探究大數據的視頻智能分析系統的運用

蔡映雪+陳伽+胡輝+胡松+黃思博+蔡昭權

摘要：在解析視頻智能分析系統內涵以及類別的基礎上，對大數據的視頻智能分析系統大規模視頻解析計算技術、視覺智能分析技術這兩類常見的關鍵技術實用價值進行闡述，最后對大數據的視頻智能分析系統的具體應用進行分析。希望在網絡信息時代中，政府機關對平安城市建設、社會監控建設投入力度不斷加大，數據駕馭能力也不斷增強，為和諧社會建設提供優勢條件。

關鍵詞：大數據時代；視頻智能分析系統；視頻智能分析技術；運用范疇

中圖分類號：G642 文獻標識碼：A 文章編號：1009-3044（2018）02-0166-03

在互聯網時代中，移動互聯、社交網絡、電子商務的涌現使互聯網應用范疇進一步拓展。最近幾年中，安防行業獲得較大的發展空間，監控設備應用規模不斷拓展，逐漸走進尋常百姓家，在科技的引導下監控設備從模擬向數字化方向轉型，實現遠距離視頻動態監控的目標。大數據時代的到來，對社會經濟、政治、文化以及個體生產生活均產生不同程度的影響，人類也應不斷強化對數據使用的能力，從而將大數據的視頻智能分析系統的實用價值充分彰顯出來。

1 大數據的視頻智能分析系統

視頻智能分析技術的推廣應用，在“智慧城市”建設期間發揮的作用是極為顯著的，具體體現在對慧視頻感知方面上，可以被視為系統智能化目標實現的前提條件，協助系統獲得辨識圖像數據信息的能力，落實了光電數據信號轉型為信息的目標。

視頻智能分析技術具體是應用了計算機圖像視覺分析技術，借助把場景內背景與目標兩者分離的方式去解析并跟蹤攝像機場景中顯現的關注目標，在計算機建模識別等技術的協助下，辨識鎖定目標類型、色澤、特點、速率、規格以及他類信息，順利將圖像視頻內所囊括的數據資源提取出來，強化視頻分析的智能性與大數據分析的整體性。

智慧視頻感知系統的構建，實用價值在以下兩方面體現出來：①獲取視頻圖像中的重要信息，將其存儲下來或者是將相關業務有效關聯在一起，為大數據的應用提供有效數據支撐；②參照某些被檢測出來的信息資源，將智能化的自動監測報警功能發揮出來。借助在多樣攝像機的場景內預設不同報警原則的方式，若能夠檢測出目標在場景內出現了違反預設規則的行為方式，系統會自動地將報警信息傳達出來，監控工作站也會自行彈跳出報警信息并傳達警示音，在這樣的情景下用戶可以借助點擊報警信息的方式，達到重組報警場景并實施有關策略的目標。在智慧城市建設期間，應用視覺感官的效能能夠協助用戶快捷的獲得相關數據信息。

現實中，伴隨著視頻分析算法功能的不斷改進與優化，算法的精確性也處于不斷提升的態勢中，應用范疇也不斷拓展，經濟市場對該類方法的需求量也不斷上漲。視頻分析算法的應用，宗旨在于協助政府機關或者是其他機構的安全部門不斷提升低公共環境安全性的防護效果。該種應用具體涵蓋高級視頻移動偵測、入侵探測、物體追蹤、遺留物體檢測、移走物體檢測、非法滯留等類別。除此之外，對于城市交通管理、環境管理、政務服務、零售服等行業，也有廣泛的應用，例如人員數量統計、擁擠度探測、車流量管理、車輛違法停靠探測和報警等。

現階段，智能分析技術參照其功能發揮方式可以被細化為不同類型，本文進行如下解析：

1.1 診斷類智能分析

該類智能分析技術功能體現在對視頻圖像呈現出的雪花、滾屏、模糊、偏色、增益失衡、云臺失控、畫面凍結等常見的攝像頭故障、視頻信號擾亂、視頻質量下滑等進行精確解析、辨識與傳達報警信號等方面上。

1.2 辨識類智能分析

該類智能技術通常被應用在對靜態場景的分析處理方面上。具體是借助對圖像辨識、對比及模式匹配等關鍵技術，達到對個體、車輛以及物體等有關數據信息提取出來進行解析的目標。例如在對車輛辨識期間，通常應用的是車牌識別技術。

1.3 行為類智能分析

行為類智能分析技術多數是應用在對動態情景進行分析與處理方面上。最具代表性的功能體現在以下幾方面上：①車輛逆行與有關交通違章檢測；②監控區域入侵檢測；③圍墻翻越檢測；④絆線穿越檢測；⑤物件盜取檢測；⑥占道運營檢測和客流統計。

總之，視頻監控系統可以被視為一類應用范疇極為廣泛的技術防范手段，在城市社會治安綜合防控體系構建期間體現的應用價值是巨大的。智能視頻分析技術功能在不斷整改中逐漸演變成視頻監控系統的關鍵應用部分[1]。智能視頻監控系統的運行是以數字化、網絡化視頻監控和圖像處理、計算機視覺、人工智能為基礎，以部署在監控系統中的視頻實時智能分析設備或智能分析軟件為載體自行對視頻內容進行全面性解析，及時發現監控圖像中存在的反常信息，確保有關預警信號傳導的時效性，協助視頻圖像監控人員及時處理安全隱患，確保各個領域業務運行的順暢性與有效性。

2 大數據的視頻智能分析系統關鍵技術分析

借用視頻大數據關系分析數據模型算法，整合非監督式學習技術、視覺智能解析等新興技術，將智能調度運算框架中的有效信息資源調動出來，借此方式使計算機設備獲得知識遷移的運行功能。并以0penSiack開源社區的云計算框架為依托，建設以視覺智能為重心的視頻神經網絡體系，能夠不斷提升數據計算的精確性與快捷性，為人工智能新領域的構建與規模拓展提供優勢條件。

2.1 大規模視頻解析計算技術

大規模視頻解析計算技術可以被理解為云計算機技術與計算機網絡技術的整合體，在云量存儲空間和大規模數據信息的支撐下對數據信息進行解析與測算。繼而創設具有一定彈性的系統架構，建設具備對外開放功能的視頻云服務軟件體系，借此方式協助公安機關在多樣化視頻資源中能夠快捷的查詢出與案件相關的信息資料。在大規模視頻解析計算技術的協助下，CPU+GPU混合計算、大庫比對類計算的精確性均得到切實的保障，同時將視頻資料解析、處理、比對等結果呈現給監控人員監控人員。例如在龐大化的視頻資料中對犯罪嫌疑人行走路線進行檢索、對可疑車輛數據信息進行檢索、對犯罪事件進行追查以及對以往視頻資料中的犯罪進程進行解析、動態有效的對模糊圖像進行處理等。大規模視頻解析計算技術架構可以被細化為基礎層、數據交換層、數據層以及應用層四大層次，以下本文對不同層次的功能進行解析：endprint

2.1.1 基礎層

借助對車輛卡口數據、視頻監控數據、移動終端數據、數字對講等系統銜接與管理的方式，順利地將數據信息一并接入與管理。

2.1.2 數據交換層

借助對公安機關基礎數據庫、人臉辨識庫、車輛庫、視頻結構化數據等業務進行解析與調用的方式，構建視頻智能分析系統運行所需的數據池，為上層結構解析、應用與調用數據信息提供便利條件。

2.1.3 數據層

具體是參照業務運行現實需要對數據進行分析與處理，借助研發消息服務、警情解析服務、系統指揮調用服務等內容，達到對警用地理信息系統、“三臺合一”接處警系統、GPS定位系統、視頻監控共享平臺等多類信息資源進行有效整合，并構建數據層與應用層之間的關聯性。

2.1.4 應用層

在應用層的協助下，構建“常規警情指揮、重大事件指揮、移動事件處理、情指研判分析、勤務管理”的實戰格局[2]。該視頻云框架的功能體現在為相關人員供應對不同種類文件有效存儲計劃方面上，具體是參照業務運行需求應用不同的方法對數據進行計算，針對結構化數據與非結構化數據應用多樣的數據減縮方法，借此方式去提升應用效率，同時也符合視頻云計算中心對視頻資源合理組織、高效計算、關聯性查詢的需求。

2.2 視覺智能分析技術

視覺智能分析技術等同于計算機圖像視覺分析技術，屬于人工智能內的一類辨識模式，業務運轉流程體現出繁雜性特征，繼續實時過濾與處理大批量數據信息。

視覺智能分析技術在對視頻內容進行解析過程中，能夠將鎖定范圍視頻片段中的運動目標及結構化特點等信息順利的提取出來，精煉成一段短小額視頻片段，調用車輛與人臉、人體分析算法，提取出接入視頻流（實時/過往）圖片進行人車目標結構化信息，人臉與人體信息進行有目的性提取，借此方式提升視頻偵查目標檢索、排查定位工作運行效率。

在中心服務端的功能為對前端智能設備分析并提取個體與車輛等圖片數據信息，在分析算法的協助下獲取二次結構化特性，解析方式進一步充實人車目標屬性信息的全面性，為目標屬性大數據解析結果的精確性提供便利條件[3]。而上述目標的實現絕非是一蹴而就的，對視頻結構化和二次識別算法提出更高的標準，即應用領域中最先進的深度學習算法。例如二次識別算法公式為：[LBP（xc.yc）=p=0p-12ps（ip-ic）]，其中[（xc，yc）]表示某一區域中的中心元素，其像素值為[ic]，[ip]表示領域中的他類像素值，s（x）為符號函數，在x≥0的情況下，s（x）=1，否則為0。

3 視頻智能分析系統的具體應用

現階段，智能視頻分析系統多數被應用在對動態視頻圖像解析方面上，發揮提前將預警信號傳導出來的作用，在該方面的應用已日趨成熟化。伴隨著大數據時代的到來，批量性數據信息被儲存，采取怎樣的方式開發、解析與應用這些數據資源，已經是眾多安防企業業務運行期間面對的共性問題。

視頻智能分析系統中的智能視頻數據挖掘技術的研發，使公安刑偵的事后視頻解析、管理與實戰目標的實現成為可能[4]。這主要是因為在一個案件發生以后，就會有大批量視頻錄像線索衍生出來，和案件發生、發展相關的大批量刑偵監控視頻多數是應用了W indows文件目錄管理的初始方法，需借助記事本W0RD、EXCEI等其他類型的記錄文件，去將視頻錄像中的人物、時間、地點等關鍵信息錄入下來，上述方法的應用增加了關鍵視頻資料獲取的難度，視頻管理效率也難以提升，還可能因為相關人員工作態度不端正導致重要視頻資料遺失問題出現。在對案件線索搜尋初期，一般會在內容與形式極為繁雜化的資料庫內探尋到該視頻，繼而借助某一廠商的DVR播放器明確相應時間點并對視頻資料進行查看，上述行為方式的產出與應用，通常會導致線索和相關視頻資料的映射關系混淆以及搜索困難等問題衍生出來。眾所周知，案件發生后刑偵工作應體現出一定時效性，相關操作行為的發出應體現出快捷性特征。大批量數據信息檢索與需求迅速定位兩者就存在了矛盾關系。故此，采取怎樣的方法達到迅速高效檢索視頻錄像這一目標，逐漸演變成視頻監控行業后續幾年發展中迫切需要處理的問題，以及相關業務的發展趨向。

例如，在2012年中南京發生了“1·6”搶劫案件。在案件處理過程中，南京警方從全市1萬多個攝像頭獲取的視頻數據大約是2000T，在科學技術欠發達的環境下，數千名警察人員對視頻資料進行觀看，以獲得與案件相關的有效線索，投入的時間與精力均是巨大的[5]。傳統方法的應用，要求相關人員從頭至尾對原始視頻資料進行播放，花費的時間與精力是極為龐大化的，投入大量的人力資源并不是上述問題的最佳處理方法。但是相關工作實踐表明，上述方式的應用，依然不能完全根除關鍵信息資源遺漏等現實問題，對破案進度與效率均會造成不同程度的負面影響，同時也使相關人員的工作壓力不斷增加。若在智能視頻分析系統的協助下，相關人員可以有效對視頻中運動的物體等信息進行有效檢索和排查，將干擾信息快速剔除，借此方式使案件辦理效率大幅度提升，同時也有效緩解了辦案人員的工作壓力。

在對“1·6”搶劫案件辦理期間，警方為了獲得與案情發展相關的信息，就采用了對案發地點在某一時間段中過往行人的動作、神態、面貌等因素進行解析的方式逐一排查，若出現反常行為，就會應用視頻智能分析技術對個體的身體特點進行解析，例如面部特點；若是面對異常行駛的車輛，就會對車輛車牌號碼、顏色與類別等信息進行解析[6]。由此可見，在視頻智能分析技術的協助下，破案目標的實現就指日可待了。例如在辦理本案件期間，警方借用海康威視視頻檢索系統搜尋相關線索，實質上就是參照預設目標的行為特點檢測、個體面部特點檢測與車輛信息檢測等信息資源，快捷的把案發地點出現的人和車等信息分析出來，為警方后續辦理案件提供有效憑據。具體工作程序可以做出如下概述：把本市1萬余個攝像頭共獲取的2000T視頻數據參照自定義的方式存儲進服務器中，參照目標行為特點分析、個體面部特征檢測與車輛信息辨識等技術對數據信息類型化進行預處理，最后交由視頻智能分析系統最初最終結果。視頻智能分析系統功能具體在以下幾方面體現出來：endprint

3.1 目標行為分析

對目標行為的分析可以被理解為將視頻資料導入服務器以后，系統自行提取視頻內部與案件與目標相關的重要信息資源，同時以該類信息資料為依托重塑視頻資料框架，這樣辦案人員就可以在極短的時間中，查看某一時間段囊括的所有目標，并確定其產生的行為方式，落實對信息資源有效甄別的目標。

在對視頻圖像資料信息進行檢索期間，經常會出現一些干擾信息，那么為了提升辦案效率，應快速過濾掉或跳過這類無效信息[7]。為了實現上述目標，視頻智能分析系統應用了智能濃縮播放功能，其能夠參照用戶主觀意愿自行管理視頻資料播放速度，把與案件相關的有效證據、線索等內容緩慢播放，采用快進方式將用戶不關注的資料進行播放。上述方式的應用，大大減縮了相關人員的工作時間，大幅度提高了視頻內容查看的速率。為了進一步減縮案發區域，視頻智能分析系統將目標類型有效分離的功能發揮出來，進一步明確可疑人員的范圍。

3.2 面部檢測

在視頻智能分析技術的協助下，警方可以快捷的鎖定可疑人員的行為方式，此時偵查人員需要觀察到嫌疑人員面部特征信息，面部檢測方式去通行人員面部特征信息，繼而參照時間、服飾等特點是犯罪人員確定下來。

3.3 車輛信息辨識

在某一街道口安裝攝像頭的情況下，若犯罪人員曾駕車通行過該街道口，但是警方無法指導車輛通行的確切時間，這將會是破案難度有所增加。為了獲得與可疑車輛相關的信息z資源，借助對視頻資料解析的方式，可以順利地獲得用戶所需的車輛信息，例如車身顏色，車牌號碼，型號等，在這樣的情景中警方就可以參照現實信息為后續案件辦理提供便利條件。

借助對“1·6”搶劫案件進行解析的方式，明顯的發現視頻智能分析系統在大數據時代中應用的迫切性，同時也認可了海康威視視頻檢索系統的現實價值，在該系統的協助下，案件偵查人員能夠準確而有效地將有限的精力匯聚在所關注目標上，真正處理了當下視頻資料繁多、信息量龐多化等視頻資料搜尋的現實問題[8]。借助視頻調查取證的方式，大大節約了相關人員的工作時間，工作效率顯著提升，實現構建科技強警機關的目的，與公安機關對公安信息化構建的標準相匹配。

4 結束語

綜合全文論述的內容，認識到視頻智能分析系統在大數據時代中的應用意義與要點，在光線、目標運動形式復雜以及背景顏色多樣等因素的干擾下，系統在運行期間可能存在一些不足，目標檢測與跟蹤算法規劃難度會有不同程度的增加。但是砸死科學技術日新月異的時代中，視頻智能分析技術將會在金融、交通等各個數個領域中有所應用，真正將預見性防控作用發揮出來。

參考文獻：

[1] 吳瑞玉，華佳峰，程晨，等.“互聯網+”信息技術在執法記錄儀中的應用研究[J].中國公共安全：學術版，2016，04：135-138.

[2] 魯偉.基于Hadoop交通視頻大數據分析組件的設計與應用[J].中國交通信息化，2017，03：98-101.

[3] 邵振峰，蔡家駿，王中元，等.面向智能監控攝像頭的監控視頻大數據分析處理[J].電子與信息學報，2017，3905：1116-1122.

[4] 韓龍玫，卿粼波.視頻大數據在城市公共空間規劃領域的應用前景探索[J].四川建筑，2017，3703：12-15.

[5] 張藍姍.網絡視頻觀看模式的創新與影響——以“綠鏡”智能觀看模式為例[J].當代傳播，2017，04：105-106.

[6] 黃鐵軍，鄭錦，李波，等.多媒體技術研究：2013——面向智能視頻監控的視覺感知與處理[J].中國圖象圖形學報，2014，1911：1539-1562.

[7] 海康視頻云結構化服務器——“獵鷹”強勢來襲[J].中國安防，2015，22：88-89.

[8] 焦冬冬，尤穎，賈莉莉.基于大數據遠程視頻監控Web顯示技術[J].網絡安全技術與應用，2014，08：132-133.endprint