基于海量視頻監控的中小地震烈度快速判斷方法嘗試

李東平++劉倩倩++龔俊

摘要：震后在海量監控資料的支持下，利用定性分析烈度經驗矩陣建立監控視頻與地震烈度的相對關系，在視頻監控中提取震害和烈度信息。為進一步提高烈度判讀的效率，建立基于視頻圖元變化的地面強震動定量分析方法，計算出監控點的地震動峰值加速度值，并將該方法封裝成為軟件，其分析結果可作為現場災害調查和確定最終烈度分布的參考，提高地震災情獲取和快速評估的時效性。浙江省地震局開展了基于海量視頻監控的中小地震烈度快速判斷方法研究，并在2014年文成—泰順42級地震應急中初步應用。

關鍵詞：視頻監控；烈度快速評估；大數據；中小地震

中圖分類號：P3159文獻標識碼：A文章編號：1000-0666（2017）02-0324-09

[BT1-*1]0前言

地震發生后如何準確了解地震災害的程度和分布，及時有效組織抗震救災工作，是當前防震減災工作中亟待解決的問題。地震科技工作者一直努力進行相關技術研究，近年來在新技術支持下取得了一定的進展，如利用遙感進行震情快速獲取，采用經驗公式的地震烈度快速模擬等，但是在實際地震應急中效果不太理想，最直接快速獲取災情的手段仍然欠缺（鄭向向，2012）。隨著硬件成本的降低和視頻分析技術的發展，視頻監控網絡發展迅速，視頻監控可以真實還原地震發生時的狀況，還可以直觀反應災害分布情況。公安部門建設了有專人維護的海量監控網絡，網絡密度大、分布相對均勻，在城鎮和鄉村都有廣泛分布。目前國內相關地震部門也注意到監控視頻對地震應急救援的重要性，開展了相關研究工作。視頻監控系統不但可以獲取震后的災情分布，甚至可以通過技術挖掘完成地震預警工作，梳理震前宏觀前兆的一些異?，F象，實現對宏觀前兆捕捉的工作。綜上所述，對視頻監控在地震應急中的應用研究是當前地震應急工作的一個突破口（帥向華等，2013）。

[BT1-*1]1公安監控系統共享與地震應急

近年來，各地公安系統都按照統一的標準規范建設了公安社會治安視頻監控系統（張福忠，吳夫芳，2010），覆蓋城鄉道路、公共場所、要害部門、社區等，形成基本覆蓋全社會的全天候監控網絡（鄭杰，2009）。

2007年，浙江省頒布了《跨區域視頻監控聯網共享技術規范》地方標準，在2008年初又下發了《關于加強社會治安動態視頻監控系統共享平臺建設的通知》，全面啟動全省視頻共享平臺建設與聯網工作（宋威，2013）。浙江省地震局于2013年實現了震區的公安視頻共享聯網工作，實現震區視頻監控系統共享。浙江省公安廳目前提供共享的攝像頭為省域內百萬級，全部為室外攝像頭，覆蓋省內所有行政村和大部分自然村。公安監控攝像頭數據量龐大、分布相對均勻，安裝有相對統一的技術標準，一般在VIII度及以下烈度可以正常工作。震時，公安監控系統可以記錄當時發生破壞情況和人員反應，并可以根據攝像頭本身晃動情況，在模型算法的支持下模擬出地面強震動波形（胡素平，帥向華，2012）。

[BT（12+*1]2基于視頻監控的地震烈度經驗矩陣快速判斷及應用

21視頻監控資料的選取與分類[BT）]

[KG（0.15mm]浙江省地震[HJ]局在“十二五”期間開展了基于視頻分析的地震烈度快速獲取工作，并開始收集整理地震發生的相關視頻。其中地震監控資料是在2013年與公安部門協調后才開始獲取，其他的監控資料大多由網絡獲取，由于行政區域的因素，我們采用的規范的攝像頭資料都取自浙江省境內。[KG）][JP]

分析工作中總共選取了191組監控探頭視頻，其中取自監控網共享平臺的完整視頻有121組，網絡收集視頻有70組（表1）。

我們主要以中小地震為研究目標，其中也選擇了一些強震，但主要是研究強震對中低烈度區的攝像頭影響情況，如南投65級地震對浙江省內的影響。獲取的監控資料包括地震前后的完整時間段、監控的精確經緯度、監控探頭安裝依附建筑和所處的場地條件等幾個必要條件。

22視頻監控的經驗矩陣判斷

在對公安監控探頭的震后反應進行梳理的過程中，發現相近地點的監控探頭震后反應差別很大，有些畫面劇烈抖動，有些畫面基本沒有變化，在III～IV度烈度區有些探頭也有明顯的晃動。這些現象與監控探頭安裝條件有很大的相關性，我們經過對照分類，將監控探頭的安裝按場地條件和安裝依附建筑總結了震害現象的對照矩陣（表2～7），對在不同烈度下的探頭晃動和人員反應做了初步分類，并在幾次中小地震應急中進行了驗證，對輔助地震烈度判斷有較大幫助。

23在文成—泰順42級地震經驗矩陣應用

2014年10月25日18時42分在浙江省文成縣、泰順縣交界處（2771°N，11996°E）發生42級地震，震中區烈度評估為Ⅵ度。地震發生后指揮中心獲取了發震時刻多組有效攝像頭數據，通過對比攝像數據中人員反應、鏡頭晃動等情況，對烈度做了初步的判斷。在震后4 h就繪制了第一張烈度分布模擬圖，第二天又通過各類渠道補充了多組攝像頭數據，繪制了第二張烈度模擬圖。在整個震區半徑25 km范圍內有近千組攝像頭可以選擇，由于工作量太大，當時沒有進行進一步擴大攝像頭資料選取分析工作。

[JP3]圖1是泰順縣某村路口的一個監控頭拍攝的畫面，近攝像頭的電線由于強烈地震引起的震動開始抖動，在1 s后電線抖動更加劇烈，近攝像頭的電線已經成為一條光帶，根據視頻經驗矩陣判斷為Ⅵ度（監控校時有一定偏差）。[JP]

圖2是泰順縣某村委會前的一個監控頭拍攝的畫面，地震發生時正值晚飯期間，室內人員驚慌逃出，遠處路上拿電筒的行人也開始跑動躲避，在發震后3 s，室內人員已經都已經逃出，聚居在房屋門口（標注2），遠處路上的行人在跑動（標注1）。此前已經發生過數次3級以上地震，當地人已經習以為常，可以讓當地人驚慌逃出，烈度可以認定較高，最后根據視頻經驗矩陣判斷為Ⅵ度。

3基于視頻圖元變化的地面強震動定量分析及應用

31長尺度視頻震動時刻的快速定位[BT）]

在幾次地震應急中，應用視頻經驗矩陣分析對地震烈度進行模擬，取得了一定的效果，但是仍有一些問題需要解決。首先在基層單位提供的視頻中，沒有統一的校時服務，在對發震時刻進行視頻定位時，會有較大的時間誤差，在數次地震應急中我們進行視頻的定性分析（矩陣分析法），在查看視頻中定位發震時刻是耗時較長。針對以上問題，我們利用圖元分析方法對視頻進行編碼分析，快速定位到圖像開始抖動的時間段，可以大大提高視頻分析效率。

在長尺度視頻震動時刻的視頻快速定位分析中，第一步要解決的是人機交互分析，這在定性分析中也需要用到。我們采用H264視頻編碼中的運動估計技術，在視頻編碼和視頻處理中廣泛應用。運動估計技術的基本思想是將圖像序列的每一幀分成許多不重疊的宏塊，并認為宏塊內所有像素的位移量相同，然后在每個宏塊到參考幀某一給定搜索范圍內根據一定的匹配準則找出與當前最相似的塊，即匹配塊，匹配塊與當前塊的相對位移即為運動矢量（譚琳，2007）。我們采用了16×16的宏塊模式，塊匹配準則是判斷相似程度的依據，這里的塊匹配準則是：

平均絕對誤差函數（Mean of Absolute Error，MAE）：[KH*1]

[JP2]MAD（x，y）=[SX（]1MN[SX）]∑[DD（]Mm=1[DD）][KG-*3]∑[DD（]Nn=1[DD）][KG-*2][JB<1*|] fk（m，n）-fk-1（m+x，n+y）[KG-*2][JB>1*|][JY]（1）[KH*1D][JP]

式中：M，N為16（宏塊數量）；fk為某一宏塊內像素值和。上述準則公式實現簡單方便，較為實用。

第二步是運動搜索策略。菱形搜索法（Diamond search，DS）于2000年被首次提出，經過多次的修改，目前已成為快速匹配運動估計算法中性能最好的算法之一。該方法原理是選用大小2種形狀的搜索模板LDSP（大菱形）和SDSP（小菱形），以搜索中心為中心進行大菱形的搜索（竇茂森，高文靜，2006），計算9個點，如果最小的MAD點不在大菱形中心的話，將大菱形中心移到相應最小的MAD點上，重復大菱形搜索，共搜索5個點得到最終的搜索結果作為運動估計的最優匹配點（圖3）。

在地震視頻快速定位時，采用運動估計方法對視頻進行逐幀分析，較為精確地估算出相鄰幀之間的像素移動。分析完畢后，可以得出所有相鄰幀之間的像素位移量、位移的峰值、平均值，最終能夠快速并較為準確地定位出發生地震的時間段，并截取出該時段的視頻。

32地震視頻的加速度定量分析

震后應急中，相關監控視頻源源不斷匯集到指揮中心，浙江地震局指揮中心人力較為緊張，導致視頻分析的效率較低。在地震中通過監控錄像可以真實地記錄地震發生時地面震動的情況，也可以反應攝像頭和地面固定物體之間的相對運動。公安攝像頭有相對規范的安裝方式，我們可以用算法將攝像頭拍攝下來的畫面運動換算成強地面運動的數值，由于攝像頭安裝條件會有細微差距，所處的場地條件也各有差異，單個攝像頭并不能精確給出強震動信息，但是公安攝像頭密度很大，對同區域相鄰的多個攝像頭進行加權平均，可以給出一個小區域相對準確的加速度值。我們考慮用算法代替人工判讀，提高視頻分析效率，節約震后應急時間。其原理是利用圖元分析的方法，通過圖像抖動量的分析，提取視頻所在地的強震動信息（楊宇翔等，2015）。

[JP2]首先采用地震視頻中的整幅圖像（或者圖像的絕大部分）之間的移動情況來定量描述地震動的加速度和速度。如果只根據地震視頻中的幾個參照物很難準確定量描述地震的加速度和速度，我們利用視頻圖像間像素的全局移動，即整幅圖像中像素發生位移的部分來分析地震動的速度和加速度?？梢詫⒄麄€地震圖像移動區域作為分析參照物，因為在不同烈度的地震視頻中可以明顯區分圖像幀之間物體的抖動范圍和抖動速度的差別，這可以作為判斷地震烈度的依據。這樣可以由圖像全局抖動入手，分析圖像抖動區域像素的大小，再估算出圖像中該區域像素的真實大小并進一步計算地震動速度和加速度（由于視頻的幀率是固定的，所以只需要計算位移）。[JP]

圖像的全局移動分析法是目前較為可行的一種估計方法，避免了由于幾個固定參照物丟失或損壞帶來的影響以及單一參照物的計算誤差。在視頻關鍵幀不丟失的情況下能較為準確地計算出每幀圖像之間像素移動的值和移動的區域，由該移動區域作為參照物來分析得出地震動的速度和加速度，流程如圖4所示。

首先采用與地震視頻截取相同的運動估計方法，對地震視頻逐幀分析，計算出相鄰幀之間發生位移的宏塊。然后對幀間圖像發生位移的宏塊進行連通分析，宏塊的連通成分對應發生地震的部分。這樣可以較為準確地計算出地震視頻中每一幀圖像發生震動的像素個數，例如：導入的分析視頻大小為288×352，每一幀圖像共有18×22個宏塊，每一個宏塊的像素個數為16×16。我們對地震視頻某幀圖像進行運動估計分析和宏塊連通域計算求得該幀圖像的地震宏塊為300塊，則說明該幀圖像發生震動的像素為300×16×16個。

接下來將像素位移換算成實際場景的移動面積，我們采用了圖像深度估計的方法計算地震視頻每幀圖像的深度圖。深度圖代表著場景中各個點與相機間的距離關系，有了深度圖就可以計算每個像素對應與真實場景中的大小信息。將上面步驟中求得的圖像震動宏塊投影到深度圖（即將震動圖像和深度圖重合）中，就得出了圖像震動部分對應的深度圖，圖像震動區域的平均深度為：[KH*1]

X=[SX（]1N[SX）]∑[DD（]Nn=1[DD）][JB<1*|]f（n）[JB>1*|][JY]（2）[KH*1D]

式中：X為平均深度信息；N為圖像震動區域宏塊數；f（n）為該宏塊的深度信息。由此可以得出圖像震動區域像素的平均深度，也可以將之前求得的震動像素投影到真實世界中。地震發生后，由于地面震動，監控視頻中的內容也會發生較大的變化，但是利用深度信息分析并不會受到干擾。因為每幀圖像都可以獲得一個新的深度圖和它所對應的震動宏塊區域，這樣也增加了每幀圖像計算震動的準確性。

最后根據標準的速度和加速度計算的物理公式來分析計算。假設1個像素的位移等同于實際場景移動了25×10-5 cm，而該幀圖像發生震動的像素為104，則該時刻（相鄰幀之間的時間為025 s）地震震動速度為10 cm·s-1。

地震的加速度是由相鄰幀之間速度計算求得：[KH*1]

a=[SX（]v1-v2t[SX）][JY]（3）[KH*1D]

式中：v1為t1時刻地震震動速度；v2為t2時刻地震震動速度；t為025 s。由此可以計算出地震動加速度。

在視頻分析過程中，將每一幀計算繪制形成一個波形文件，并在分析結束之后顯示該視頻總的加速度波形圖。最后我們根據峰值加速度給出地震烈度（白仙富等，2010）。

[BT（2+1]33基于海量視頻監控的地震烈度快速判斷方法的軟件實現[BT）]

系統基于C#平臺開發，采用了EMGUCV（計算機視覺庫）以及mysql數據庫。運行環境為：服務器端Windows2003 Server、IIS6及以上版本，基于海量視頻監控的地震烈度快速判斷方法軟件可以實現多視頻自動截取震動視頻，自動尋找全局抖動時刻和重新穩定時刻圖像，對視頻進行截取，視頻截取成功后會在地震視頻列表下顯示，在截取成功后對視頻文件進行逐幀對比，得出發震時刻、地面震動的加速度和速度，并用波形文件表示，給出最大加速度和地震烈度（圖5～8）。

目前該軟件仍在完善過程中，在高烈度區圖像變化劇烈對視頻烈度的判讀效果較好，但低烈度區圖像變化微小時判讀仍有一定誤差。

34烈度模擬結果的綜合提取

在文成—泰順42級地震后，浙江省地震局應急指揮中心依靠視頻圖像在工作時間4 h后繪制了初步烈度模擬圖，并在24 h后補充資料繪制了相對客觀的烈度圖，烈度分布范圍比現場工作隊實際調查的結果略小，長軸方向基本一致。

地震后，后方應急指揮技術人員緊缺，第一時間無法抽出多余技術人員去判讀視頻，第一次烈度判定只是選取了震中附近典型的22個監控的影像。震后第二天，在時間和技術力量允許的條件下，又增加到61個點進行判讀。由于仰山鄉、珊溪鎮、文成縣探頭密度大，較易選擇，震區西北部是自然保護區，探頭較少，指揮中心在較遠的景寧縣也選取點作為補充。震后4 h內攝像頭投入較少，僅靠人為判斷可以得出一個初略的烈度分布。雖然烈度范圍比實際調查小，但烈度分布方向與現場工作結果基本一致。24 h后又增加了更多的攝像頭資料，得出結果和儀器烈度分布圖已經比較相似了，只是范圍略微小一點，也顯示觀測的結果與強震臺儀器觀測的結果很接近。由于攝像頭不僅可以通過自身抖動反應強地面震動，還可以真實地還原人員在震時的反應，對Ⅵ度以下的烈度分布的判定，通過觀察人員反應較儀器烈度更客觀，更接近于目前的烈度判斷標準。增加了部分早期現場調查的數據后，雖然面積仍然略小，但與實際調查的結果已經非常接近。

本次地震視頻監控點共取61組，震區可用的強震臺有6個，雖然視頻監控分析得出的烈度精度與儀器烈度值精度無法相比，但視頻監控點數遠大于強震觀測臺的數量，反映烈度總體分布情況和衰減趨勢更具有優勢，目前視頻監控點主要以人工判讀為主，如果經過定量分析，并全部采用震區上千組視頻監控點數據，對單點視頻監控圖像抖動的速度和加速度進行提取和校正，結果更精細可信。本次震區在浙江省屬經濟較為落后地區，人口相對較少，監控探頭密度低，但仍有近千組探頭資料可以使用。如果是在經濟、人口總量較多的地區，可用的監控探頭會成倍增加，分析得出的烈度分布也會更加客觀、更接近真實情況。

4結論與展望

本文通過分析震例視頻，將監控探頭的安裝按場地條件、安裝依附建筑進行分類對照，總結了在不同烈度下的探頭晃動和人員反應表現形式，得出基于視頻監控的地震烈度經驗矩陣。該方法屬于定性分析，需要經驗豐富的專家進行人工干預，處理效率低、耗時長，但準確度高，專家在震后通過查看文成—泰順地震監控視頻事件，可以馬上判定監控點的大致烈度，與實際調查結果對比基本一致。經驗矩陣適合震后指揮中心技術力量充裕、視頻量不大的情況?；谝曨l圖元變化的地面強震動定量分析方法建立在嚴格數理技術的基礎上，在模型的支持下，計算得出每個視頻監控點的地面峰值加速度，并由軟件完成計算，人為干預少，適合海量監控數據的批量處理。但是在目前模型支持下只對圖像明顯抖動的高烈度監控點判斷較好，低烈度下得出的地面峰值加速度與實際仍有一定差距。實際工作中二者可以結合進行應用，先用軟件進行海量攝像頭的批量處理，再由專家進行經驗判讀。以往多次震例顯示，在烈度超過VIII度的情況下，震區通訊和電力會受到干擾甚至中斷，監控探頭無法傳回視頻，故本方法僅適用于中小地震的烈度判讀。

基于海量視頻監控的地震烈度快速判斷方法仍未成熟，筆者也只是做了一些初步的探索工作，在未來有足夠地震視頻樣本的條件下，我們將引入機器學習和數據挖掘的技術。機器學習是當前比較流行的人工智能技術，被應用于仿真、擬合預測、數據挖掘等多個領域。它能通過數據或以往經驗，優化計算結果。在有了多樣化地震視頻后，我們對不同烈度的地震視頻根據真實的烈度進行分類和學習，對不同地震烈度的視頻歸納出它們的特性和數據。震時對監控視頻加速度計算時可以通過機器學習和數據挖掘給出更加精確的地震烈度。

政府資源共享將成為趨勢，利用監控視頻進行震后烈度判斷也必將成為震后工作的重要手段，這對提高地震災情獲取和快速評估的時效性有著重大意義。

參考文獻：

白仙富，李永強，陳建華，等2010地震應急現場信息分類初步研究[J].地震研究，33（1）：111-118

竇茂森，高文靜2006一種基于預測性運動向量的改進菱形搜索方法[C].全國十五屆十三省光學學會學術大會論文集

胡素平，帥向華2012網絡地震災情信息智能處理模型與地震烈度判定方法研究[J].震災防御技術，7（4）：420-430

帥向華，胡素平，劉欽，等2013地震災情網絡媒體獲取與處理模型[J].自然災害學報，22（3）：178-184

宋威2013基于主動對象識別的監控視頻系統的研究[D].大連：大連海事大學

譚琳2007H264中運動估計算法優化[D].長沙：湖南大學

楊宇翔，高明煜，尹克，等2015結合同場景立體圖對的高質量深度圖像重建[J].中國圖象圖形學報，20（1）：1-10

張福忠，吳夫芳2010淺談ISO9001質量管理體系在現代測繪工作中的應用[J].中國科技博覽，27（1）：300-301

鄭杰2009姚市城市公眾視頻監控系統的設計和實現[D].杭州：浙江工業大學

鄭向向2012基于SMS和GIS的地震災情信息獲取與處理研究[D].北京：中國地震局地震預測研究所