新常态下公安图侦实战面临全新挑战

　　随着全国各地平安城市建设进程的加快，城市中建设的视频监控摄像头数量呈指数级别持续快速增加，北京、上海两市的摄像机数量均已经超过100万级，深圳市的摄像头分布密度均更是达到了每平方公里205个，大量的摄像机对城市的各个角落、各条道路都进行了实时的视频采集。由此带来两方面的挑战，首先，传统的采用“人盯屏”的方式进行人海监控战术，将会耗费大量的人力物力且效率低下;其次，每路高清摄像机每个月存储的视频数据已达PB级，快速搜索某时间或某些特征的视频段时，这个看似简单的想法，操作起来却犹如大海捞针。

　　视频数据记录的主要是一系列像素的数字化信息，包含亮度、色度、饱和度等信息，是基于非语义化内容的数据，虽然信息量非常庞大，但是计算机无法理解其包含的内容和所表达的语义。公安案件侦查过程中，能够获取到的线索信息往往都是碎片化、不完整的，例如需要检索案件现场周围多个摄像头相关的视频数据中出现的一位穿红上衣、黑裤子的中年男子，或者要检索经过某十字路口车牌号码为58结尾的黑色奥迪车等等，遇到这些场景，如果采用传统的回看录像的方式，耗时费力。有没有一种类似谷歌或百度搜索引擎的技术，可以通过输入文本化的信息作为条件，就可以对海量的视频内容进行快速检索，方便案件侦查人员快速获取视图情报?基于图像智能分析技术的积累，视频结构化技术应运而生。

　　基于视频结构化技术建立公安图侦大数据

　　“视频结构化”其实就是一种视频内容信息提取的技术，通过该技术可以在堆积如山的海量视频中，就像搜索引擎一样直接输入人、车、物的特征信息就能在7×24小时录像里面搜索到符合这个特征的目标和与之对应的所有视频，突破视频大数据应用的瓶颈。从技术上来讲，视频结构化描述技术是对视频内容按语义关系，采用时空分割、特征提取、目标识别等手段，按标准将视频内容组织成可供计算机和人理解的文本信息的技术。通过该技术，系统可以从海量数据中对视频多媒体数据进行结构化处理，提取视频图像中运动的人、车、物和空间坐标以及静态背景等信息，并通过视频结构化大数据分析平台进行分析、比对、碰撞，提炼更有价值的视频信息或者情报。

　　要实现视频大数据应用，就必须为视频图像中的目标和事件贴上属性的语义化标签，也就是视频结构化描述的过程。视频结构化描述技术是高清视频监控系统的发展方向，其核心是智能视频分析算法，做到自动把视频中的特征提取出来并贴上标签后入库，大量的标签信息记录存储下来后，形成可语义化检索的视频大数据。只要这样，才能实现海量视频的快速查询和碰撞研判。结合大数据检索数据，更可以实现十亿级数据的秒级响应，可大大提升公安有案件侦查过程中检索视频资源的效率。

　　高新兴视频结构化大数据分析业务流程

　　分析视频中的运动目标并进行“智能标签”

　　视频大数据的搜索与挖掘以人们关注的视频内容为主。但是，传统的视频监控内容除了时间和空间的属性外，并没有其他的标签。视频监控图像从数据到信息，结构化是关键，须为视频图像中关注的信息(人、车、物、事件等)贴上智能标签。一张普通的图片，不同的人能够不同的角度可以获取到不同的信息，因此如何按照标准、从最少的维度通过计算机去描述该画面，将非结构化的图像数据转变为结构化的信息是至关重要的。视频目标的标签越准确，检索则越准确;反之，视频目标的标签失准，定位就越模糊，甚至无法定位。

　　为了解决视频图像中运动目标的结构化描述，高新兴采用计算机视觉、深度学习技术，将场景中背景和目标分离，按标准实现视频图像的摘要、分析、识别、处理、比对等智能应用功能，实现视频内容特征的自动理解、智能识别和自动定位，并对异常行为视频自动预警、将视频非结构化数据进行结构化描述存储，提高视频系统应用效能。

　　高新兴视频结构化的信息提取技术

　　高新兴视频监控运动目标结构化描述主要应用的技术如下：

　　1.人员的特征提取与识别

　　a)人脸检测与识别

　　基于各种场景的监控视频图像，从实时视频中检测并识别人脸信息，将人脸特征按标准提取并存储到人脸特征库中，并将抓拍到的人脸信息与选定的人脸库中的特征库实时比对，找出人员信息。

　　b)行人检测与特征识别

　　在实时视频中，对监控环境进行行人目标的检测，并根据图像序列数据按标准提取分析出行人的性别、年龄段属性、衣着颜色等特征信息。

　　2.车辆特征提取与识别

　　针对交通管理的海量数据处理需求，智能交通系统除了实现大量抓拍图片、车辆数据、视频数据的实时传输和快速存储，还需要将各类多媒体数据和车辆特征信息合二为一，从而实现对目标车辆进行多条件检索定位，并进行比对报警。为了实现交通监控领域的大数据分析和处理，需要通过视频内容进行智能分析，记录车牌、车身颜色、车型、车标、方向、驾驶人员照片以及驾驶人员是否系安全带、打电话等安全驾驶信息。

　　a)车辆检测

　　对视频摄像头监控道路范围内的过往车辆进行实时检测与跟踪，并自动抓拍、记录车辆的特征图像、过往时间、车速等信息。

　　b)车牌识别

　　基于视频图像的车牌识别技术，主要就是应用计算机视觉技术和模式识别技术，对视频图像中存在的车牌进行自动车牌定位、分割字符、提取特征，并最后识别出车牌号码的技术。车牌识别技术的核心包括车牌定位算法、字符分割算法和字符识别算法等部分。

　　c)车身颜色识别

　　基于视频图像的车身颜色识别，就是对检测到的车辆图像进行定位、抽取出车身的区域，并进行颜色分析和判断识别。车身颜色识别包含对汽车车身位置的定位、视频图像的亮度分析、颜色校正和判断识别等处理。

　　d)车型识别

　　车型识别主要是根据车牌检测与识别结果，分析车辆的大小、轮廓特征等信息，从而判断出车辆的类型信息。

　　e)车标识别

　　车标识别就是在车牌定位的基础上，检测定位出车标的图像区域，并提取图像区域的形状、大小尺寸等信息，从而分析识别出汽车的厂家类型信息。

　　f)驾驶人员信息提取

　　针对交通监控系统进行二次结构化，处理采集的图片，从图片中提取出驾驶人员的照片或者根据颜色、纹理等特征记录驾驶人员是否系安全带等。

　　3.事件结构化

　　视频分析能够发现监控区域中运动的物体，并对这些目标进行记录。除此之外，还可以根据实际应用需求，对视频图像中异常行为或者特定行为进行事件的结构化。

　　行为分析类：异常奔跑、滞留徘徊、激烈运动、人群聚集、物品丢失以及物品遗留等异常事件。

　　周界防范类：单向跨线、双向跨线、翻越栏杆、进出禁区、区域内出现以及区域内消失等事件。

　　4.视频大数据的快速检索与匹配

　　视频大数据搜索是针对视频图像中所有已经进行结构化描述的目标或者事件信息进行全文检索，将目标出现的时间、地点(背景信息)以及目标特征作为条件对目标进行查找。通过查询结果可快速了解目标的相关信息，并且回溯原始视频进行查看。

　　对人员检索，除了“人”这个关键索引之外，还可以检索衣服、裤子颜色，性别、年龄、肤色、体型高矮胖瘦等特征属性。人员检索如图所示：

　　基于人员特征的人员快速匹配

　　对于车辆检索，除了车辆目标出现的时间以及地点信息以外，车辆检索条件还包括：车牌号码、车牌类型、车牌颜色、车辆类型、车辆品牌、车身颜色、运动方向、驾驶人员照片、驾驶行为(是否违章)等。车辆检索如图所示：

　　基于车辆特征的车辆快速匹配

　　通过分布式搜索引擎，打破传统数据库在大数据条件下查询速度的瓶颈，可支持10亿级过车数据秒级快速查询，提高监看人员从视频中提取线索和证据的效率和精度。

　　大数据分析、云计算保驾护航

　　为了支撑爆炸性增长的各类安防监控数据的管理与应用，运用云计算技术、分布式计算技术、数据仓库技术、数据交换技术、数据挖掘技术以及各种非结构化数据处理技术进行视频大数据的处理和分析，在此基础上提供适合视频大数据搜索、挖掘和管理服务，海量视频数据的检索不再是大海捞针。

　　基于视频结构化技术，通过视频内容分析和模式识别，实现运动目标检测跟踪、目标检测、人/车辆特征提取和人脸比对等视频结构化描述和图形图像处理技术，为实现实时视频内容的结构化描述及信息化管理提供“智能的大脑”。大数据分析平台是视频大数据计算与存储的“心脏”，具有分布式、统一存储、统一访问、动态扩容的特点，用于汇集视频智能处理的视频摘要、视频片段、抓图、特征数据、空间坐标以及案事件等大数据，从而实现视频大数据的综合利用，视频大数据的搜索和挖掘成为囊中取物。助力公安图侦实战业务效率上升到全新的台阶。

声明:

凡文章来源标注为"CPS中安网"的文章版权均为本站所有，如需转载请务必注明出处为"CPS中安网"，违反者本网将追究相关法律责任。非本网作品均来自互联网，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。