智慧機場智能視頻計算平臺設計分析

朱正模

摘要：智能視頻技術具有鮮明的自動化、綜合化特征，可以在圖像處理、機器視覺等技術的幫助下，輔助完成刷臉登機、機場安防等任務。當前伴隨智慧機場革新進程的深化，智能視頻計算平臺設計、優化問題成為焦點，為機場的現代化發展提供了重要方向。本文聚焦智慧機場發展背景，展開論述了智能視頻關鍵技術，并對智能視頻計算平臺軟硬件架構設計、功能實現路徑等進行深入探究。

關鍵詞：智慧機場? ?智能視頻 計算平臺設計 研究

在城建事業深化、科技體系完善的大背景之下，居民生活品質、消費觀念發生改變，對出行方式、質量提出更高要求，以高效化、人性化著稱的智慧機場登上時代舞臺，運營效率提升、運營規模也明顯擴大。但與此同時，巨大的客流量、貨流量也給機場管理帶來一定困難，現階段視頻體系點位分析、算法分析固化等弊端也逐漸暴露出來，亟需通過深入探究尋找更加有效的平臺構建、優化手段。

1智能視頻技術發展現狀

智能視頻分析技術是智慧機場的關鍵組成部分，從現階段應用實踐來看，基于服務器的后端分析技術是較為常見的類型，總控臺與攝像機點位相連接，視頻實時流傳送回計算機平臺，開展圖像分析與處理，該種方式改造范圍較小，前期成本投入低。在智能技術高速發展的背景之下，前置分析技術也逐漸進入航空領域，PLC芯片直接嵌入到智能攝像機內部，當指定區域有運動物體出現時，數據才會被傳送，減少了無用數據的接收，有助于緩解服務器壓力。近年來，我國航空事業飛速發展，客流量急劇膨脹，這兩種方式的弊端、短板也逐漸暴露出來，首先是分析點位較為固定，攝像機安裝時需要經過嚴格的點位勘查，作業時接入路數固定，監測范圍也相對有限，很難滿足多區域、多目標分析需求;其次是算法固化，智能攝像機出廠環節，分析類別、算法版本均已經設定完成，后續無法進行更換、升級，適用的業務場景較為有限;最后是調度機制僵化，現行的智能視頻技術運行、分析控制平臺是相互獨立的，遇到參數調整問題時，需要分開登錄調配，調度協同性嚴重不足，因此有必要從平臺搭建角度出發，提升智能視頻系統的集成性、靈活性，簡化調度流程，優化控制能力。

2智能視頻計算平臺架構分析

2.1數據感知層

數據感知處于整個系統的前端，承擔著數據采集、傳送的職能，設計環節推薦采用智能攝像機裝置，內嵌編碼芯片，提升系統穩定性。傳感器選擇上，CMOS以及CCD均是較為常見的類型，前者集成于金屬氧化物半導體，制作成本、能耗相對較低，但色彩還原度、曝光度有所欠缺;后者以半導體單晶材料為依托，通透性、明銳度均有較高保障，可以結合實況進行比選。其次還應關注成像分辨率問題，像素點是影響圖像清晰度的關鍵要素，在相同條件之下，像素點越多，成像會越清晰。因此，對于高清晰特征識別監控，通常選擇1080P或4K為佳，追求高分辨率的同時，還要相應提升服務器性能，這主要是因為同樣靶面尺寸下，過多像素點會加劇傳輸負擔[1]，可能會導致卡頓等情況，服務器定期優化升級可以在一定程度上緩解此類問題。最后還應關注信號傳輸通道問題，光纖、以太網等均是較為常見的方案。

2.2平臺服務層

平臺服務層涵蓋內容較為多樣，包含了算法資源池、視頻分析模塊、鏡頭控制模塊等，是分析平臺運轉的核心部分，其中算法資源池主要融合云計算技術，機場可以自行搭建本地私有云，規避硬件服務器管理繁瑣的弊端，所有AI算法均聚集于私有云之中，滿足隨時調用和查看。視頻顯示模塊則承擔著視頻預覽、呈現的職能，所有智能攝像機架設于伺服云臺之上，實時采集圖像信息，并將圖像內容、錄影時間、角度等打包傳輸回平臺，實現全景化、多角度監控，規避舊有模式之中節點固化的問題。鏡頭控制模塊可以用于遠程對焦、近光度調節等，在夜晚監視場景下，還能支持紅外成像。視頻控制模塊采用自動化作業邏輯，可以實時監測智能攝像機視覺性能，并依據不同天氣情況調整設備參數，提升亮度、色度與環境之間的匹配性[2]，保障采集圖像的精準程度，減輕工作人員負擔。

2.3應用交互層

應用交互層面向不同身份用戶開放，能夠為平臺的管理、維護提供支撐，其內置模塊主要可分為4個部分，首選是權限管理模塊，可以定義平臺管理員、算法開發者等角色，其中管理員權限最高，可以進行權限的開通與關閉，以及算法增減刪改、計算機狀態監控等工作。其次是算法管理模塊，以此通道為依托，可以進行算法修改、升級、發布工作，在容器技術的支撐下，還能夠實現異構算法封裝，方便人工智能廠家分析研究，提升接口匹配性。再次是資源管理能力，該功能的作業對象主要為AI資源池，由于平臺是以容器技術為依托打造運行環境的，因此在服務發布之前，必須根據資源規格創建虛擬池，保障系統算力充足，保障系統的穩定運行。然后是作業調度能力，工作人員可以通過該模塊開展視頻資源的創建、更新、刪除等工作，所有任務的進展情況均直觀呈現在屏幕上，可以隨時查看、更改。最后是賦能集成功能，可以提供統一API對外開放接口，滿足服務管理、算法版本管理接入需求。

3智能視頻計算平臺關鍵技術分析

3.1人臉識別及熱成像技術

人臉識別技術當前已經在多數機場實現推廣應用，可以在人臉結構特征提取的基礎上，匹配并確定個體身份，平臺優化時可以與熱成像技術互為搭配，在電磁波原理幫助下，實時采集人體輻射能量，對不同溫度信號進行可視轉化，從而形成有灰度差異的影像。攝像機主要安排在航站樓出入點、安檢通道、登機口[3]等處，能夠明顯緩解疫情防控及人工安檢負擔，通過優化算法設計，還可以實現旅客黑名單管理，以及航站樓人員定位等，提升機場管理服務效能。此外，這兩項技術也可與員工通道的安防門禁管理系統對接，內部人員刷卡時，系統自動采集人臉信息，并在數據庫中搜索比對，匹配率合格后方可放行，雙重保護防止異常入侵，提升機場安全性能。

3.2密度統計技術C472A448-1635-4FA1-A518-B1F4ADBAD2D0

機場航站樓、候機區是人員集散的關鍵場所，現階段經濟高速發展，國內航班架次、旅客運量明顯提升，機場人員密度大幅增加，一旦發生安全事故，將給疏散救援工作帶來極大壓力。實踐環節可以將伺服云臺安裝在航站樓出入口、安檢口等處，對來往人數開展實時統計，將各通道人員通行數量實時更新并整合打包，傳送至分析平臺，一旦超過預設標準，即會發出預警信息，提醒管理人員給予適時、適度的干預和控制。值機區域隊伍過長時，平臺系統同樣會發出提醒，方便管理人員及時開啟閑置通道，最大限度減少等待時間，提升客戶滿意度，同時防止踩踏等安全事故。

3.3異常行為檢測技術

通過設置于各點位的智能攝像機，機場內部功能區域情況可以被實時匯總、傳輸回分析平臺之中，借助大數據等技術對其展開處理，提取價值較高的信息數據，并將其上報給管理人員，可以明顯提升機場管理效率。考慮到安防是機場運營過程中極為關鍵的一部分，實踐環節要加大中心機房、旅客隔離區等的監控數據采集，一旦發生非法入侵現象，系統即可實時發出警報，提醒管理人員注意。公共活動區域則要將高速奔跑、打鬧等作為重點監控對象，扶梯區域要關注有無摔倒、逆行情況，最大限度保障旅客出行安全，防止碰撞、踩踏等事故的發生。系統內部設計目標跟蹤算法，若異常行為持續出現，則報警信息仍以周期方式持續呈現，直至異常行為停止后，警報才會消除，最大限度保障旅客人身安全。

3.4大場景拼接技術

機場工程通常具有建設規模大、占地范圍廣等特征，航站樓、候機區域等部位監控需求高，監控覆蓋面廣，依托系統平臺進行管理時，很容易出現呈現范圍狹窄、信息不全面的問題。而智能視頻計算平臺中，采用大場景拼接技術，拼接范圍涵蓋飛機跑道、停機廣場、安檢區等，整個機場所有影像均可實時呈現出來，當需要細致分析某一畫面時，只需點擊操作即可，這樣一來不僅能夠看到區域細節性信息，還能看到具體的相對位置。利用該種技術，首先可以開展遺失物品檢測，智能攝像機安裝于旅客行李領取處，發現長時間無人領取物品時，會自動提醒管理人員注意，為失物招領工作提供依據和支撐。其次還可以開展逆行檢測，攝像機可以安裝于單向通道之中，發現逆行旅客后，提醒工作人員注意，并趕往現場引導旅客正確通行。最后是設備移動檢測，機場人員集散量大，為保障安全性能，通常會設置許多消防、公安設備，當設備被違規移挪，超出監控規定范圍時，系統即可自動發出警報，降低危險隱患。

3.5機器學習技術

機器學習技術是在人工智能、大數據技術基礎上衍生、發展起來的，它綜合運用了概率、統計學等專業理論，可以高效模擬人腦思維活動，重現感知覺、記憶過程，并以此為依托將接觸到的有效信息進行整合、存儲，從中提煉有價值的規律，不斷改善自身性能，提升智能化水平。當類似事件、場景重現時，系統可以自動根據記憶中的處理過程做出響應，防止人工響應不及時造成的隱患問題。人工神經網絡技術是該技術核心，其可模擬人腦神經元結構，通過樣本訓練形成程式化解決方案，在自動駕駛、OCR[4]等領域均有著極為廣泛的應用。實踐中可以將該技術應用于智能視頻計算平臺的故障監測、應急處理之中，保障系統運行穩定性和可靠性。

4智能視頻計算平臺運維功能配備

當前伴隨現代化進程的深入，我國航空事業迎來發展新契機，民航日接待旅客數量持續上升，智能視頻計算平臺雖然在一定程度上緩解了大負荷統籌、協調壓力，但同時也帶來了新的挑戰與問題，平臺功能結構更加精密、完善，工作時限明顯延長，運維手段卻并未相應更新。很多機場建設跨度較長，不同時間段智能設備規格難以統一，維修臺賬記錄不清，視頻故障發現滯后，對信息采集質量、效果產生了較大影響，因此有必要從一體化角度出發，對平臺運維功能的配備進行展開論述。

4.1故障預警功能

系統數據庫與運維模塊相關聯，模塊內部同步更新信息細節，以此為依據對故障趨勢進行預測，預測路徑主要有兩條。首先是指標預警，監測對象主要為各業務狀態，比如數據存量、圖像延遲時間等，整個邏輯按照時間軸展開，在收集歷史數據的基礎上，形成正常運行基線，當運行數值發現較大偏差，或者較長時間處于波動狀態時，即可發出檢修提醒。借助人工神經網絡算法，還可以提取指標影響因子，生成貼合度較高的預測模型，提升故障預警精準度和可靠度。其次是壽命預警，機場內部智能攝像機運轉壓力較大，使用壽命監控極為關鍵，當攝像機進入臨界期后，品質、穩定性均會發生明顯下降，智能化運維模塊可以實時同步臺賬信息，同時采集環境、歷史運行數據等，對設備進行壽命故障預警，提升機場智能視頻系統的風險防范能力。

4.2質量檢測功能

系統質量檢測功能主要可分為3個方面，首先是圖像質量判斷，平臺可以人工智能、高性能算法等為依托，廣泛采集機場視頻截圖，分析樣本中是否存在畫面遮擋、卡頓或者模糊、亮度異常等問題，在此基礎上總結常見故障，細化故障指標，提升判斷精準性。其次是視頻質量異常統計，完成故障類型分析后，系統還可以對內部異常畫面進行統計，明確云臺控制故障、畫面遮擋等問題的多發區域，探尋低質量畫面來源等，并依據已經劃分好的風險等級，給出檢修安排推薦，增強檢修計劃適應性。最后是視頻完好率統計，可以在圖像分析的基礎上，推算出視頻完好點位，以及占點位總量的百分比，防止中間傳輸通道等影響范圍較大的部分出現故障，制約機場智能視頻系統的整體運行質量。

4.3流程控制功能

流程控制功能面向具體檢修環節，實踐時可根據機場自身運營情況進行調整，總體來說可以依托平臺完成工單創建、接收、提交等工作，若過程中出現意外變更，也可以登錄平臺進行回退、改派或刪除[5]等。平臺內部設置專家系統，存儲有海量的領域專家知識，可以對機場智能視頻系統故障進行精準判別，并在正推理、反推理算法的支撐下，模擬專家決策過程，提升故障響應效率，除主動采集數據外，管理人員也可以錄入相關資料，保障解決方案與本系統的適應性。同時，所有進入檢修流程的視頻設備，進度均要同步到平臺之中，增強信息共享性和透明度。

4.4自動巡檢功能

自動巡檢功能是對上述模塊功能的有機補充，主要利用機器學習技術和人工智能技術，可以在歷史數據的基礎上，提煉出故障趨勢及演變規律，可重復性極強。過程中要做好樣本訓練工作，可以采用輪詢方式開展工作，對大體量視頻源進行分析，平臺CPU在一定算法約束下，對周邊設備發出服務詢問，若有異常情況，則默認需要服務，展開故障預測和診斷，若沒有異常，則詢問下一個周邊，直至機場內部所有設備問詢完畢。智能巡檢代替人工巡檢，可以有效提升機場視頻系統的故障響應效率，降低人工勞動強度，同時減少人為疏漏[5-6]。

5結語

綜上所述，智能視頻計算平臺具有高效化、便捷化優勢，可以有效提升機場監控、安防質量，實踐環節要正視其功能價值，從數據感知層、平臺服務層以及應用交互層入手強化設計與開發，不斷優化人臉識別、熱成像、大場景拼接等技術，同時配套開發運維平臺功能，強化故障預警、質量監測，為系統的穩定運行和機場服務質量的優化奠定穩固基礎。

參考文獻

[1]姚斌.智慧機場智能視頻計算平臺建設研究[J].信息與電腦：理論版，2021，33（6）：177-179.

[2]王連斌.機場視頻圖像智能運維平臺構建研究[J].數字技術與應用，2021，39（2）：153-155.

[3]楊海濤.智能視頻監控技術在機場安防領域的應用研究[J].中國安防，2020（11）：111-114.

[4]張在川.淺析智能視頻監控系統在樞紐機場航站樓建設中的應用[J].網絡安全技術與應用，2020（9）：137-138.

[5]李璇.智能視頻分析在智慧機場的應用[J].信息與電腦：理論版，2019（12）：132-133.

[6]王鑫.智慧電廠安防系統研究及工程設計[D].南寧：廣西大學，2020.C472A448-1635-4FA1-A518-B1F4ADBAD2D0