智能視頻分析技術及應用

◆劉鵬翼

智能視頻分析技術及應用

◆劉鵬翼

（山西金融職業學院信息技術系 山西 030008）

隨著云計算、大數據和人工智能等在安防視頻監控技術中的應用，簡單的視頻錄像、存儲和實時查看等一些基礎性的功能已經無法滿足用戶的需要，在數字化、網絡的基礎上，智能化的視頻監控技術可對數據進行自動分析和深度挖掘，根據需要提取有用信息，從而實現更多的功能。本文主要論述了智能化視頻分析技術的實現和應用，同時也指出了其發展的不足和今后發展的方向。

視頻分析；大數據；智能；應用

0 引言

在安防大數據時代，視頻監控在運行過程中會產生大量的數據，但大部分數據屬于冗余信息，智能分析技術就是在海量的數據中可以快速的找出重要信息，智能化在安防系統的建設中顯得尤為重要。視頻監控在高清化、網絡化之后，智能化是發展的主要方向，未來的安防視頻監控技術將以視頻為核心，結合人工智能技術，實現傳統安防應用向深度智能應用的發展，而深度學習算法是實現更深層次智能的關鍵。

1 深度學習算法分析

在安防大數據時代，視頻監控數據量井噴式增長，面對海量的數據，停留在淺層次分析識別階段的傳統智能算法已經不能滿足需求，深度學習算法能進行更深層次的數據價值挖掘，深度學習算法在視頻監控智能化中的優勢如下：

（1）深度學習算法的應用范圍更廣泛，在不同的環境特征中，深度學習算法可以提取更豐富、更適合的特征參數，同時具有更強的抗環境干擾能力。

（2）深度學習算法的準確率更高，可以提取更多、更微小和詳細的特征，使得識別分類對象的準確率更高，從而讓讓智能化有了更好的提升。

（3）深度學習算法可識別的種類更加豐富，通過對足夠多的樣本進行訓練，深度學習算法更適用于復雜、抽象的人的行為和特征的分析，能夠實現比較精準的目標識別。

2 智能視頻分析技術的實現

智能化視頻分析首先要運用大數據技術對數據進行分類，在安防監控中，數據信息類型很多，從數據結構類型來看，數據主要分為結構化數據、非結構化數據和半結構化數據等。其中，監控視頻錄像、摘要錄像、車輛卡口圖像、人臉抓拍圖像等視頻錄像和圖像記錄屬于非機構化數據。半結構化數據如人的指紋記錄信息、人臉的建模數據等。結構化數據主要包括報警記錄，運維數據記錄、以及各種相關的信息數據庫等。

安防智能化對數據的分析和處理方法主要有兩類：一類則是對結構化、半結構化的數據分析處理，主要工具有Spark、Hadoop大數據處理框架，以及Mahout、R數據挖掘工具，此類處理和分析工具和計算機在處理大數據方面的架構類似。另一類是對視頻圖像等非結構化信息的處理和分析工具，包括視頻編輯和轉碼、視頻智能分析工具等。通過這兩類工具可以對結構化和半結構化的數據實現快速準確的數據挖掘和分析。

目前，視頻監控系統智能化的實現方式主要有前端智能和后端智能兩大類。前端智能不需要連接后端服務器，將智能分析的模塊安裝到前端設備內，通過智能分析模塊實時分析視頻數據，對監控信息實時性反應有較高的要求的情況更適用于前端智能。后端智能是對監控設備采集的信息進行挖掘和分析放在后端服務器，這樣可以同時對多路數據進行處理，具有更強大的處理能力。相對于前端智能，后端智能更適用于對數據分析計算能力較高要求的場景，選用前端智能還是后端智能的應該根據應用場景的不同來決定。目前來看，單純的前端智能和后端智能都存在弊端，前端智能不能進行大量數據的處理，后端智能處理數據量過大，更多數據屬于冗余信息，因此，采用前端智能與后端智能相結合的方式更能滿足需求。

3 智能視頻分析技術的應用

隨著技術的發展及相關產品的開發，視頻監控智能化的應用正在逐漸發展，在常見的應用場景中，如可進行人臉識別的視頻監控系統幫助各地公安系統抓獲了不少逃犯。在車輛視頻識別系統中可對車輛進行更精細的識別，輸入一輛車的照片，可根據車漆顏色、車內飾物等特征進行精細搜索。又如某單位想查找一個5天前進入單位的穿紅色衣服的女性，可以直接通過相關特征查找，獲得所有相關的人體圖片信息，也可以顯示人員運動軌跡，為事后查詢提供證據等。

目前來看，智能視頻分析技術主要應用于智能交通、平安城市、司法監管等領域。智能視頻分析技術主要用來實現區域檢測、物品遺留、人臉識別、人數統計、車輛特征識別等功能。智能視頻分析技術的應用主要側重于以下幾個方面：圖形圖像分析(視頻摘要分析技術、視頻質量診斷技術)、人體分析(提取人體特征技術、識別人臉技術)、行為分析(行為異常分析、跟蹤目標檢測)、車輛分析(車牌識別、車輛特征提取)等。通過多種智能分析算法，能夠對各種原始視頻數據進行智能處理，幫助用戶從海量的視頻數據中分析、篩選出關鍵信息，同時可以提供多種查看檢索方式，以達到快速查找、快速定位目標的目的。

4 視頻監控智能化技術發展的方向和難題

視頻解析、模糊數據處理和場景適應性是視頻監控智能化發展的三個主要方向。視頻解析主要是如何從海量的視頻數據中提取出重要的信息，實現視頻數據的智能檢索。模糊信息處理是對前端設備采集的比較模糊的視頻數據進行分析和處理。場景適應性主要表現在各種環境下能夠輸出質量較高的視頻分析結果。

視頻監控智能化的發展主要受芯片技術和深度學習算法技術發展的限制，在實踐應用中，這些問題一直困擾著智能化的普及，主要表現在識別準確率不高、設備環境適應性較差和識別種類不多等。相關算法的進一步優化和核心處理器性能的提升是解決問題的關鍵，而提升處理器的性能也會帶來功耗的上升、成本的增加，給智能化設備的普及帶來困難。在優化相關算法的前提下，提高核心處理芯片性能，發展小型化、低功耗的智能化視頻產品是視頻監控智能化發展的方向。

[1]黃凱奇,任偉強,譚鐵牛.圖像物體分類與檢測算法綜述［J］.計算機學報.2014.

[2]吳群,王田,王漢武等.現代智能視頻監控研究綜述［J］.計算機應用研究.2016.

[3]梁光勝,曾華榮.基于 AR M 的智能視頻監控人臉檢測系統的設計［J］.計算機應用.2017.

[4]徐定宇，數字視頻監控系統的智能化建設與實現研究[J].信息與電腦(理論版),2017.