近日小編在查詢相關新聞資訊時無意中看到了百度在其云視頻生態解決方案中首創視頻內容分析VCA技術的消息，出自職業慣性，視頻內容分析這個關鍵詞勾起了小編的好奇心，這個安防視頻監控領域的專業名詞在網絡視頻方面會有哪些代入呢？

搜索了一系列文章，才發現，在網絡視頻內容審核這件事上，如今已有多家平臺商推出了AI 技術的應用服務，上述的百度即是其中之一。說視頻內容審核可能大家感覺會比較嚴肅，直白點，大概就是原來人工鑒黃（暴恐血腥、政治敏感）現今已進化到了機器鑒黃的階段。至于審核效率提升了多少，引用下網易杭州研究院執行院長汪源的原話：“之前需要一些鑒黃師手動篩選，現在依靠深度學習的算法能夠做到99．8％的準確率。”

這樣看來，AI技術在網絡視頻內容審核方面的作用可謂是一場“輕量級”的智能視頻分析應用，“輕量級”則是相對于專業級的安防監控視頻的規模而言。同樣是視頻內容檢測、分析和搜索，網絡視頻和監控視頻完全是兩個級別。無論是分析的視頻數據量還是視頻內容的類型都有極大的差異。

量不同

首先從視頻數據的量來看，網站視頻主要集中在各平臺播出的影視劇、PGC／工作室內容、網友上傳的原創視頻（UGC）以及這兩年來走紅的網絡直播視頻上，這其中，數據量最大的要數網絡直播視頻，這類視頻同屬于網友原創視頻的類型，也是各平臺審查力度最大的一類視頻資源。據2015年艾媒的視頻直播市場調研數據來看，僅2015年，全國在線直播平臺數量就接近200家，大型直播平臺每日高峰時段同時在線人數接近400萬，同時直播的房間數量超過3000個，這樣算下來每日高峰階段即有600000在線視頻直播的內容輸出，這還只是兩年前僅網站直播視頻這一項的數據量，如今這個數據恐怕早已翻出幾倍。

不過盡管如此，相較于城市視頻監控的數據規模，網站視頻的數據量仍然只是很小的一部分比例。安防視頻監控實行的是7＊24＊365的全時段運作，以一個攝像頭密度為6000的小型城市為例，6000高清攝像頭一小時的視頻大小將有10800000MB，一天算下來，一個城市將有247TB的視頻數據，一個月7416TB，而這僅僅是一個超小型城市的視頻數據量。

內容類型不同

網絡視頻大致可分為娛樂、生活、新聞、體育、在線教育、游戲、電競等類別，無論是影視劇還是網絡直播，審核的目標主要是查看視頻內容是否涉及黃反、暴恐血腥、政治敏感、虛假廣告等，審核的項目除了視頻畫面本身之外，還包括圖片、文字、彈幕、網友留言、惡意刷榜、活動反作弊等項目。其中鑒黃是網站視頻內容審核的最大項目。

而安防監控視頻的內容則來源于實時的社會場景畫面，結合公安、交通等應用領域的實際業務，主要針對的是對視頻畫面中人、車、物三大元素的檢測和分析，細化為對目標的類型、大小、顏色、方向、速度、運動軌跡等各項特征的識別和分析。

AI如何鑒黃？

由于視頻數據量和內容類型的大不相同，因此，采用的視頻內容分析手段也有所針對性。更確切的說，網站視頻的視頻內容分析主要是為做內容審核，在此基礎之上，視頻平臺商也會通過內容分析技術來優化用戶體驗，這些我們可以從百度、網易等互聯網廠商的推出的相關服務內容中感受得到。

比如網易推出的網易易盾針對機器鑒黃自主研發了一套圖片特征提取算法，包括人體膚色識別、人體特征部位識別、人體姿勢識別等技術。同時，基于深度學習的算法，易盾積累了大量的樣本數據，用計算機模擬人腦神經網絡的原理，使計算機訓練后具備一定的識別能力，在沒有具體特征樣本庫的情況下也可以對內容進行識別與分類。

百度在其云視頻生態解決方案主打的視頻內容分析VCA（Video Content Analysis），能夠通過AI技術，對視頻進行語音、文字、人臉、物體等多維度智能分析，它整合了百度的深度學習、自然語言處理等AI技術，支持視頻分類、視頻元素提取、關鍵字提取以及自定義模型，適用于黃反、暴恐、政治敏感、資質審核等內容審核場景，在提取了關鍵的內容信息之后，還可輸出視頻內容的泛標簽（TAG），從而提高搜索準確度和用戶推薦視頻的曝光量，提升視頻的個性化推薦和檢索能力。

AI在網絡視頻內容審核方面的應用其實也 并非才興起，除百度、網易外，也有不少技術提供商和視頻平臺商達成合作推出了相關服務項目。從健康和諧的視頻運營環境的角度考慮，AI技術的應用，對人力、財力都是一種解放，并且順應了當前用戶對個性化視頻內容的需求。

同樣是進階到AI技術應用的階段，深度學習算法必不可少，樣本訓練也同樣重要，在安防智能視頻分析已成為常態，并且更具規模化、智能化效應。安防監控視頻分析主要是為視頻關鍵信息的高效提取和結構化做前期的準備，將視頻數據語義化。 由于安防視頻監控的數據主要由社會實時畫面構成，所以智能分析技術中常用的算法也以計算機視覺領域的算法為主，如前背景建模、目標檢測、分類、識別、跟蹤、特征點提取、匹配、運動估計等等。在分析的類型上還細分為診斷類智能分析、識別類智能分析、行為類智能分析等，由于視頻數據量巨大，因此，安防視頻智能分析目前也廣泛采用軟硬結合、前后端結合的方式來實現智能分析性能的最大化，這些都是網絡視頻分析不可比擬的應用規模，當然，這也是商業應用和專業領域應用差異所決定的。