頻監控技術在智能分析方面的快速發展，得益于智能芯片、算法及技術架構在業務應用中的普及應用。而隨著業務的多元化所引發的技術差異化競爭，也使得安防企業在整個安防監控技術的發展上各有千秋。

行業背景及需求概述

城市公共場所監控攝像頭成千上萬，晝夜不停地監視和錄像，由此產生出海量的視頻數據，在對這些海量視頻通過人工進行重點目標查找的困難很大，耗費時間較長，特別是一些重點場所的監控視頻，對目標查找有強烈的實時、高效的需求。

目前使用人工手段效率很低，即便使用視頻濃縮摘要等技術處理也主要是對歷史視頻、圖像進行分析，而且流程繁瑣，出現突發緊急案件時，往往會貽誤最佳的破案時機，導致相關情報研判和案件偵破的響應速度跟不上要求，無法滿足公安事前高危預警、即時性事件處置要求。在視頻監控協作公安偵破案件過程中，最理想的情況是一旦有重要事件發生，立即就可以快速查找到關鍵目標的人、車、物等視圖線索信息，然后進行人、車布控時還能實時預警。

基于上述背景及需求，視圖萃取技術可以滿足這些需求，目標是將針對傳統以人海戰術為主的視頻線索查找或事后對歷史視頻圖像進行處理分析的方式，用實時、高效、自動、智能的技術實現。

視圖萃取技術分析

監控攝像頭產生的海量原始、粗糙的信息，很多時候是用來儲存或者接受對專職人員的監控。如果通過人工處理這些視頻信息，將會變得單調而乏味，同時，大部分時間的原始視頻中并不包含案件所關注的目標事件。攝像頭如何被用來有效的進行場景監測，并根據需要進行實時的預警，這是視頻監控問題的研究目的。這就需要一種視頻監控技術能夠在監控場景中自動獲取對正在發生的事件的描述，并根據視頻分析采取相應的措施。

雖然，不同的視頻監控系統有不同的監控需求，但是它們在監控處理的過程中都需要處理一些共性問題。我們從分析監控人員的工作方式入手，來探討這些共性問題。監控人員在面對視頻監控畫面時，通常只是關注場景中的某些特定目標物。比如，只是關注在監控場景中新出現的目標物（陌生人），而不會關注監控場景的景色變化或者物體擺放位置的變動等。從每一幀視頻畫面中分離出目標物（陌生人），并對這一同標物進行長時間的跟蹤，這就是物體的檢測、分類和跟蹤問題。監控人員在對目標物的跟蹤過程中產生的一系列的信息并對之加以分析，然后給目標物的運動劃出一個行為描述，并根據這個行為描述決定是否對當時發生在監控場景中的事件給出異常報告。這個過程對于視頻監控系統來說，就是在目標物被識別并確認的基礎上，分析目標物的行為，按照設定的條件對系統理解的行為分類，給出監控場景中的事件行為描述。綜上，通過對監控人員的實際工作流程和工作方式的分析，我們知道視頻監控過程中主要涉及到的問題包括：目標物的識別確認，目標物的跟蹤和目標物的行為分析。問題核心是圖像分類和圖像搜索。圖像分類任務如：人車目標、車輛品牌、車輛顏色識別、車輛類型識別等。

視圖萃取技術的實現方式

視圖萃取技術實現了對海量視圖的實時結構化提取，對人、車、物識別分離，提取有效結構化數據，并對視圖中的車、人臉進行深度結構化處理，實時感知城市中的高危人員、高危車輛。結構化后的高價值信息可以進行長期保存，讓事后偵查搜索目標變得更便捷，大大節約視頻偵查時間和人力成本。

萃取技術架構圖如下：

　　圖1萃取技術架構

責任編輯：鐘娟娟

上一頁12下一頁

人車物分離

視頻人車物分離針對平臺/設備的視頻/錄像進行結構化處理，將視頻中的運動目標進行人（行人、自行車、電瓶車或摩托車、三輪車）、車、物的區分，同時提取目標基本的信息，如主體顏色、目標大小、目標速度、運動方向、時間等。根據這些提取的目標信息可以自由組合進行目標搜索，顯示結果以視圖、列表或者地圖形式展現，每條記錄對應原始視頻片段供細節查看。結構化的重要線索及高價值數據可以在民警分析后入視圖庫，同時萃取系統也能從視圖庫中獲取其他業務系統分析后的高價值信息進行同一案件人、車線索的串并，并在地圖上進行展現。

車/臉識別

車輛與人臉識別基于現有卡口電警設備、卡口平臺、人車物分離出的車輛資源，實現了對過車圖片的智能化特征二次提取和分析，并進行結構化解析和提?。òǎ很囕v品牌、型號、年款、顏色、類別、異常行為等），以及車輛唯一性局部特征（如年檢標志、紙巾盒、遮陽板、擺件、掛件）的過車信息實時搜索分析功能，主要包括：車牌識別技術、車系型號識別技術。

車牌識別包括快速定位車牌位置，準確識別車牌字符、車牌顏色、車身顏色、車頭商標、車輛類型等一系列智能交通領域所需要的技術。

車系型號識別技術，目前采用國際先進的深度學習技術結合了車輛大小，車身的顏色以及車牌位置與顏色等綜合信息，能夠準確定位識別上百種車品牌，支持上千種車輛的具體型號的準確識別，并且算法不依賴于公安的數據庫，具有靈活的應用場景，為公安刑偵工作提供更加精細化的信息。（支持200種品牌、3000種細分車系、局部特征的分析輸出。）

　　圖2車輛特征展示

與濃縮摘要的區別

萃取面對需求以實時結構化為主，所以應用主要針對重點區域的實時結構化需求，濃縮摘要針對所有事后視頻的摘要分析。

萃取對于視頻結構化中除人車分離功能外還有對車輛進行二次分析及特征布控，而濃縮摘要主要側重人車分離，對于車臉識別及特征布控無法實現。

視頻萃取技術應用

利用視圖萃取技術開發的產品，主要定位于公安的業務應用，應用上可以分為下面幾個類型：

事前重點點位實時結構化

支持通過電子地圖的方式進行配置，將重點部位周邊的符合智能化分析的點位進行實時結構化，支持按照全時段、重要時段(如上午7-9點學校，中午11-13點銀行，下午3-5點學校)等方式進行配置。一旦發生事件后，可第一時間通過檢索結構化信息的方式快速定位嫌疑人、車信息。

事中即時性案件處理

針對接到報警后需要馬上通過視頻進行追蹤的場景，支持通過電子地圖框選案發地周邊點位后直接進行萃取，并可通過布控嫌疑人員、車輛特征(紅色衣服-人員，黑色三廂轎車等)的方式，快速掌握嫌疑人員移動軌跡。

同時，也可根據嫌疑人、車的移動方向，逐步調整進行結構化分析的攝像頭，以實時跟蹤嫌疑人軌跡。

事后研判，軌跡還原

可以在地圖上進行時空分析，將萃取系統分析的人員、車輛信息形成目標的時空軌跡，幫助辦案民警進行分析和研判。

行業技術應用現狀

目前，主流的安防產品解決方案提供商主要采用的是視頻信息智能分析技術，常用的智能視頻分析技術通過目標提取、目標跟蹤、特征提取等算法實現對移動目標的檢測、識別及特征細化等功能。安防企業也都正在基于此類技術推出產品進行業務應用，這充分說明該技術能給業務應用帶來便利。