經過十多年的平安城市建設，中國已經成為全世界最大的安防市場。其中視頻監控作為安防系統中不可或缺的重要組成，正日益發揮更加重要的作用，比如"圖像偵查"已經成為刑偵、技偵、網偵之外的公安部門第四大技防手段。遍布城市大街小巷的攝像頭，每天都會產生大量視頻資料數據，不僅為社會治安穩定發揮作用，也為智慧城市和物聯感知提供信息支撐，但這些圖像資料如何能夠被用戶快速消化使用，成為更有價值的情報數據呢？
隨著平安城市及智慧城市建設的推進，目前新建監控項目已基本實現高清化，傳統的模擬監控正逐步更新換代，隨著建設規模的逐步擴大，將帶來存儲成本的大幅增長。同時，各地的視頻監控聯網共享等相關項目已開展多年，隨著人工智能、云計算、大數據技術的興起，平安城市應用正逐步向警務云、大數據應用等方向轉變。而高清監控視頻信息作為公安最重要的數據資源之一，目前還僅停留在事后查看的層面，沒有被充分利用起來。
以視頻數據為核心的安防監控體系，每天都產生了海量的數據，讓用戶從這些數據中尋找線索，不亞于大海撈針。人工的數據回溯，不僅占用了大量的人力、物力和時間，同時由于個人能力的差異也會導致針對視頻的認知偏差。例如道路監控僅針對卡口實現了主干道的車輛識別，覆蓋面有限，其他活動目標及特征無法獲取,大多依靠人工進行收集和處理，難以結合多種時空交叉數據進行快速檢索和研判比對。因此，智能化已經成為行業發展趨勢的共識，智能化就是自動把視頻圖像里面的內容和目標變成結構化數據。而深度學習等技術的成熟，使得由人工智能來自動消化海量監控視頻數據成為可能。
目前，人工智能已經逐步滲透到安防行業，最終將會把以視頻網絡為核心的安防產業，重塑為以結構化數據為核心，以精確情報生產為目標的智慧物聯網產業。以平安城市為例，針對道路監控視頻特別是簡易卡口等相對標準的視頻進行實時結構化分析和大數據應用，將是未來平安城市建設的一個重要方向。
視頻結構化的趨勢
所謂"結構化數據"是數據能夠直接表達目標的性狀、屬性以及身份，這種數據可以大規模地檢索、分析、統計。結合平安城市中攝像頭部署的場景特點和用戶使用需求，可以將視頻結構化分解為三大類：車輛結構化、行人結構化、人臉結構化。由于視場角和位置的限制，往往車輛結構化和行人結構化可以使用同一類攝像機，而人臉結構化目前會對安裝部署提出專門要求。
責任編輯：鐘娟娟
上一頁12下一頁
1.車輛結構化
車輛識別問題目前似乎已經可以解決，因為車輛是一種非常特殊的目標，具備獨一無二的車牌號碼，只要把車牌號碼識別出來就可以。但問題在于，道路上的攝像機不止有標準位置安裝的電警和卡口，還有數量龐大的普通監控攝像機。電警卡口攝像頭由于分辨率較高，角度非常合適，并具備專用補光燈，可以增加正面識別的成功率。而普通的視頻監控攝像頭，分辨率并不太高，視場角較大導致每個目標的像素較低，這就提高了識別的難度。而借助深度學習技術的新一代圖像識別算法，可以有效提升對道路監控特別是簡易卡口中車輛識別準確率，無論是機動車還是非機動車都可被檢測與跟蹤，對應每一個目標的屬性也會被識別出來，包括：車牌號碼、生產商、型號、年檢標的狀態，甚至具體是哪個年份的型號也可以被識別出來。以天地偉業開發的視頻結構化分析服務器為例，車輛結構化支持：車輛號碼識別，可針對一定傾斜角度范圍內的車牌號碼識別；車牌顏色識別；車牌類型識別；車輛子品牌識別；車輛類型識別(大型客車、中型客車、小型客車、大貨車、轎車等)；車身顏色識別；車窗標識物檢測(年檢標、遮陽板、紙巾盒、掛墜、擺件)。
此外，還支持對非機動車進行識別，包括二輪車和三輪車。當圖像中的車輛被結構化為基礎數據后，就可做各類大數據分析，比如搜索"白色寶馬"后，可以選擇結果中任何一輛車，查看它出現過的位置和時間，結合地圖形成軌跡。2.行人結構化
目前街道上的普通監控攝像機，實際上是不滿足人臉識別分辨率的條件，一是視場角往往設置的比較廣，和人的距離比較遠，導致人臉像素較小，二是光照和高度不合適，雖然可以看清這個人的外形，但要想看清他的面部，尤其想在面部區域得到一個比較高的分辨率(至少是100×100)比較困難。盡管無法取得清晰的正面人臉照片做識別比對，但是如果能夠從目標身上得到其他屬性，也是很重要的線索。仍以天地偉業開發的視頻結構化分析服務器為例，行人結構化支持對行人性別進行識別；支持對行人頭部特征進行識別(戴眼鏡、戴帽子)；支持對行人上身和下身衣服顏色進行識別；支持對行人上身下身衣服紋理款式進行識別；支持對行人附帶物品進行識別(背包、手提包)。
這些信息雖然跟人臉識別不太一樣，但也是一種有效的信息獲取途徑。比如搜索紅上衣黑褲子背包的婦女，輸入這4個搜索條件，即可迅速地找到目標。
3.人臉結構化
人臉識別技術在過去幾年進展非常大，和兩三年前相比，測試一個標準集時，錯誤率可能已經小了上千倍。訓練人臉模型時，尤其要注意光照、角度、表情問題，實現抗干擾。盡管人臉識別對攝像機的安裝部署場景有一定要求，但以天地偉業推出的動態人臉識別布控產品為例：步行街人臉布控，抓拍率>80%，識別率>80%；可判別性別、年齡、眼鏡、墨鏡、口罩等人臉屬性，即便偽裝也能相似識別；人臉旋轉角度適應范圍廣，左右側可達25%；識別畫面中人臉>15個，人眼間距大于30像素可識別。
基于視頻結構化的大數據分析
在安防監控系統中，攝像頭和錄像機產生海量視頻，當人工智能把圖像資料轉變成結構化數據后，會產生一個新的結構化數據的海洋，數據量仍舊非常龐大。如果結構化數據沒有經過很好的挖掘，也不是有意義的情報。而具備時間和空間屬性的結構化數據可以使用數學模型的手段進行挖掘，得到的線索信息就會幫助用戶分析目標的行為，這在公安部門叫做技戰法。比如一些比較簡單地篩選類模型：車輛稽查布控--檢測到一輛車的車牌號碼是一個嫌疑犯車牌號時，平臺會立刻預警；人員黑名單--系統布控了一張逃犯的照片，當在某個地鐵站的攝像頭里發現一個人長相相似時，平臺也會立刻報警。還有一些比較復雜的研判類模型：車輛頻繁夜出--某些車輛經常在夜間出行，白天幾乎不動，這類行為如果排除了正當職業，就屬于嫌疑行為；黃牛黨--某些人經常在醫院或體育館門口徘徊出入，如果過一定頻次，就有嫌疑。
可以看到，當海量視頻圖像變成了結構化數據以后，可以為不同行業和不同場景提供豐富有效的數據挖掘應用。
京公網安備 11010502049343號