近日，抖音上線了全新功能——以視頻搜視頻。該技術運用了AI技術的新功能，用一個視頻內的單幀畫面，對比其他視頻內的幀，找到其他對應的視頻。相比於過去的以圖搜圖，視頻搜視頻的檢索運算量明顯升級。
在社會高速發展的今天，互聯網數據催生出人工智能、大數據和雲計算等信息技術，也催生出了諸如曠視科技、商湯科技、極鏈科技等優秀的初創企業，也爲同樣海量增長的智能視頻信息檢索帶來了新的曙光。隨着中國第一個智能視頻分析方面的國家標準GB/T30147-2013《安防監控視頻實時智能分析設備技術要求》的發佈，智能視頻檢索技術逐漸進入人們的視線裏。傳統的視頻檢索方法主要“人海戰術”，效率十分低下。主要原因是人類的生理侷限，長時間專注於單一視頻畫面，容易造成人注意力低下，產生視覺疲勞，嚴重影響審看效率。其次因爲人眼無法克服誤差，人眼的視覺疲勞極易忽略重要的目標線索，因此，一段視頻往往需要花費更多的時間進行重複審看，大大增加了工作量，並且仍無法完全避免遺漏和誤差。
但隨着近幾年智能視頻分析技術的飛速發展，視頻檢索技術的出現則把人從單調、繁瑣的任務中解放出來，利用視頻分割、自動數字化、語音識別、鏡頭檢測、關鍵幀抽取、內容自動關聯、視頻結構化等技術，以圖像處理、模式識別、計算機視覺、圖像理解等領域的知識爲基礎，通過自動化的智能分析預處理，將毫無邏輯的視頻內容進行梳理。從根本上看，視頻檢索技術應用於安防監控等都是以智能視頻分析技術爲基礎，智能視頻分析技術利用計算機圖像視覺分析技術，通過將場景中背景和目標分離進而分析並追蹤在攝像機場景內出現的目標。
當前，智能視頻檢索技術主要運用在以下幾個方面內：
識別類智能分析
識別類智能分析主要偏向對靜態場景的分析處理，通過圖像識別、圖像比對及模式匹配等核心技術，實現對人、車、物等相關特徵信息的提取與分析，如車牌識別、人臉識別、物體識別等。車牌識別廣泛應用於交通流量檢測、控制、誘導、分流，人臉識別主要應用於安全監測、刷臉支付等，而物體識別目前則廣泛應用於智能推薦。就比如當前視頻AI領域突出的企業極鏈科技，集團旗下包含VideoAI視頻智能系統與VideoOS視頻小程序系統。其中VideoAI作爲視聯網整個生態的底層引擎，支撐視聯網多維度發展，獨創的全序列採樣，對視頻內的場景、物體、人臉、品牌、表情、動作、地標、事件8大維度進行數據結構化，32軌跡流同時追蹤，通過複合推薦算法將元素信息升級爲情景信息，直接賦能各種商業化場景。
診斷類智能分析
這類智能分析主要是針對視頻圖像出現的雪花、滾屏、模糊、偏色、增益失衡、雲臺失控、畫面凍結等常見的攝像頭故障、視頻信號干擾、視頻質量下降進行準確分析、判斷和報警。
行爲類智能分析
這類智能分析側重於對動態場景的分析處理，如車輛逆行及相關交通違章檢測、防區入侵檢測、圍牆翻越檢測、絆線穿越檢測、物品偷盜檢測、物品遺留、佔道經營檢測、軌跡追蹤、人羣聚集度檢測以及客流統計等。
安防監控產品
爲了更好的保護小區的安全, 根據小區用戶實際的監控需要，一般都會在小區主要出入口、小區廣場、電梯轎廂、周邊、大門、住宅、倉庫、機房、停車場等重點部位安裝攝像機。對不同場所入侵情況推出的防範產品層出不窮。
安全生產類
例如對分散的建築工地進行統一管理，避免使用人力頻繁的去現場監管、檢查，減少工地人員管理成本，提高工作效率。防止操作人員危險作業，未按要求佩戴安全帽、安全繩等危險作業。防範外來人員的翻牆、越界、闖入，入侵危險區及倉庫等場所，保證工地的財產和人身安全。
車庫出入口監控
運用車牌識別技術，當有車即將通過道閘時，車牌識別攝像機識別到車牌、駕駛員等關鍵信息後，與管理平臺的原始車輛數據進行比對，做到白名單車輛無停留自動開閘通行，黑名單車輛道閘不開啓並聯動警鈴。
商業中心人流檢測
商業中心人流檢測可按室內室外環境分爲步行街擁堵檢測和營銷中心、酒店、商場客流量統計。在步行街擁堵監測中前端智能攝像機對步行街人流量進行分析，當人流量超過環境可容納人流上限，管理平臺自動觸發報警系統發出擁堵報警，提示安保人員採取限流措施。室內客流量檢測主要是對每天進出的人流進行統計，並將流量信息在管理平臺進行存儲生成日報、月報、年報等各類報表，不需要現場接待人員逐一對訪客進行登記。
高空拋物監測
在高樓林立的商業中心及住宅小區涉及到此項監測。建築物有四個立面，而住宅小區根據建設形勢不同又可分爲外立面、內立面以及側立面，高空拋物監測結合建築物樓層高度和監控視野確定攝像機的點位和數量。通常使用俯視與仰視相結合的角度進行安裝，每個攝像機覆蓋10～15層。當高空出現物體拋落，攝像機視頻信息傳回管理平臺聯動報警系統報警。
小結：
當前，人工智能產品在我們的生活中影響越來越多，但智能視頻分析仍存在諸多難點。但深度學習在圖像識別、智能視頻分析技術方面的精度不斷提升，也使得智能視頻檢測成爲了深度學習快速落地的最清晰方向之一，而計算力的發展，或許也將使得大規模的並行計算成爲未來技術發展不可或缺的力量。