“和颐酒店事件”震惊全国。酒店内的视频监控记录下了一名女子遭遇暴行的全过程。然而，即使在真实的监控画面面前，仍然有很多网友大呼“不相信”、期待事件的反转。

　　现在，让我们来设想一下。如果颐和酒店的摄像机集合了音频系统，如果颐和酒店的安保系统里面有音频系统，那么，在画面+声音的双重证据下，质疑的声音会不会少一些，我们离真相是否更近一些?

　　音频监控在智慧安防中大有可为

　　音频监控是智慧安防建设系统的重要组成部分，它是一种防范能力较强的综合系统，直观、准确、及时和信息内容丰富，是其突出的特点。

　　对于音视频一体化监控来说，摄像机相当于眼睛，拾音器相当于耳朵。眼睛看到的图像和耳朵听到的声音通过光纤、网络等神经系统传输到存储服务器就构成一个完整的音视频监控系统，为智慧安防或智慧城市提供 高品质完整的基础数据。

　　传统的视频监控系统都没有声音，就像早期的无声电影，人们只能看到无声的影像。而现在很多的智慧安防，已经要求增加音频采集，例如在平安城市、公检法办案区、金融机构、公共交通、教育监考、行政服务、执法取证等领域，越来越多的优质项目需要高清晰、高保真的音视频同步监控系统，在优质安防工程中已凸显出音频监控的重要性，成为平安城市和智能政务的新亮点。

　　音频监控系统及其作用

　　一套完整的音频监控系统包括拾音器和语音降噪设备、网络录音对讲系统、音频智能分析系统。

　　拾音器：拾音器是音频监控系统的核心，主要是通过声音的震动来采集现场的声音。拾音器一般分为数字拾音器和模拟拾音器，数字拾音器就是通过数字信号处理系统将模拟的音频信号转换成数字信号并进行相应的数字信号处理的声音传感设备。模拟拾音器就只是用一般的模拟电路放大咪头采集到的声音。

　　网络录音对讲系统：主要包括远程录音系统和对讲系统。一旦采集到声音，就会自动启动录音功能，并主要通过语音卡和音箱，实现实时监听的功能。

　　音频智能分析系统：音频智能分析类似于视频监控系统中的智能分析。通过声纹采集和比对，来分析出声音的具体特征，并能分析出当时的应用场景。

　　智能的音频系统能做些什么

　　音频监控经过多年的发展，技术正趋于成熟。

　　通过对声纹的识别可以鉴定个人的身份。人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，人在讲话时使用的发声器官(舌、牙齿、喉头、肺、鼻腔)在尺寸和形态方面差异很大，所以每个人的声纹图谱都有独特的，既有相对稳定性，也有一些变异。但尽管如此，由于每个人的发音器官都不尽相同，因此在一般情况下，可以通过音频系统来区别不同的人的声音或判断是否是同一人的声音。

　　通过音频监控的场景分析来判断当时场景下的异常行为。这种技术是基于各类异常声音在时域、频域的特征，结合模式识别的分类方法对异常事件报警。

　　其实，现在已经有些厂商的技术已经可以做到通过声音的识别来判断说话人的情绪、所处的环境等问题。

　　音频监控的推广难点

　　前面说过，传统的监控系统很少有集合音频系统。只是在特点的项目中，根据项目需求，才会在原有的监控系统中添加音频系统。以下的几方面制约了音频监控在安防行业的应用。

　　1、成本问题。无论是新建一套完整的音频系统还是在原有的监控系统或是报警系统中集合音频产品，都将增加成本，这成为音频监控推广难的重要原因。同时，在一些除去公安、银行等行业中，音频系统并不是不可或缺，因此再考虑到成本的问题，音频系统是可以剔除的。

　　2、技术难点。在原有的安防系统中集合音频系统并不是难事，一般技术层面的难点基本可以解决。但有些特殊的行业，对于音频要求极高。在空旷且嘈杂的环境中，要求音频系统抗干扰能力强、有强大的去噪音技术。而特殊安静环境，则要求能听到很细微的声音，比如说公安督查的审讯和枪械室，轻微的声音都可以第一时间采集到，要求拾音器的灵敏度必须非常高，而且要达到原声的效果。总之，不同领域的环境，音频监控设备的要求也截然不同。而这也正是音频监控技术标准始终没有得到统一规范的重要原因。

　　3、隐私问题。音频监控提供了便利和安全，也可能带来隐私问题。有人担心，声纹可以不经他们同意来鉴定说话者，是否侵犯他们的隐私和言论自由。这些技术一旦成熟，它必将产生许多隐私问题，这是非常容易理解的。如何获得声纹以及何时获得声纹是合法这个问题是非常模糊的。

　　而随着平安城市的推进和反恐进程加快，对于安防系统的建设要求也越来越高。人们对音频监控已经开始重视起来，更多的行业和场景中对于影音同步监控的需求越来越强烈。无论是公检法机构，还是机场、铁路、银行等重点单位，越来越多的优质安防工程急需清晰、逼真的影音同步监控系统。