基于大數據背景技術的視頻圖像偵查系統設計

甄文

（青海警官職業學院，青海西寧 810000）

當前，視頻監控網的建設以批量建設和定點建設為主，不可避免地產生了網絡布局不合理、無法覆蓋死區等問題[1]。在城市監測覆蓋稀疏地區和農村未覆蓋地區發生的突發犯罪活動，易使視覺檢測技術陷入難以應用的困境[2]。以往視頻圖像檢測系統的設計采用云存儲技術，即將大量不同存儲設備組成協作網絡，通過網格技術提供的外部功能訪問系統的統一數據存儲[3]。云端服務的核心業務是處理海量數據存儲，這樣的云計算系統就是云存儲系統，云系統需要大量存儲設備，所以云存儲建立在以數據存儲和管理為核心的云計算系統之上。視頻圖像檢測系統是利用目錄服務技術設計的，采用一定的目錄結構和樹形結構，對各種資源進行分類和組織，提供多種視圖，從而實現對資源的人性化有效管理。盡管這兩種方法都具有良好的偵查效果，但是當圖像的特征向量被量化成二進制編碼后，圖像特征丟失嚴重，導致檢測效果較差。針對這一問題，提出一種基于大數據背景技術的視頻圖像偵查系統。

1 系統總體架構設計

該系統由表示層、數據層、業務支持層、應用層和基礎設施層組成[4]。總體架構如圖1 所示。

圖1 系統總體架構

研究顯示，視頻圖像分析工具、播放控制、視頻摘要和圖像增強、視頻圖像管理中心、存儲和檢索為業務支持層，主要用于實現視頻圖像偵查的過程設計。數據層獲取的數據主要存儲在Hadoop 集群中，這取決于數據的結構特性。表示層主要實現了視頻圖像偵查結果的顯示；基礎設施層和應用層能為系統應用軟件提供業務運行[5-7]。利用表示層、數據層、業務支持層、應用層和基礎設施層等可實現系統功能設計[8-9]。

2 系統硬件結構設計

系統整合了社會保障視頻、保安視頻、電子警察、政府部門、社會視頻等多種視頻資源，提供了深度優化的視頻檢測方法和工具，滿足了實際的視頻檢測需求[10]。按照總體結構對視頻圖像檢測系統進行劃分，主要包括偵查視頻圖像資源訪問層、偵查線索支持服務層和嫌疑目標偵查應用展現層，如圖2 所示。

圖2 系統硬件結構

2.1 偵查視頻圖像資源訪問層

偵查視頻圖像資源，包括各個視頻平臺資源，接入轄區內所有視頻監控平臺，并提供公安業務信息和視頻線索數據庫數據[11]。此外，系統還支持視頻國標接入、非國標接入及轉換，支持異構平臺對接。

2.2 偵查線索支持服務層

偵查線索支持服務層提供支持應用層需要的各種服務，訪問資源可由系統進一步處理。有效地分類和管理視頻、線索、圖像等各種線索和案例數據，并以服務接口的形式提供給應用程序表現層[12-13]。

1）中心管理服務

中心管理節點是公安圖像偵測系統中數據服務器、存儲器、訪問器和業務管理器的核心單元[14]。

2）集群管理服務

集群管理服務器包括任務調度、集群資源同步、智能服務器分析和心跳檢測等功能，負責集群智能分析服務器的任務分配和智能路由。通過集群管理服務器，系統可以管理多個智能分析服務器，靈活地進行部署和管理。智能路由的主要目標是在執行智能調度分析功能的基礎上，實現各智能處理節點的智能分析服務器，有效共享各節點的負載，平衡各節點的系統資源，提高系統的整體穩定性[15]。

3）智能分析服務

每臺智能分析服務器包括智能分析服務、圖像識別、車牌識別、流媒體服務。該智能分析服務器集群支持大量視頻圖像的并行分析與檢索，為公安圖像檢測系統充分利用海量視頻資源奠定基礎[16]。

2.3 嫌疑目標偵查應用展現層

嫌疑目標偵查應用展現層整合了一整套兼容性檢測方法，為系統提供了許多工具和方法。視頻偵查判斷過程中，將檢索、時空分析、案例報告等技術作為標準，展現錄像采集結果。

3 軟件部分設計

3.1 基于大數據技術的檢索設計

基于大數據背景技術的精細檢索網絡結構，添加了多尺度池化層結構和512 維的網絡輸出特征向量，提出一種基于多尺度池化層對特征維數進行標準化處理的方法，該方法采用ResNet50 提取特征，完成嫌疑圖像信息精檢索。

3.1.1 特征提取

監測視頻圖像中衣服的顏色是行人在實際應用場景中最主要的特征，該方法利用圖像中最容易識別的顏色特征來提取嫌疑圖像特征，顏色特性包括全局顏色特性和空間顏色特性。在嫌疑圖像檢索中，由于全局顏色特征不包含空間分布特征，提取全局顏色特征很容易引起誤檢。色彩空間是對圖像顏色信息進行定量描述的方法，顏色空間的差異性對顏色特征的描述也有影響。所以在行人圖像中進行特征提取，首先要選擇有效的顏色空間。主要采用HSV 色域。高亮度燈具具有良好的恒定性，色彩更符合人的感覺。但不能直接求得HSV 顏色空間的值，必須將RGB 顏色空間轉化，轉化過程如下：

空間色彩特征由顏色直方圖表示，每隔一段時間為一元，通過計算每個區域的像素值得到顏色直方圖特征。

3.1.2 檢索算法實現

1）提取嫌疑圖像數據集特征

利用顏色直方圖加權的思想，構造顏色空間特征從圖像中識別出中心和邊緣，對嫌疑圖像的不同區域進行加權，生成顏色分布的加權直方圖。構建組合空間的特征提取函數，對圖像數據進行下采樣操作，標準化圖像尺寸，將RGB 顏色空間轉化為HSV 顏色空間，具體過程為：輸入一系列需要檢索的圖像數據集，利用RGB 顏色空間到HSV 顏色空間的變換，確定區域中心和邊緣的位置，加權顏色特征，提取顏色空間特征，生成特征索引表。

2）嫌疑圖像檢索

構建嫌疑圖像檢索功能，記錄構成空間特征索引表的顏色空間特征和路徑，計算檢索到的圖像特征與數據、圖像特征的距離，并保存檢索結果。具體的圖像檢索算法流程如下：查詢圖片，設置檢索圖片數量，提取顏色空間特征，求出特征矢量與構成空間特征矢量之間的距離并存儲。排序并存儲特征矢量距離，根據檢索結果返回最優檢索圖像，輸出圖片數據庫對應的索引序號。

3.2 嫌疑圖像線索偵查

提示查詢功能主要是對特定案例中的所有提示進行匯總。搜尋依據可能是車輛線索、人員線索或物品線索。根據查詢條件對查詢結果進行分類，并且在地圖上以不同的圖標進行區分和顯示，子模塊也可以實現對錯誤線索的刪除功能。圖3 顯示了視覺檢測報告模塊中的一系列線索查詢功能。

圖3 線索查詢序列圖

嫌疑視頻圖像檢索的功能是查看檢索到的相關視圖數據的信息，查詢結果可按時間順序或位置的不同進行列表顯示，有權限的用戶也可以根據業務需要對相關視圖數據執行相應的操作，包括添加、刪除、修改和注解[17]。

4 系統運行及測試

以面向公安偵查應用為基礎，對基于大數據背景技術的視頻圖像偵查系統運行情況進行測試。

4.1 實驗平臺需求分析

偵破工作是刑事偵查工作的重要組成部分，偵破工作需要查詢犯罪嫌疑人的相貌，提供犯罪嫌疑人的位置信息，為偵查工作提供數據支持。根據這一需求，實驗平臺實現了視頻圖像檢索，同時確定時間信息，為偵查人員提供相關數據。

1）行人檢測

對于行人檢測，需先將視頻圖像解碼預處理，解碼后的視頻圖像進行行人檢測，并在數據庫中存儲檢測結果。

2）視頻圖像檢索

抽取特征向量，以圖像表示相關信息，對查詢和檢索圖像進行特征分析，并輸出檢索結果。

3）數據處理

在行人檢測后，保存、整理檢測結果。

4.2 行人檢測

行人檢測是在可視化界面集成的，將鏡頭采集到的行人在視頻圖像中的位置和攝像機作為信息存儲在數據庫中，并作為圖像檢索的候選數據。行人檢測可視化圖像如圖4 所示。

圖4 行人檢測可視化圖像

圖4 中行人檢測可視化圖像相關檢索信息如表1 所示。

表1 可視化圖像相關檢索信息

使用者根據平臺返回的信息找到相應的視頻圖像，從而確定行人的位置。

4.3 系統測試結果與分析

行人檢測所需時間的統計結果如表2 所示。

表2 行人檢測所需時間的統計結果

基于此，分別利用云存儲技術設計的視頻圖像偵查系統(T1)、使用目錄服務技術設計的視頻圖像偵查系統(T2)和基于大數據背景技術的偵查系統(T3)對行人檢測所需時間進行統計分析，結果如表3所示。

表3 3種系統行人檢測所需時間統計分析

由表3 可知，利用云存儲技術設計的視頻圖像偵查系統使用對外統一數據存儲方式，對行人檢測所需時間較長，響應時間、更新時間和連接時間均超過行人檢測所需時間實際統計結果；使用目錄服務技術設計的視頻圖像偵查系統需分類處理各類組織數據，響應時間較長，超過實際統計結果；而使用基于大數據背景技術的偵查系統行人檢測系統所需時間與實際統計結果一致，由此可知，使用該系統偵查效果較好。

5 結束語

視頻圖像檢測系統是一種基于大數據背景技術的多維、智能化的視頻圖像檢測工具，若能與各行業的實際業務進行深度整合和定制，將為監控活動提供有力的支持，為固定視頻監控網絡自身區域和薄弱區域形成良好的補充。

基于該系統，可以引入GIS 技術和視頻圖像處理技術，與現有格式業務數據相結合，實現空間地理數據統一顯示，將已有的視頻流數據結合起來統一處理和分析視頻圖像，進一步深化系統數據的使用，增強了系統的可用性，提高了實際應用價值。