新一代智能視頻云發(fā)展現(xiàn)狀分析：五大要素成關(guān)鍵

上海2018年7月27日電 /美通社/ -- 近日，由 Gartner 和七牛云聯(lián)合發(fā)布了一份《Five Key Essentials for the New Generation of Intelligent Video Cloud》白皮書報告，報告中針對各行業(yè)在視頻應(yīng)用領(lǐng)域升級過程中面臨的技術(shù)痛點及挑戰(zhàn)，提出了構(gòu)建新一代視頻云的5個關(guān)鍵要素和相關(guān)參考標(biāo)準，并描述了智能視頻云如何以更便捷的服務(wù)和更低的成本幫助客戶加速升級。本文則對 Gartner 和七牛云的白皮書報告進行了詳細編譯。

以下為譯文：

一、導(dǎo)語

過去十年里，中國移動互聯(lián)網(wǎng)的高速發(fā)展，帶動了各個產(chǎn)業(yè)IT基礎(chǔ)架構(gòu)的擴展和升級：

• 2017年，大陸地區(qū)用戶平均帶寬達到52M，已經(jīng)追平甚至超越了許多發(fā)達國家水平；

• 移動互聯(lián)網(wǎng)終端數(shù)超過14億臺，其中超過60%的設(shè)備接入了4G網(wǎng)絡(luò)；

• 5G時代也即將到來，視頻的內(nèi)容和展現(xiàn)形式將更加多元化，在直播、點播等基礎(chǔ)場景上，又增加了短視頻和實時音視頻互動的新浪潮，同時視頻技術(shù)也在安防、醫(yī)療、教育、司法、廣電等領(lǐng)域有著全新的應(yīng)用。

本文介紹各行業(yè)在視頻應(yīng)用領(lǐng)域的升級過程中，主要面臨的技術(shù)痛點和挑戰(zhàn)，并提出了構(gòu)建新一代視頻云的5個關(guān)鍵要素和相關(guān)參考標(biāo)準，描述了智能視頻云如何以更便捷的服務(wù)和更低的成本幫助客戶加速升級。未來視頻的應(yīng)用的場景和領(lǐng)域可能會成為企業(yè)產(chǎn)品或營銷服務(wù)中核心的環(huán)節(jié)，而且它本身的規(guī)模變化也非常符合互聯(lián)網(wǎng)中的馬太效應(yīng)，因此企業(yè)都需要提前為自己未來海量的富媒體素材做好充分準備，避免數(shù)據(jù)失控。

二、各行業(yè)在視頻時代的新興場景

1、安防監(jiān)控

根據(jù) Markets&Markets 的調(diào)查結(jié)果，2017年至2022年期間，全球監(jiān)控視頻市場年復(fù)合增長率將達15.4%，2022年將增至約756億美元的規(guī)模。視頻監(jiān)控廣泛應(yīng)用于各類場合，包括：

• 道路交通監(jiān)控
• 城市安全監(jiān)控
• 公共區(qū)域監(jiān)控
• 家庭安防監(jiān)控

最近兩年來，以幼兒園、學(xué)校代表的公共區(qū)域場所監(jiān)控提出了更高的要求：

• 過去無需外網(wǎng)訪問的監(jiān)控，現(xiàn)在需要做到全網(wǎng)實時觀看；
• 過去無需長期儲存監(jiān)控畫面，現(xiàn)在需要做到可隨時查閱、長期存檔。

而道路交通和城市安全的監(jiān)控，除了傳統(tǒng)的車輛違章監(jiān)控和識別，行人的違章也逐步納入到了監(jiān)控的體系中，如：

• 智能識別畫面中行人的違章行為；
• 實時識別人臉信息，快速確定違章行人身份；
• 自動錄制違章畫面，保存證據(jù)，上傳至云端保存。

由此可以看到，視頻監(jiān)控領(lǐng)域正在面臨著產(chǎn)業(yè)升級，如何做到公網(wǎng)穩(wěn)定地訪問，產(chǎn)生的海量的圖像和視頻數(shù)據(jù)如何更好地存儲、分析和檢索，是一項巨大的挑戰(zhàn)。

2、在線教育

近年來，在線教育發(fā)展異?；馃幔没ヂ?lián)網(wǎng)音視頻技術(shù)，解決了優(yōu)質(zhì)教育資源傳遞的時空限制，主要體現(xiàn)形式如下：

• 直播課堂：直播授課，講師可以更自然地提供在線輔導(dǎo)；
• 實時互動：低延時音視頻傳輸，幫助教師實現(xiàn)和學(xué)生的實時在線交流；搭配使用聊天室功能：文字、語音、圖片、包括自定義消息等，有效地提升了課堂氛圍；
• 點播回放：通過云端錄制以及在線回放，學(xué)生可以隨時查看錄播視頻，對知識點進行查缺補漏，加深對知識的理解。

如何解決學(xué)生觀看直播的卡頓問題，如何進一步降低視頻互動的延時，提高老師和學(xué)生的體驗，顯得至關(guān)重要。另外，隨著人工智能的發(fā)展，視頻技術(shù)如何更好地借助 AI 技術(shù)，也成為在線教育領(lǐng)域大家更為關(guān)注的方向，如：

• 智能視頻標(biāo)簽：根據(jù)學(xué)生上課狀態(tài)，設(shè)置獎杯、小紅花等獎勵元素，截屏記錄孩子優(yōu)秀表現(xiàn)的狀態(tài)，并保存，集錦視頻分享給家長；
• 智能視頻推薦：智能推薦適合學(xué)生的學(xué)習(xí)內(nèi)容，包括教學(xué)視頻、講義、習(xí)題及習(xí)題講解、測試題等。

3、廣電新媒體

隨著互聯(lián)網(wǎng)直播興起，各類廣電平臺想要做出一檔可看且互動性強的直播節(jié)目，除了要精心編排節(jié)目內(nèi)容，還要特別重視音視頻及互動方式的呈現(xiàn)。顯然，在新媒體時代下，傳統(tǒng)的廣電方案具有一定的局限性：

• 傳統(tǒng)廣電接入互聯(lián)網(wǎng)，既要混編傳統(tǒng)的音視頻流，又要混編 PPT 文檔共享等新興數(shù)據(jù)流，保證多路畫面實時切換；
• 采用專屬線路傳輸，三網(wǎng)合一方案進展緩慢；
• 分辨率與碼率較低，難以滿足日漸普及的4K電視需求；
• 線性播出，內(nèi)容無法回放，互動形式較為單一；
• 缺乏對視頻內(nèi)容的分析能力，僅能通過固定群體樣本，推斷出收視率等較為粗放的參考數(shù)據(jù)。

面對這些局限，廣電行業(yè)迫切需要全新的視頻系統(tǒng)，為消費者提供高畫質(zhì)、強互動的視頻娛樂體驗和可量化的精確數(shù)據(jù)管理：

• 在直播導(dǎo)播方面，云端進行音畫混編服務(wù)，并在云端切換視頻，快速形成導(dǎo)播效果；
• 在媒資管理方面，可對圖像、視頻進行智能拆條、智能審核和智能編目等，實現(xiàn)內(nèi)容匯聚的生產(chǎn)、審核、管理等全套環(huán)節(jié)的智能處理，極大提升內(nèi)容制作效率；
• 在內(nèi)容運營方面，利用大數(shù)據(jù)能力和算法，實現(xiàn)用戶行為數(shù)據(jù)標(biāo)簽管理，實現(xiàn)內(nèi)容與廣告的千家千面投放，提升廣告價值；
• 在終端播放方面，傳輸層基于寬帶網(wǎng)絡(luò)的4K超高清視頻傳輸，保證電視畫面的自定義時移、回看，開放場景下的也可跨屏互動、多屏互通，提升終端用戶和電視交互的便捷性和趣味性。

如何實現(xiàn)導(dǎo)播內(nèi)容的實時切換，如何保證廣電內(nèi)容實時傳輸，如何讓廣電傳媒的廣告價值較大化，如何制作低成本、高質(zhì)量的節(jié)目，這對廣電新媒體來說均是急需解決的難題。

4、智慧法庭

2016年7月1日起，較高人民法院所有公開開庭案件均有網(wǎng)上直播，所有直播視頻均有視頻存檔，公眾可在線觀看。截至2018年3月，全國范圍內(nèi)的庭審直播共累計66萬余場，累計訪問近50億人次。智慧法庭充分運用互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等先進信息技術(shù)，支持全業(yè)務(wù)網(wǎng)上辦理、全流程依法公開、全方位智能服務(wù)：

基于視頻及文書，結(jié)合人工智能計算機視覺技術(shù)，讀取、分析電子化卷宗，抓取重要因素，并分類標(biāo)注。例如把犯罪動機、犯罪時間、犯罪工具等 -- 以不同顏色打上標(biāo)簽，并予以比對分析。

建設(shè)智慧法庭，如何保障開庭審訊直播視頻的實時傳輸，如何存儲海量直播視頻用于點播回放，如何基于廣泛的視頻內(nèi)容進行智能分析，對視頻基礎(chǔ)設(shè)施的可靠性提出了更高的要求和挑戰(zhàn)。

5、遠程醫(yī)療

當(dāng)前醫(yī)療資源還存在著地區(qū)分布不均問題，醫(yī)療專家可以通過在線直播、實時音視頻進行跨區(qū)域互動會診：

• 臨床交互式會診：利用視頻會議系統(tǒng)，患者可以和醫(yī)生“面對面”的交流，醫(yī)生現(xiàn)場實時解答患者的各種問題；
• 遠程影像會診：患者通過主視頻與醫(yī)生交流，同時可通過視頻傳送病歷資料和數(shù)據(jù)，包括放射檢查影像、病理檢查圖像、心電圖、血壓圖、化驗單或保存的錄像等，還原線下會診真實場景；
• 遠程醫(yī)療培訓(xùn)：通過遠程醫(yī)療培訓(xùn)系統(tǒng)開展專題講座，傳授最新醫(yī)療信息和診療經(jīng)驗，現(xiàn)場解答各種疑難問題，幫助聽課醫(yī)生拓展診療思路，提高下級醫(yī)院整體從業(yè)水平。

遠程醫(yī)療這一概念被提出后，已經(jīng)被廣泛應(yīng)用。但是，如何提高視頻傳輸性能，如何確保家庭、基層醫(yī)療機構(gòu)和戶外應(yīng)急的遠程醫(yī)療快速接入，是當(dāng)前的遠程醫(yī)療業(yè)務(wù)系統(tǒng)面臨的主要挑戰(zhàn)。

從以上列舉的幾個行業(yè)新興場景可以看出，在產(chǎn)業(yè)升級的過程中，他們都面臨著巨大的技術(shù)和資源挑戰(zhàn)。大部分企業(yè)無法在短時間內(nèi)構(gòu)建有效的相關(guān)視頻服務(wù)能力，因此如何選擇和利用公有云的相關(guān)視頻服務(wù)，快速滿足業(yè)務(wù)的升級需求，顯得至關(guān)重要。

三、智能視頻云的關(guān)鍵要素

為了滿足各行業(yè)在視頻時代新的需求和挑戰(zhàn)，智能視頻云至少需要擁有以下5個關(guān)鍵要素：

1、穩(wěn)定的網(wǎng)絡(luò)傳輸與分發(fā)：直播延遲不高于1s，互動延遲不高于150ms

2、可擴展的海量存儲服務(wù)：可以實現(xiàn)業(yè)務(wù)層無感知PB級擴容

3、云端媒體的編輯處理：可以在數(shù)秒內(nèi)創(chuàng)建獨立計算實例，執(zhí)行自定義媒體編輯操作

4、視頻內(nèi)容的智能分析：視頻內(nèi)容識別率高于95%

5、完備的權(quán)限控制：徹底杜絕非法拷貝，秒級封禁盜鏈流量

要素1：穩(wěn)定的網(wǎng)絡(luò)傳輸與分發(fā)：提供流暢的觀看體驗與低延遲的互動

• 內(nèi)容分發(fā)網(wǎng)絡(luò)（CDN）的優(yōu)化：在傳統(tǒng)CDN基礎(chǔ)上融合優(yōu)化，建立高質(zhì)量全球節(jié)點，實現(xiàn)直播、點播內(nèi)容的加速分發(fā)，進一步提供秒級首開、低延遲的視頻播放體驗。
• 實時流網(wǎng)絡(luò)（LiveNet）：針對復(fù)雜的網(wǎng)絡(luò)環(huán)境、高成本的跨運營商服務(wù)和邊遠地區(qū)基礎(chǔ)設(shè)施落后等客觀因素，基于全球節(jié)搭建全球化實時流網(wǎng)絡(luò)，采用軟件定義網(wǎng)絡(luò)的方式，動態(tài)制定線路組合并決策調(diào)度最優(yōu)線路。
• 具備完善的客戶端SDK：智能視頻云需要一整套含推流、短視頻、播放器等多種SDK開發(fā)套件，幫助用戶完成視頻的生產(chǎn)、編輯和消費，同時還能降低移動端應(yīng)用的開發(fā)難度和時間成本。
• 利用最新的編解碼技術(shù)和傳輸協(xié)議，減少對傳輸網(wǎng)絡(luò)帶寬和質(zhì)量的要求，降低卡頓率，如P2P通信，H.265編解碼，QUIC協(xié)議等。
• 支持標(biāo)準的WebRTC協(xié)議棧，降低端到端的延時，實現(xiàn)百毫秒級別的音視頻互動體驗。

要素2：可擴展的海量存儲服務(wù)：高可靠易擴展的數(shù)據(jù)安全保障

• 穩(wěn)健可靠的對象存儲：通過糾刪碼存儲、跨數(shù)據(jù)中心的副本冗余等技術(shù)手段，提供高達16個9的數(shù)據(jù)可靠性，保證每年服務(wù)不可用時間低于30s，確保存儲數(shù)據(jù)的超高可用性。
• 易擴展的技術(shù)架構(gòu)：存儲系統(tǒng)支持動態(tài)擴充存儲節(jié)點，實現(xiàn)存儲需求的彈性收縮，保證PB級別的存儲內(nèi)容可動態(tài)擴容，確保業(yè)務(wù)系統(tǒng)聚焦業(yè)務(wù)增長，無后顧之憂。
• 利用邊緣計算和邊緣存儲：將運算和存儲分散在靠近數(shù)據(jù)源的近端設(shè)備中處理，無需把數(shù)據(jù)實時回傳云端處理，減少云平臺的工作量。大幅提高效率，降低延遲，成為云平臺的有效補充和和優(yōu)化。
• 支持低頻存儲特性：將擁有高吞吐量，較高持久性和較低訪問延遲的數(shù)據(jù)存儲在云端，極大降低海量存儲數(shù)據(jù)的企業(yè)運營成本，成本比常規(guī)方案降低60%，訪問延時可控制在50ms以內(nèi)。

要素3：端媒體的編輯處理：快捷多用途云端視頻編輯

• 快捷輕量化處理：視頻編輯的任務(wù)，本質(zhì)上是針對視頻文件的數(shù)據(jù)運算與處理，通過部署靈活的容器化平臺，視頻編輯時需要的物理資源利用率可從40%提高70%以上，發(fā)布效率提升5倍，突發(fā)業(yè)務(wù)實現(xiàn)秒級響應(yīng)。
• 豐富的多媒體編輯能力：提供視頻轉(zhuǎn)碼、截圖、水印、旋轉(zhuǎn)、切片等多媒體數(shù)據(jù)處理服務(wù)，滿足直播、點播等多種實時節(jié)目制作場景，快速完成效果制作，輸出專業(yè)制播內(nèi)容。

要素4：視頻內(nèi)容的智能分析：結(jié)合人工智能發(fā)揮視頻數(shù)據(jù)的較大價值

• 智能多媒體內(nèi)容識別：通常包含內(nèi)容審核、OCR、場景識別、人臉識別、音視頻處理、圖片處理等豐富功能。同時，面對每天高速增長的數(shù)據(jù)處理請求，彈性擴縮容的內(nèi)容識別平臺能保障服務(wù)器免受巨大壓力。
• 深度學(xué)習(xí)平臺的數(shù)據(jù)整理：一個高性能的深度學(xué)習(xí)平臺框架可以輕松完成每日撰寫迭代訓(xùn)練腳本、新數(shù)據(jù)的增刪和管理、增量學(xué)習(xí)和迭代學(xué)習(xí)、搭建半監(jiān)督打標(biāo)系統(tǒng)、模型的比較和融合等工作，綜合下來，可以減少70%的重復(fù)勞動。
• 海量媒資知識庫體系由視頻結(jié)構(gòu)化模塊，知識圖譜模塊和大數(shù)據(jù)檢索模塊三者組成。視頻結(jié)構(gòu)化模塊完成對視頻中基礎(chǔ)元素和內(nèi)容的提取和整理，將線性的視頻解構(gòu)成可以被碎片化使用的組件；知識圖譜用于將視頻結(jié)構(gòu)化得到的事件、人物、物體、場景等信息的有序梳理，并以便于檢索和關(guān)聯(lián)的形式進行存儲和呈現(xiàn)；大數(shù)據(jù)檢索模塊在前兩者的基礎(chǔ)上，提供海量媒資內(nèi)容的高效檢索，可以根據(jù)人物特征、人臉特征、圖像特征、視頻特征及更復(fù)雜的組合結(jié)構(gòu)，快速地提供視頻數(shù)據(jù)檢索服務(wù)。

要素5:完備的權(quán)限控制：杜絕非法拷貝與盜鏈

• 完備的防盜鏈機制：無論是直播還是點播，對視頻內(nèi)容的訪問，都需要有完備的防盜鏈機制，常見的防盜鏈方式有referer防盜鏈、時間戳防盜鏈、回源鑒權(quán)等多種，基本上能有效地降低盜鏈風(fēng)險。同時視頻云還應(yīng)當(dāng)對突發(fā)性的盜鏈流量具有感知能力與報警機制，可以快速阻止盜鏈訪問。
• 可靠的DRM數(shù)字版權(quán)保護機制：除了防盜鏈，內(nèi)容的版權(quán)保護也是視頻云需要提供的能力。常見的方式是對上傳的視頻文件進行轉(zhuǎn)碼和加密，輸出加密后的視頻文件再進行網(wǎng)絡(luò)分發(fā)，由終端播放時再解密播放，這樣即可真正實現(xiàn)對內(nèi)容的版權(quán)保護，防止非法拷貝。

根據(jù)以上5個關(guān)鍵要素，七牛云認為一套完整的智能視頻云需要由以下模塊組成：

七牛智能視頻云

四、智能視頻云的成本優(yōu)勢：

智能視頻云不僅在技術(shù)能夠完全滿足各行業(yè)在視頻時代的新需求，相比自主研發(fā)，還能為企業(yè)大幅節(jié)省研發(fā)成本和運營成本。

自建系統(tǒng)VS智能視頻云成本

自建系統(tǒng)VS智能視頻云時間成本

面對高昂的成本，視頻云服務(wù)在提供了豐富產(chǎn)品的同時，還具有簡單易用、可彈性擴展、維護成本低的特點。智能視頻云服務(wù)通過提供通用且易于根據(jù)具體業(yè)務(wù)定制的技術(shù)系統(tǒng)，大大降低了行業(yè)應(yīng)用的開發(fā)周期與成本開銷，同時視頻云的多個模塊均可私有或混合部署，在保障企業(yè)數(shù)據(jù)安全的同時，獲得和公有云一樣的穩(wěn)定性、可靠性和靈活性。

五：AI在智能視頻云的增值應(yīng)用

在智能視頻云的技術(shù)和成本優(yōu)勢背后，人工智能，尤其是計算機視覺技術(shù)的深度應(yīng)用發(fā)揮了巨大的作用。在七牛云整個智能視頻云系統(tǒng)中，計算機視覺技術(shù)在諸多環(huán)節(jié)取代了人工操作，極大地提高了視頻內(nèi)容處理的效率。通過完全不同于傳統(tǒng)數(shù)據(jù)分析的角度，實現(xiàn)了先前難以想象的數(shù)據(jù)分析應(yīng)用。

1、視頻內(nèi)容識別：自動識別視頻畫面信息，從標(biāo)簽庫中匹配對應(yīng)標(biāo)簽

作為計算機視覺基礎(chǔ)模型層中重要的幾項技術(shù)，人臉識別、物體識別、場景識別等技術(shù)在安防、廣電、教育等領(lǐng)域的眾多場景中有廣泛的應(yīng)用場景。

例如在安防行業(yè)，擁有人臉識別、動作追蹤等功能的高清攝像頭，能根據(jù)監(jiān)控范圍內(nèi)人物的動作并判斷其行為，對具有可疑行為的人觸發(fā)自動報警。當(dāng)智能攝像頭與公安部門的在逃嫌犯資料庫匹配之后，能在機場、火車站等人流密集場所配合警方識別可疑人員，大幅提升破案、抓捕效率。

2、視頻內(nèi)容結(jié)構(gòu)化：可以像搜索文本文件一樣搜索視頻文件中的信息

計算機視覺視頻結(jié)構(gòu)化相比人工標(biāo)注具有識別范圍廣、準確性好、學(xué)習(xí)模型不斷迭代、GPU機器效率高、成本低等一系列明顯優(yōu)勢。經(jīng)標(biāo)注后的視頻能夠在遠程醫(yī)療、在線教育、廣電等行業(yè)發(fā)揮巨大作用。

例如，遠程醫(yī)療行業(yè)擁有的存量和新增影像資料遠遠超出人工標(biāo)注的能力范圍，想要發(fā)揮醫(yī)療視頻資料的較大價值，需要根據(jù)不同類別將視頻和圖片進行分類。通過人工智能高效完成視頻精確分類后，就能像搜索文本文件一樣搜索視頻文件中的關(guān)鍵信息，進行更有效的利用，真正將醫(yī)療大數(shù)據(jù)變?yōu)獒t(yī)療知識圖譜。

3、視頻內(nèi)容審核：從視頻中識別敏感信息，提升審核效率

如今，圖片和視頻取代文字成為主流的傳播方式，針對圖片和視頻的內(nèi)容審核正變得越來越重要。然而人工審核不僅會造成高企的人力成本，其效率和準確性也很難滿足當(dāng)下巨大的視頻數(shù)據(jù)量帶來的審核需求。

例如在廣電行業(yè)，視頻內(nèi)容鑒黃、鑒暴恐、政治人物識別等工作過去均由人工完成。隨著計算機視覺技術(shù)的日漸成熟，利用機器代替人工進行絕大部份的內(nèi)容審核工作，成為了視頻時代的提高審核效率的不二之選。憑借計算機視覺技術(shù)帶來的審核效率革命，鑒黃、鑒暴恐、政治人物識別將不再是廣電行業(yè)的難題。

4、視頻內(nèi)容推薦：可根據(jù)用戶消費視頻習(xí)慣，實現(xiàn)精細化運營

除了能夠高效完成視頻結(jié)構(gòu)化和內(nèi)容審核工作，計算機視覺技術(shù)還能在業(yè)務(wù)層面成為內(nèi)容運營的創(chuàng)新引擎，實現(xiàn)更多個性化產(chǎn)品需求。

同樣在廣電行業(yè)，例如在完成視頻內(nèi)容結(jié)構(gòu)化之后，運營者可以根據(jù)用戶收看行為記錄進行智能內(nèi)容推薦，甚至在視頻的特定時間段和畫面的特定位置實現(xiàn)廣告定向投放，較大化提升廣告轉(zhuǎn)化效果。智能視頻內(nèi)容推薦能夠幫助內(nèi)容運營人員以較高效率實現(xiàn)高水平的用戶精細化運營。

六、借助靈活的智能視頻云從容面對未來產(chǎn)業(yè)升級的未知挑戰(zhàn)

未來，很少有企業(yè)能脫離互聯(lián)網(wǎng)而獨立存在，因此企業(yè)數(shù)據(jù)的總量會不斷增加，對應(yīng)產(chǎn)生的數(shù)據(jù)價值甚至負擔(dān)也會同步提升。每個企業(yè)都需要擁有對于文件和富媒體素材（包含海量圖片，視頻，音頻）的使用和存儲的彈性能力，但只有極少數(shù)企業(yè)才需要擁有自建視頻云的能力和資源，大部分企業(yè)只需要借助一套穩(wěn)定并可持續(xù)升級的視頻云平臺，迎接未來產(chǎn)業(yè)中不斷變化和升級的未知挑戰(zhàn)。

報告出處：

Gartner白皮書英文版鏈接：https://www.gartner.com/technology/media-products/newsletters/qiniu/1-4UWO347/index.html
Gartner白皮書中文版鏈接：https://www.qiniu.com/products/qavs