基于云計(jì)算的視頻監(jiān)控和資源整合優(yōu)化系統(tǒng)

孫 偉

（1.蘇州工業(yè)職業(yè)技術(shù)學(xué)院 軟件與服務(wù)外包學(xué)院，江蘇 蘇州 215104；2.蘇州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 蘇州 215006）

基于云計(jì)算的視頻監(jiān)控和資源整合優(yōu)化系統(tǒng)

孫 偉1，2

（1.蘇州工業(yè)職業(yè)技術(shù)學(xué)院 軟件與服務(wù)外包學(xué)院，江蘇 蘇州 215104；2.蘇州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 蘇州 215006）

視頻監(jiān)控系統(tǒng)在日常生活中擔(dān)當(dāng)著越來越重要的作用，將云計(jì)算技術(shù)應(yīng)用于視頻監(jiān)控系統(tǒng)中，以此構(gòu)建了基于云計(jì)算的視頻監(jiān)控和資源整合優(yōu)化系統(tǒng)；然后，改進(jìn)了視頻監(jiān)控中的一個(gè)重要的算法—?jiǎng)討B(tài)目標(biāo)檢測(cè)算法，以提高視頻監(jiān)控的準(zhǔn)確性；最后，研究了如何對(duì)于云計(jì)算平臺(tái)中的服務(wù)器資源進(jìn)行整合優(yōu)化，并對(duì)所實(shí)現(xiàn)的系統(tǒng)進(jìn)行了測(cè)試，結(jié)果表明，該系統(tǒng)可以提高視頻監(jiān)控的準(zhǔn)確性和服務(wù)器的響應(yīng)時(shí)間。

云計(jì)算；視頻監(jiān)控；資源整合；動(dòng)態(tài)目標(biāo)檢測(cè)

目前，平安城市、智慧城市的建設(shè)工作正在如火如荼地開展，隨著視頻監(jiān)控的規(guī)模越來越龐大，隨之也帶來很多問題，如何通過現(xiàn)代通信、網(wǎng)絡(luò)技術(shù)將各個(gè)區(qū)域內(nèi)的各項(xiàng)關(guān)系安全的視頻資源進(jìn)行整合以及如何利用物聯(lián)網(wǎng)、云計(jì)算等相關(guān)技術(shù)將視頻監(jiān)控?cái)?shù)據(jù)進(jìn)行統(tǒng)一管理，已經(jīng)是一個(gè)急需解決的問題[1]。

1）攝像頭的數(shù)目異常龐大，視頻的數(shù)據(jù)量?jī)H靠純?nèi)斯けO(jiān)控已經(jīng)變得不現(xiàn)實(shí)，同時(shí)數(shù)據(jù)存儲(chǔ)和網(wǎng)絡(luò)傳輸?shù)确矫鎺砗艽蟮膲毫2-3]。因此，現(xiàn)代化的大規(guī)模視頻監(jiān)控系統(tǒng)勢(shì)必要引入一個(gè)高效的處理分析系統(tǒng)。

2）在視頻監(jiān)控系統(tǒng)的建模過程中，由于系統(tǒng)分析或者其他原因會(huì)導(dǎo)致部分?jǐn)z像頭、服務(wù)器等資源閑置或者緊缺的現(xiàn)象，這樣會(huì)造成資源配置不合理[4]。

3）各種監(jiān)控系統(tǒng)各自為政，缺乏有效整合資源的能力[5]。

基于上述原因，本文提出了一種基于云計(jì)算技術(shù)的視頻監(jiān)控系統(tǒng)，并且將云計(jì)算平臺(tái)應(yīng)用于視頻監(jiān)控和資源整合優(yōu)化。

1 系統(tǒng)模型設(shè)計(jì)

視頻監(jiān)控系統(tǒng)借助云計(jì)算平臺(tái)強(qiáng)大的計(jì)算處理能力，在設(shè)備兼容、服務(wù)器的數(shù)量以及區(qū)域聯(lián)網(wǎng)等方面有其獨(dú)特的優(yōu)越性。本系統(tǒng)主要由以下模塊組成：視頻采集模塊、數(shù)據(jù)存儲(chǔ)模塊、云計(jì)算資源優(yōu)化模塊以及客戶端組成。

其中，視頻采集模塊采用流媒體技術(shù)，將采集到的視頻信息通過網(wǎng)絡(luò)連接將視頻信息壓縮后放置到服務(wù)器上，并采用流媒體技術(shù)使用戶邊下邊看，以緩解客戶端主機(jī)處理的壓力。

數(shù)據(jù)存儲(chǔ)模塊主要用于對(duì)視頻文件進(jìn)行備份存儲(chǔ)，并可以對(duì)視頻采集設(shè)備如攝像頭等發(fā)送指令，采集設(shè)備可以將視頻文件傳輸?shù)酱鎯?chǔ)模塊進(jìn)行數(shù)據(jù)備份。

云計(jì)算資源優(yōu)化模塊可以提供用戶管理和權(quán)限的分配，并能夠?qū)ζ涠ㄆ谶M(jìn)行統(tǒng)計(jì)分析，并基于各種參數(shù)的統(tǒng)計(jì)分析結(jié)果，有效地整合計(jì)算機(jī)資源，提高設(shè)備的利用率[6-7]。系統(tǒng)框架如圖1所示。

圖1 系統(tǒng)框架圖

2 系統(tǒng)關(guān)鍵技術(shù)

2.1 云計(jì)算資源整合優(yōu)化方法

在視頻監(jiān)控系統(tǒng)中，可以依據(jù)時(shí)間的類別和監(jiān)控的用途來對(duì)監(jiān)控事件進(jìn)行分類，如消防突發(fā)事件、治安突發(fā)事件及交通突發(fā)事件等。本系統(tǒng)的云計(jì)算資源整合優(yōu)化方法具體可以描述為：

1）采集監(jiān)控范圍內(nèi)的視頻信息，根據(jù)不同的突發(fā)事件類型劃分將視頻存入數(shù)據(jù)庫或者進(jìn)入下述處理。

2）將第1）步中獲得的突發(fā)事件存入至緩沖分析隊(duì)列，并向云計(jì)算資源優(yōu)化模塊發(fā)出分析請(qǐng)求指令，云計(jì)算資源優(yōu)化模塊可以讀取突發(fā)事件的視頻，并根據(jù)其不同的事件類型和預(yù)定的分析算法對(duì)于突發(fā)事件進(jìn)行分析計(jì)算，并將分析的結(jié)果和原始的視頻信息按照預(yù)定的規(guī)則存儲(chǔ)到數(shù)據(jù)存儲(chǔ)模塊。

3）云計(jì)算資源優(yōu)化模塊定期地對(duì)于突發(fā)事件的類別、視頻流編碼碼率以及各服務(wù)器的計(jì)算能力或視頻來源的地理位置燈預(yù)定的參數(shù)信息進(jìn)行分析統(tǒng)計(jì)。其中，分析統(tǒng)計(jì)的步驟如下：

由上述的預(yù)定參數(shù)信息計(jì)算得到服務(wù)器的利用率；

根據(jù)服務(wù)器的利用率和個(gè)數(shù)計(jì)算緩沖分析隊(duì)列中突發(fā)事件視頻的對(duì)應(yīng)概率；

計(jì)算處于緩沖分析隊(duì)列中隊(duì)列長(zhǎng)度的數(shù)學(xué)期望值；

根據(jù)緩沖分析隊(duì)列長(zhǎng)度的期望值計(jì)算突發(fā)事件視頻的平均處理的時(shí)間；

計(jì)算得到滿足平均處理時(shí)間的最小的服務(wù)器的數(shù)目。

4）根據(jù)3）中的分析計(jì)算結(jié)果調(diào)整云計(jì)算平臺(tái)中的虛擬服務(wù)器的數(shù)目。

5）周期性地重復(fù)上述步驟，以保證平臺(tái)中各設(shè)備的利用率[8-10]。

2.2 云計(jì)算資源整合優(yōu)化方法

本文的視頻監(jiān)控系統(tǒng)融合了云計(jì)算技術(shù)，能夠通過劃分視頻段、圖像識(shí)別等技術(shù)實(shí)現(xiàn)視頻監(jiān)控并能夠準(zhǔn)確地識(shí)別視頻突發(fā)事件以及運(yùn)動(dòng)目標(biāo)[11]。具體實(shí)現(xiàn)方法如下（見圖2）：

1）采集監(jiān)控區(qū)域內(nèi)的實(shí)時(shí)視頻信息，并將此視頻信息進(jìn)行視頻段的劃分；

2）分理處理視頻段中每幀的圖像信息，檢測(cè)是否存在運(yùn)動(dòng)目標(biāo)，如存在則選取代表幀的圖像信息發(fā)送至云計(jì)算資源優(yōu)化模塊；

3）云計(jì)算資源優(yōu)化模塊根據(jù)預(yù)定信息轉(zhuǎn)發(fā)代表幀圖像至用戶的客戶端，客戶端進(jìn)行自動(dòng)或人工識(shí)別，并發(fā)送結(jié)果至云計(jì)算資源優(yōu)化模塊；

4）云計(jì)算資源優(yōu)化模塊對(duì)于突發(fā)的事件識(shí)別后，能夠報(bào)警或者進(jìn)行處理。

圖2 監(jiān)控系統(tǒng)實(shí)現(xiàn)方法

2.3 動(dòng)態(tài)目標(biāo)檢測(cè)方法

動(dòng)態(tài)目標(biāo)的檢測(cè)是視頻監(jiān)控系統(tǒng)的重要技術(shù)之一，傳統(tǒng)的動(dòng)態(tài)目標(biāo)檢測(cè)主要使用幀差法、背景差法、光流法等。本文的視頻監(jiān)控系統(tǒng)融合幀差法和背景差法兩種方法，主要分為以下幾個(gè)步驟：

1）背景幀的提取方法

根據(jù)目標(biāo)在視頻幀中出現(xiàn)的情況可以大體分為，前N幀中出現(xiàn)目標(biāo)和前N幀中沒有出現(xiàn)目標(biāo)。對(duì)于第一種情況，由于背景可能發(fā)生了很大的變化，采用了眾值法和中值法結(jié)合的方法來提取背景，將N幀的像素值的中值和眾值求和并取其平均值，并將結(jié)果作為提取出的背景。通過此種方法可以有效地解決眾值法帶來的殘影問題[12-13]。對(duì)于第二種情況，則僅僅采取眾值法來提取背景，以減小計(jì)算的復(fù)雜度。

2）背景的更新方法

背景一直是處于變化之中的，因此為了保證視頻監(jiān)控系統(tǒng)的準(zhǔn)確性需要定期地對(duì)背景進(jìn)行更新處理[14-15]。本系統(tǒng)采取的背景更新方法使用加權(quán)融合舊背景得到新背景，其計(jì)算公式如下所示：

式中：BackGcur（x，y）表示當(dāng)前幀提取的背景；BackGcur-1（x，y）為前一幀提取的背景；a表示加權(quán)率。其中，加權(quán)率的選取至關(guān)重要，經(jīng)過大量的實(shí)驗(yàn)數(shù)據(jù)，本文提取了兩種情況下的加權(quán)率分別為0.35和0.15。

3）二值化法閾值的選取方法

閾值對(duì)于圖像的二值化處理具有至關(guān)重要的影響，本文系統(tǒng)采用根據(jù)不同的情況選取不同的閾值來對(duì)圖像進(jìn)行二值化處理。

首先，在前景目標(biāo)圖像的二值化閾值選取時(shí)，選取較小的閾值；其次，將檢測(cè)后的圖像分為不同的區(qū)域，并根據(jù)判斷區(qū)域是否為主要區(qū)域設(shè)置不同的閾值，如對(duì)于主要區(qū)域選取較小的閾值，而對(duì)于其他區(qū)域則選取較大的閾值。本系統(tǒng)采取重要程度函數(shù)的方法來判斷區(qū)域是否是主要目標(biāo)所在區(qū)域。其中重要程度函數(shù)為二值化后各區(qū)域內(nèi)像素值的總和/區(qū)域大小。

如將圖像分為N個(gè)區(qū)域，各區(qū)域分別為S1～SN，則重要程度函數(shù)為

式中：S為各個(gè)區(qū)域的面積；I表示二值化之后的像素值。因此，二值化后圖像中重要程度函數(shù)最大的區(qū)域就是目標(biāo)所在的主要區(qū)域。而當(dāng)目標(biāo)存在于多個(gè)區(qū)域時(shí)，則可以合并相鄰的幾個(gè)區(qū)域并進(jìn)行后續(xù)的處理。對(duì)于最終得到的結(jié)果中目標(biāo)存在的區(qū)域采用較小的閾值，這樣能夠盡可能地保證檢測(cè)到的目標(biāo)能夠完整地被選取；而對(duì)于剩下的區(qū)域，則可以采用較小的閾值，以減小計(jì)算量并消除噪聲。

3 系統(tǒng)測(cè)試

測(cè)試基于云計(jì)算平臺(tái)下的視頻監(jiān)控和資源優(yōu)化系統(tǒng)，打開系統(tǒng)軟件，其系統(tǒng)界面如圖3所示。

圖3 系統(tǒng)界面（截圖）

系統(tǒng)可以采集每一個(gè)監(jiān)控點(diǎn)的視頻畫面，并進(jìn)行視頻數(shù)據(jù)的傳輸、回訪等操作，并能夠?qū)崿F(xiàn)定時(shí)地調(diào)整服務(wù)器開啟的數(shù)量以實(shí)現(xiàn)功耗的節(jié)約。并且測(cè)試結(jié)果表明，本系統(tǒng)的CPU、內(nèi)存的利用率以及服務(wù)器的響應(yīng)時(shí)間等參數(shù)都在預(yù)定范圍內(nèi)。通過測(cè)試表明，本文實(shí)現(xiàn)的系統(tǒng)能夠明顯地改善視頻圖像的播放速度以及質(zhì)量，并擁有較強(qiáng)的數(shù)據(jù)處理能力，整個(gè)系統(tǒng)能夠高效并穩(wěn)定的運(yùn)行。

4 小結(jié)

隨著視頻的高清化，視頻監(jiān)控系統(tǒng)逐漸向著信息化、智能化的方向發(fā)展。因此，需要擁有很大的計(jì)算能力，云計(jì)算技術(shù)運(yùn)用于其中是必然的趨勢(shì)。基于云計(jì)算的視頻監(jiān)控系統(tǒng)既擁有計(jì)算并分析海量數(shù)據(jù)的能力，又能夠滿足視頻系統(tǒng)的數(shù)據(jù)量越來越大的需求。同時(shí)，也可以在不同的地點(diǎn)對(duì)于視頻信息進(jìn)行共享。因此，將云計(jì)算和資源整合的技術(shù)應(yīng)用于視頻監(jiān)控系統(tǒng)，能夠提高視頻的質(zhì)量和系統(tǒng)的反應(yīng)速度。

[1] 張艷紅，程允麗.城市視頻監(jiān)控系統(tǒng)的研究[J].電視技術(shù)，2012，36（21）：160-161.

[2] 王勇，周金和.基于私有云的遠(yuǎn)程視頻監(jiān)控系統(tǒng)設(shè)計(jì)[J].電視技術(shù)，2013，37（S2）：440-443.

[3] ZHAO Z F，CUI X J，ZHANG H Q.Cloud storage technology in video surveillance[J].Advanced Materials Research，2012（532）：1334-1338.

[4] LIU H，TANG C，WU S，et al.Real-time video surveillance for large scenes[C]//Proc.2011 International Conference on Wireless Communications and Signal Processing（WCSP 2011）.[S.l.]：IEEE Press，2011：1-4.

[5] 于伯寅.基于云計(jì)算的港口視頻監(jiān)控系統(tǒng)的研究[D].大連：大連海事大學(xué)，2013.

[6]方權(quán)亮，余諒.基于云計(jì)算的智能高清視頻監(jiān)控系統(tǒng)研究[J].微型機(jī)與應(yīng)用，2013（3）：90-92.

[7]CUCCHIARA R，PRATI A，VEZZANI R.Designing video surveil?lance systems as services[C]//Proc.2nd Workshop on Video Sur?veillance Projects in Italy（VISIT’11）.[S.l.]：IEEE Press，2011：11-13.

[8] WU P J，KAO Y C.Computing resource minimization with con?tent-aware workload estimation in cloud-based surveillance sys?tems[C]//Proc.2014 IEEE International Conference on Acoustics，Speech and Signal Processing（ICASSP 2014）.[S.l.]：IEEE Press，2014：5017-5020.

[9] OH S，HOOGS A，PERERA A，et al.A large-scale benchmark dataset for event recognition in surveillance video[C]//Proc.2011 IEEE Conference on Computer Vision and Pattern Recognition（CVPR2011）.[S.l.]：IEEE Press，2011：3153-3160.

[10] 劉建益.云計(jì)算技術(shù)在城市視頻監(jiān)控系統(tǒng)中的應(yīng)用[J].中國(guó)安防，2014（Z1）：95-97.

[11] 張海天.基于云的大規(guī)模高清視頻監(jiān)控系統(tǒng)[D].南京：南京郵電大學(xué)，2013.

[12]TASVAKKOLI M N，WANG J，BEBIS G.Applications in video surveillance[J].Background Modeling and Foreground Detection for Video Surveillance，2014（4）：15-18.

[13]WANG L，ZHU H，AGHDASI F，et al.Cloud-based video sur?veillance management system：U.S.，13/335，591[P].2011-12-22.

[14]安磊.基于幀差法和背景減除法的視頻監(jiān)控系統(tǒng)設(shè)計(jì)[D].西安：西安科技大學(xué)，2013.

[15] WU P J，KAO Y C.Computing resource minimization with con?tent-aware workload estimation in cloud-based surveillance sys?tems[C]//Proc.2014 IEEE International Conference on Acous?tics，Speech and Signal Processing（ICASSP 2014）.[S.l.]：IEEE Press，2014：5017-5020.

Video Surveillance and Resource Integration System Based on Cloud Computing

SUN Wei1，2
（1.Institute of Software and Service Outsourcing，Suzhou Institute of Industrial Technology，Jiangsu Suzhou 215104，China；2.School of Computer Science&Technology，Soochow University，Jiangsu Suzhou 215006，China）

Video surveillance system is playing an increasingly important role in our life.The cloud computing technology into system is builtin thispaperand the video surveillance and resource integration system is coustructed.And then an important algorithm in video surveillance system is improved.Moving Target Detecting Algorithm，in order to improve the accuracy of the system.Last but not least，this paper researches how to integrate resources of the survey in the cloud computing platform and test the performance of the system.The results show that the system can improve the accuracy and responding time of the server.

cloud computing；video surveillance；resource integration；moving target detecting

TP391

A

10.16280/j.videoe.2015.08.011

2014-08-15

【本文獻(xiàn)信息】孫偉.基于云計(jì)算的視頻監(jiān)控和資源整合優(yōu)化系統(tǒng)[J].電視技術(shù)，2015，39（8）.

國(guó)家自然科學(xué)基金項(xiàng)目（61170125）；江蘇省高等職業(yè)院校國(guó)內(nèi)高級(jí)訪問學(xué)者計(jì)劃資助項(xiàng)目（2013-FX033）；江蘇省教育技術(shù)研究所重點(diǎn)項(xiàng)目（2012-R-22370）

孫 偉（1974—），副教授，碩士，CCF會(huì)員，主研傳感技術(shù)、移動(dòng)技術(shù)、異構(gòu)數(shù)據(jù)庫。

責(zé)任編輯：時(shí) 雯