瞳皓目行为分析仪（左图）和威目车辆特征识别系统（右图） (31)

图表 34：全球视频分析和管理软件市场规模（单位：百万美元） (32)

图表 35：中国视频管理平台（VMS）市场占有排名 (32)

图表 36：传统服务和 VSaaS 的对比 (33)

图表 37：2014-2020年全球 VSaaS 市场规模预测（单位：百万美元） (33)

图表 38：极视角计算机视觉 PaaS 平台 (34)

图表 39：2012-2018年我国视频监控市场保持快速增长趋势 (35)

图表 40：全国各个城市的监控系统以及联网已经颇具规模 (35)

图表 41：2014-2020 年中国大数据应用市场规模 (36)

图表 42：2015 年中国大数据各细分领域市场份额 (37)

图表 43：国内公司在视频大数据领域的布局 (37)

市场空间逾千亿。视频大数据分析又称智能视频分析，指的是依靠计算机算法，挖掘视频数据的利用价值，赋予计算机人眼“看”的功能和人脑“思考”的功能。判断视频大数据分析技术在政府、金融、商业、机器人、无人机、无人驾驶汽车等领域均有巨大的应用前景。单就安保领域来讲，未来对视频数据分析软件的投入预计会在 200 亿-300 亿之间。如果算上其他领域的需求，预计行业空间至少在千亿以上。

视频大数据分析大致分为三个层次：目标检测、目标识别和行为理解。目标检测是将目标从背景中分离出来，把不相关的画面去掉，是视频分析的基础。目标识别回答了“是什么”的问题，大家熟知的人脸识别就是其中一种。目标的行为理解回答了“在干什么”和“将会干什么”的问题，是目标识别的高级阶段。 互联网和科技巨头云集，布局视频分析核心技术，特别是以深度学习为基础的计算机视觉技术。近年来，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有力的武器，反过来，视频大数据也为机器训练提供了丰富的资源（大数据是人工智能的燃料）。该领域正处于萌发期，大公司和初创团队都有机会。由于先进的算法技术主要发端于学院，所以目前国内外专注于计算机视觉技术的团队主要来自于科研院所。

视频分析技术和云计算技术相结合，创新盈利模式。预计仍然会以项目制为主，但云计算的引入提供了更好选择。例如，视频监控即服务（Video Surveillance as a Service，VSaaS）模式、旷视科技的智能云平台、极视角的计算机视觉 PaaS 平台等都是按服务来收费。未来，计算机公司如果能实现基于视频数据的运营，切入到应用领域，将是商业模式的革命性进步。

1、视频大数据介绍

视频大数据分析又称智能视频分析，指的是通过算法，高效处理海量非结构化的视频图像数据，实现对数据的快速检索、智能识别和理解。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。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。

但是，技术的难度显而易见。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。尽管计算机具有比人类大脑更好的记忆力（机器不会体力不支或者遗忘），但是分析能力远远落后于人类。一个二三岁的小孩，我们只需要一个场景或者一张照片就可以教会他“小狗是长啥样的”，他下次碰到另一条狗（正常的狗），一般就能识别出来。但是，我们要让计算机学习“什么是狗”却是一件非常难的事情。在视频数据分析时，计算机需要区分视频图像里面的目标、识别出其行为特征甚至对其未来的行为进行预判，本质上是让计算机具有人类“眼睛”和“大脑”的功能，技术难度非常大。

一般而言，视频大数据分析技术主要集中于计算机视觉（Computer Vision）领域，而在 13 年以后，深度学习算法的进步极大提升了计算机视觉技术，使得视频数据分析有了更强大的工具。注意到，无论是 IT 巨头公司，还是具有一定研发能力的初创团队，近年来均开始在计算机视觉、深度学习领域进行布局。

1、视频大数据行业驱动因素和应用领域

1.1、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》报告，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，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。

图表 1：2010-2016年全球视频监控数据增长迅速（单位 EB）