ObjectVideo作为全球智能视频监控分析技术的领先公司，今天来跟大家谈谈智能视频分析技术的一些认识和相关知识，让很多还不是很清楚智能视频的安防同行了解智能视频技术，下面我们开始。大家上午好！非常感谢主办方邀请我们今天来进行演讲，我叫Edward Troha，我是ObjectVideo公司的全球市场总监。我在这里要介绍我的同事（翻译），我是ObjectVideo的亚洲市场开发总监，谢谢大家。
我们现在要探讨的是一个成长非常快速的市场，根据IMS的市场研究分析，在未来3年内有关视频技术这些软体市场会成长到8亿美元的份额，仅在软件部分就有这么大的一个份额。作为领先全球的智能视频供货商，ObjectVideo在这个领域上已经有一段时间的钻研，我们在1998年成立，成立以后跟美国国防部有一个长久合作的联系，美国国防部有个单位叫做“国防尖端研究项目总署”，我们跟他们有长期合作，透过这个关系我们在这个领域中一直占有一个领先的地位。
我们今天要讨论的是结构智能视频分析相关技术，同时要找出最适合的智能分析的办法，在智能分析的领域之中有很多可以做的事情，同时也有很多误区，我们希望大家能够通过今天的讨论进一步的了解。我们今天要讨论的主要几个大纲，我们要对现在的智能视频市场进一步分析，同时我们要了解我们现在所谓的智能监控所碰到的一些挑战，同时要花一点时间了解一下智能监控存在的一些误区，我们经过这些误区的有些案例的讨论，通过案例的讨论跟大家分享在选择智能分析系统的时候有哪些考量的地方。在结论的时候，我们希望通过这个研讨跟大家分享一下选择智能分析系统的时候有哪些必须考虑的亮点，通过这些讨论的时候希望各位在做决定，从事这个领域的探讨，采买的时候有一个比较正确的认识。
今天我们先前听到邱总和李总提到我们现在监控市场碰到的一些管理上的瓶颈，我们现在有数以千计，数以万计的监视录像带在街头，可是我们哪有足够的能力去监控它。我们透过一些智能分析，还有我们市场所谓的计算机视觉领域的研究，我们可以把这么海量的数据经过我们人工智能的分析变成一个很完整的系统。我们现在可以透过这个幻灯片了解一下我们怎样做到这样的要求，我们看到有荧幕上有很多的画面，这个画面是透过很多影像的传输形成的这些画面。各位可以看到我们把它这个画面做一个分像的提取，我们可以把背景和前景提取出来，背景和没有移动，前景是有移动的部分，包括人、车和物件。透过我们这样的进一步存储之后，优化了数据之后，可以进一步的做比较有科学性的推论和分析。透过我们设定的人工规则，我们可以把这些集成的数据经过分析之后可以判定很多的行为方式，我们可以了解到有人经过我们的划定区域之内，就会有警报可以发生，我们可以透过我们的系统分析交通的拥挤度，也可以了解到百货公司哪些地方有哪些人在哪些地方出现，还有了解到零售业者有多少人在排队的时候等候多久。
我们回头再重新看这个画面（幻灯片），各位再重新看一下这个荧幕可以了解我们为什么值得等待，因为这个荧幕有动画的效果，可以看到前景和背景分开以后就可以看到人、飞机、车，通过这样的分析可以做比较科学的推论。刚刚我们提到智能视频监控可以用到很多不同的应用，可以我们在这里要提醒大家它有很多不能做到的地方，希望大家了解，有很多误区。可以请问大家在那么多的球场，或者在大的运动空间之中，谁可以一眼就认出来恐怖分子在哪里？要是你能够算到这个圈圈里面，那辆车里面有多少人的话，你一定是个天才。各位可以看得出来吗？那么远的地方，可以找出那是多少个人吗？在摄录机都看不清楚的地方，我们不能要求视频监控都可以看得到里面，看得到可以分析的数据。所以我要提醒大家根据实际的应用经验，我们很多客户提出很多要求，其实那些要求是连摄录机都看不到的情况下我们怎么要求人工看得到我们摄录机都看不到的东西。
还有一个误区就是很多智能视频监控，很多人理解到有一种科技叫做移动侦测，他们把移动侦测也当成是智能视频分析技术。我这里要告诉大家，所谓的移动侦测也是一种科技，可是它不属于智能分析的领域。各位可以看到在这个水面上有一艘船正在移动，各位可以看到右上方这个画面，根据移动侦测的技术，它把移动的东西分成黑跟白，通过黑与白的数据转换促动很多的警报，根据移动的画面来讲，我们可以看到水面上的船只在移动的时候，我们可以看到有数不计的黑跟白的转换，这样会导致数以万计的无可计数的雾茫（音），也可以导致你疲于奔命的物景。各位可以看到右下方的画面可以看到水波在移动，可是船只也在移动，在不同的流动和移动的状况下我们只可以侦测到移动的船只。我们可以看下面四个案例来讨论一下智能监控在不同复杂的环境中所执行的情况。
各位可以看到左上方的画面是一个很复杂的环境，这是一个红外线录像带留下来的画面，在码头的环境之中有一些流动的人口之外，还有船只，还有一个叫浮动的码头，这个码头本身也会移动，在那么一个复杂的环境之下，我们只会侦测到我们必须侦测的对象和目标。各位看到右上方有一个画面在美国东北叫海岸的潮汐画面，我们有个客户要求我们不能对潮汐产生一定物景，要是根据传统的科技做法，这些潮汐的变化会带来很多的物景，可是透过我们的装置之后我们都可以把这些画面排除掉。在左下方这个画面我们可以看到录像质量非常差的画面，虽然质量非常差，透过我们的科技分析之后我们很成功的检测出来移动的物件。右下方的画面是经典的典型，这是一个油品输出入的码头，我们可以看到在码头上有移动的车辆，在右下方有很多反光的海面磷光，通过我们的数据分析磷光可以排出掉，透过我们的分析我们可以侦测到我们要侦测的车辆、船只等等。在这边要强调的是我们提供的所有的画面都是实际的案例的结果，也是我们客户提供给我们做案例参考的，不是我们在实验室做出来的结果。
我现在要解释六个方面，我们希望很快速的把它解释清楚。左上方这个画面我们解释的是一个百货零售业者，他用我们的技术解决人口计量的问题，对人流和物流有比较好的管制和控制，能够进一步的提供比较好的客户服务。在中间上方这个画面我们解释的是华盛顿首府地铁的系统，运用我们的技术在很科学的方式下侦测出它的月台的拥挤程度，通过人流的拥挤程度可以成功的调派适量的车辆调度，这样能够更进一步的进行科学管理。在右上方的画面，我们可以看到画面上一位百货公司零售业者在一个零售地方不小心跌倒的画面，这对管理业者来说是很好的，他可以第一时间拿到这些的资料。在左下角这个画面，我们可以透过我们范围的侦测，我们可以了解到，我们可以设定一些规则，对特定的地方我们可以了解到有没有人逗留和徘徊，然后提出警示。在中间下方这个画面也是非常重要的一个经典案例，这是在中央车站，就是纽约最繁忙的中央地铁车站，我们实际录到的画面，你们看到一个乘客正在绑鞋带，他带的东西遗留在原来的地方，而他人走了，我们的系统可以分析这个东西是遗留在现场，然后提出报警。根据刚刚我们提到的拥挤度的侦测，我们可以运用在高速公路系统里面，可以提供哪些路的拥挤程度，然后提出改良的方案。