視頻監(jiān)控技術(shù)在智能分析方面的快速發(fā)展，得益于智能芯片、算法及技術(shù)架構(gòu)在業(yè)務(wù)應(yīng)用中的普及應(yīng)用。而隨著業(yè)務(wù)的多元化所引發(fā)的技術(shù)差異化競爭，也使得安防企業(yè)在整個安防監(jiān)控技術(shù)的發(fā)展上各有千秋。

行業(yè)背景及需求概述

城市公共場所監(jiān)控攝像頭成千上萬，晝夜不停地監(jiān)視和錄像，由此產(chǎn)生出海量的視頻數(shù)據(jù)，在對這些海量視頻通過人工進行重點目標(biāo)查找的困難很大，耗費時間較長，特別是一些重點場所的監(jiān)控視頻，對目標(biāo)查找有強烈的實時、高效的需求。

目前使用人工手段效率很低，即便使用視頻濃縮摘要等技術(shù)處理也主要是對歷史視頻、圖像進行分析，而且流程繁瑣，出現(xiàn)突發(fā)緊急案件時，往往會貽誤最佳的破案時機，導(dǎo)致相關(guān)情報研判和案件偵破的響應(yīng)速度跟不上要求，無法滿足公安事前高危預(yù)警、即時性事件處置要求。在視頻監(jiān)控協(xié)作公安偵破案件過程中，最理想的情況是一旦有重要事件發(fā)生，立即就可以快速查找到關(guān)鍵目標(biāo)的人、車、物等視圖線索信息，然后進行人、車布控時還能實時預(yù)警。

基于上述背景及需求，視圖萃取技術(shù)可以滿足這些需求，目標(biāo)是將針對傳統(tǒng)以人海戰(zhàn)術(shù)為主的視頻線索查找或事后對歷史視頻圖像進行處理分析的方式，用實時、高效、自動、智能的技術(shù)實現(xiàn)。

視圖萃取技術(shù)分析

監(jiān)控攝像頭產(chǎn)生的海量原始、粗糙的信息，很多時候是用來儲存或者接受對專職人員的監(jiān)控。如果通過人工處理這些視頻信息，將會變得單調(diào)而乏味，同時，大部分時間的原始視頻中并不包含案件所關(guān)注的目標(biāo)事件。攝像頭如何被用來有效的進行場景監(jiān)測，并根據(jù)需要進行實時的預(yù)警，這是視頻監(jiān)控問題的研究目的。這就需要一種視頻監(jiān)控技術(shù)能夠在監(jiān)控場景中自動獲取對正在發(fā)生的事件的描述，并根據(jù)視頻分析采取相應(yīng)的措施。

雖然，不同的視頻監(jiān)控系統(tǒng)有不同的監(jiān)控需求，但是它們在監(jiān)控處理的過程中都需要處理一些共性問題。我們從分析監(jiān)控人員的工作方式入手，來探討這些共性問題。監(jiān)控人員在面對視頻監(jiān)控畫面時，通常只是關(guān)注場景中的某些特定目標(biāo)物。比如，只是關(guān)注在監(jiān)控場景中新出現(xiàn)的目標(biāo)物（陌生人），而不會關(guān)注監(jiān)控場景的景色變化或者物體擺放位置的變動等。從每一幀視頻畫面中分離出目標(biāo)物（陌生人），并對這一同標(biāo)物進行長時間的跟蹤，這就是物體的檢測、分類和跟蹤問題。監(jiān)控人員在對目標(biāo)物的跟蹤過程中產(chǎn)生的一系列的信息并對之加以分析，然后給目標(biāo)物的運動劃出一個行為描述，并根據(jù)這個行為描述決定是否對當(dāng)時發(fā)生在監(jiān)控場景中的事件給出異常報告。這個過程對于視頻監(jiān)控系統(tǒng)來說，就是在目標(biāo)物被識別并確認的基礎(chǔ)上，分析目標(biāo)物的行為，按照設(shè)定的條件對系統(tǒng)理解的行為分類，給出監(jiān)控場景中的事件行為描述。綜上，通過對監(jiān)控人員的實際工作流程和工作方式的分析，我們知道視頻監(jiān)控過程中主要涉及到的問題包括：目標(biāo)物的識別確認，目標(biāo)物的跟蹤和目標(biāo)物的行為分析。問題核心是圖像分類和圖像搜索。圖像分類任務(wù)如：人車目標(biāo)、車輛品牌、車輛顏色識別、車輛類型識別等。

視圖萃取技術(shù)的實現(xiàn)方式

視圖萃取技術(shù)實現(xiàn)了對海量視圖的實時結(jié)構(gòu)化提取，對人、車、物識別分離，提取有效結(jié)構(gòu)化數(shù)據(jù)，并對視圖中的車、人臉進行深度結(jié)構(gòu)化處理，實時感知城市中的高危人員、高危車輛。結(jié)構(gòu)化后的高價值信息可以進行長期保存，讓事后偵查搜索目標(biāo)變得更便捷，大大節(jié)約視頻偵查時間和人力成本。

萃取技術(shù)架構(gòu)圖如下：

圖1 萃取技術(shù)架構(gòu)

人車物分離

視頻人車物分離針對平臺/設(shè)備的視頻/錄像進行結(jié)構(gòu)化處理，將視頻中的運動目標(biāo)進行人（行人、自行車、電瓶車或摩托車、三輪車）、車、物的區(qū)分，同時提取目標(biāo)基本的信息，如主體顏色、目標(biāo)大小、目標(biāo)速度、運動方向、時間等。根據(jù)這些提取的目標(biāo)信息可以自由組合進行目標(biāo)搜索，顯示結(jié)果以視圖、列表或者地圖形式展現(xiàn)，每條記錄對應(yīng)原始視頻片段供細節(jié)查看。結(jié)構(gòu)化的重要線索及高價值數(shù)據(jù)可以在民警分析后入視圖庫，同時萃取系統(tǒng)也能從視圖庫中獲取其他業(yè)務(wù)系統(tǒng)分析后的高價值信息進行同一案件人、車線索的串并，并在地圖上進行展現(xiàn)。

車/臉識別

車輛與人臉識別基于現(xiàn)有卡口電警設(shè)備、卡口平臺、人車物分離出的車輛資源，實現(xiàn)了對過車圖片的智能化特征二次提取和分析，并進行結(jié)構(gòu)化解析和提?。òǎ很囕v品牌、型號、年款、顏色、類別、異常行為等），以及車輛唯一性局部特征（如年檢標(biāo)志、紙巾盒、遮陽板、擺件、掛件）的過車信息實時搜索分析功能，主要包括：車牌識別技術(shù)、車系型號識別技術(shù)。

車牌識別包括快速定位車牌位置，準(zhǔn)確識別車牌字符、車牌顏色、車身顏色、車頭商標(biāo)、車輛類型等一系列智能交通領(lǐng)域所需要的技術(shù)。

車系型號識別技術(shù)，目前采用國際先進的深度學(xué)習(xí)技術(shù)結(jié)合了車輛大小，車身的顏色以及車牌位置與顏色等綜合信息，能夠準(zhǔn)確定位識別上百種車品牌，支持上千種車輛的具體型號的準(zhǔn)確識別，并且算法不依賴于公安的數(shù)據(jù)庫，具有靈活的應(yīng)用場景，為公安刑偵工作提供更加精細化的信息。（支持200種品牌、3000種細分車系、局部特征的分析輸出。）

圖2 車輛特征展示

與濃縮摘要的區(qū)別

萃取面對需求以實時結(jié)構(gòu)化為主，所以應(yīng)用主要針對重點區(qū)域的實時結(jié)構(gòu)化需求，濃縮摘要針對所有事后視頻的摘要分析。

萃取對于視頻結(jié)構(gòu)化中除人車分離功能外還有對車輛進行二次分析及特征布控，而濃縮摘要主要側(cè)重人車分離，對于車臉識別及特征布控?zé)o法實現(xiàn)。

視頻萃取技術(shù)應(yīng)用

利用視圖萃取技術(shù)開發(fā)的產(chǎn)品，主要定位于公安的業(yè)務(wù)應(yīng)用，應(yīng)用上可以分為下面幾個類型：

事前重點點位實時結(jié)構(gòu)化

支持通過電子地圖的方式進行配置，將重點部位周邊的符合智能化分析的點位進行實時結(jié)構(gòu)化，支持按照全時段、重要時段(如上午7-9點學(xué)校，中午11-13點銀行，下午3-5點學(xué)校)等方式進行配置。一旦發(fā)生事件后，可第一時間通過檢索結(jié)構(gòu)化信息的方式快速定位嫌疑人、車信息。

事中即時性案件處理

針對接到報警后需要馬上通過視頻進行追蹤的場景，支持通過電子地圖框選案發(fā)地周邊點位后直接進行萃取，并可通過布控嫌疑人員、車輛特征(紅色衣服-人員，黑色三廂轎車等)的方式，快速掌握嫌疑人員移動軌跡。

同時，也可根據(jù)嫌疑人、車的移動方向，逐步調(diào)整進行結(jié)構(gòu)化分析的攝像頭，以實時跟蹤嫌疑人軌跡。

事后研判，軌跡還原

可以在地圖上進行時空分析，將萃取系統(tǒng)分析的人員、車輛信息形成目標(biāo)的時空軌跡，幫助辦案民警進行分析和研判。

行業(yè)技術(shù)應(yīng)用現(xiàn)狀

目前，主流的安防產(chǎn)品解決方案提供商主要采用的是視頻信息智能分析技術(shù)，常用的智能視頻分析技術(shù)通過目標(biāo)提取、目標(biāo)跟蹤、特征提取等算法實現(xiàn)對移動目標(biāo)的檢測、識別及特征細化等功能。安防企業(yè)也都正在基于此類技術(shù)推出產(chǎn)品進行業(yè)務(wù)應(yīng)用，這充分說明該技術(shù)能給業(yè)務(wù)應(yīng)用帶來便利。

來源：機房動力環(huán)境監(jiān)控 動力環(huán)境監(jiān)控系統(tǒng) http://qdlanhai.cn/solution/  本文采集于網(wǎng)絡(luò)，如有問題有聯(lián)系刪除