视频实时分析系统技术方案

视频实时分析系统技术方案 2 2 2 3 5 5 72.1应用现状 72.2业务现状分析 72.3应用场景需求分析 8 8 82.3.3多来源、多状态视频资源分析 92.3.4视频大跨度行业应用 9 92.4.1行人目标检索 92.4.2二轮车目标检索 92.4.3三轮车目标检索 92.4.4汽车目标检索 9 9 9 3.1逻辑架构图 4.1系统概述 4.2模块说明 4.3.4汽车目标分析 4.4.1行人目标检索 4.4.2二轮车目标检索 4.4.4汽车目标检索 20 23 23 235.3精准的视频分析算法 235.4极速的数据检索方式 23候的监控和分析，配合图像处理技术和大数据分车辆样式、车辆颜色等特征寻找目标。可以对实灵活运用视频目标分析大数据系统的不同的功能，对搜集案件信息，加快充分调研公安业务应用场景，结合各地现状，以需求为导向，引领应用，1)以视频目标大数据为核心，整合所有联网视图数据平台设计之初充分考虑以视频目标大数据开采应用为核心，通过视频目标结构化技术，进一步加强在视频监控传输网络、数据库对接、分析处理等领域的技术创新，从源头上攻克视频目标数据联网实战应用的技术壁垒。整合所有联网的目标视图数据、实时动态数据等资源，提供灵活的方式接入不同平台及资源库，实现视图数据的全覆盖和互联互通，达到全局分析、统筹研判的最佳视频监控作为一种实时的采集手段，记录了丰富的人、事、物信息量和特征点，能够反映真实行为及变化趋势。动态化、信息化条件下的立体化治安防控，不仅要求视频的“场景再现”,更重要的是“防患于未然”,做到预知、预警。因此，对于视频数据的深度分析不仅要满足对数据的高效率汇聚，对事件的高清晰还原，还应充分考虑到实时分析和深度挖掘。采取可扩展应用的思路，建立实时分析和预警模型，实现高危目标和异常行为的动态掌握和及时推通过对视频资源的实时智能分析，强化对社会治安状况的监测评估、重点人员的动态研判，实时掌握轨迹、预判犯罪热点、提高预防打击违法犯罪、防从当前视频监控在“治安值守”和“刑事侦查”工作模式来看，视频监控查看主要以“人工为主、简单智能视频分析为辅”,利用系统提供的智能应用4)符合国家政策和战略规划发展方向系统的建设，符合公安部加大在公共安全视频监控系统中的集成应用力度，提高视频图像信息的综合应用水平已经成为视频监控系统的发展趋势。另外，对视频图像进行结构化解析，解析人、地、事、物、组织等要素，有助于公安机关“情报主导警务”模式的发展与变革，也符合国家政策和战略规划的系统设计和建设均遵守国家现行和公安部关于视频监控、视频指挥通信系

《关于进一步加强公安机关视频图像信息应用工作的意见》(公通字〔2015〕4号号)(2015)996号)公厅2015年4月13日印发)

《公安信息通信网边界接入平台安全规范(试行)》(公信通〔2007〕191号)(2008)296号)

《视频图像分析仪第2部分：视频图像摘要技术要求》(GAT1154.2-

《公安视频图像分析系统第1部分：通用技术要求》(GA/T1399.1-

《安全防范视频监控联网系统信息传输、交换、控制技术要求》全面接入城市视频监控数据，实现对多路视频源进行实时的结构化分析和目标特征提取，从多个维度深度挖掘视频监控中的有价值信息，破解人眼识别效率低、易疲劳、易丢失目标等难题。在多个视频源中自动检索、追踪、输出目标信息，同时可直接上传目标截图，基于目标的图像特征建模进行跨摄像头通过多源数据汇总，进行综合分析研判，实现人、车信息的跨区域实时查询及分析，准确实时定位嫌疑人位置。充分发挥大数据情报研判的引擎作用，深化“车一人—物—案”的案件侦查新模式，深化“车一人—物—案”间的关联碰撞挖掘。打通各个信息资源库，使之互联互通，更加便捷高效的处理巨量、复杂的警务数据，实现科学预测预警。大幅提升警务资源数据的深度挖掘和综合开发、多维度应用效能，为公安防控工作提供有力的支撑。实现公安内部信息与相关政府部门及社会信息的高度融合、深度共享，全面掌控辖区内活系统架构设计、技术运用、设备选型等方面充分考虑业内前瞻性的模式，避免投入即陷入技术落后的现象，选用先进、成熟、主流的技术搭建可升级、系统中的视频图像信息数据库、视频图像综合应用平台、以及视频图像分析系统等之间均应能有效地进行数据共享，并与视系统应采用模块化设计，以适应系统规模扩展、功能扩充、配套软件升级等的需求。系统的建设在符合国家和行业相关标准要求的基础上，采用业界主流的软硬件平台、操作系统平台、数据库平台以及标准的协议，保证系统的扩系统应采用成熟的技术和设备，关键设备、关键数据、关键程序模块应有备份或冗余措施，有较强的容错和系统恢复能力，能够保证系统长期正常运系统的接口协议、视音频信号编解码、视音频文件格式等，应符合相关国系统采取有效的安全保障措施，防止系统被非法接入、非法攻击和病毒感染；接入的设备和用户终端，进行必要的接入认证，以保证接入的安全性；采系统应具备自检、故障诊断及故障弱化等功能，在出现故障时，能快速确定故障点，并及时恢复。系统内的设备、网络、用户、性能和安全等应便于管系统应提供清晰、简洁、友好的中文人机交互界面，操作应简便、灵活、近年来，我国大力推进视频监控系统建设，根据公共安全领域的有关标准规范，指导推进重要部位视频监控系统建设，基本实现了城镇道路交叉口无死角，主要道路关键节点无盲区，人员密集区域无遗漏，以及要害部位、重要涉外场所、案件高发区域、治安复杂场所主要出入口全覆盖的要求，基本实现“全域覆盖、全网共享、全时可用、全程可控”的公共安全视频监控建设联网随着智慧城市、平安城市、天网工程等项目建设不断推进，视频监控应用能力和水平发生了质的飞跃。视频监控系统已经不仅仅被视为提升公安工作水平的重要抓手，而是被更广泛地应用到了维护公共安全的全局工作中去。随着视频监控建设应用的不断深入，如何更充分的利用海量的视频图像资源，如何从视频图像中获得有价值的信息，让视频图像信息成为“情报引导警务”的重要基础支撑，提升公安实战应用效能，提升立体化社会治安防控体系的建设，近年来，各地在公安视频监控基础设施建设上投入了大量的人力、物力、财力，公安视频监控数据中蕴含了巨大的情报价值，但其价值密度极低。视频监控产生的巨量视频数据目前在各地的实战应用中大多还停留在单纯依赖人工查找的阶段，难以高效实现低密度高价值信息的有效利用。如何提高视频监控数据的高效分析和联网合成应用，已经成为提高社会治安管理水平的重中之视频监控数据是实时不间断产生的，数据量巨大，联网后的数据量可以达到每天百亿量级，传统的数据处理与分析挖掘技术难以高效管理利用如此大的后查找线索，对大规模视频监控图像缺乏高效的处理手段，缺乏智能化的技术2.3应用场景需求分析系统基于视频目标追踪和人像特征建模技术，解决从多个视频源中搜索排查目标时人眼识别效率低、易疲劳、易丢失目标等现状难题，对视频流中的例如以“一位穿白色上衣，黑色裤子，手提物品的男性行人”为搜索条件，在多个视频源中自动检索、追踪、输出目标人员相关图片。支持对结构化目标进行快速检索、深度挖掘处理，并支持与其他公安业务系统进行关联挖基于视频目标追踪和人像特征建模技术，对视频流中的人、车进行目标缩略图精确提取、细化属性分析和目标实时检索，解决人眼识别效率低、易疲传统办案方式依靠人眼看视频，耗费大量警力及时间，容易错过最佳办案时机。系统将视频目标结构化后，可大大提高检索效率，快速把握最佳办案时机。除了根据行人、两/三轮车、汽车特征条件检索，用视频来自于不同单位，点位建设存在差异性。由于建设厂家不一，视频格式和上传标准也大相径庭。本系统设计之初就考虑兼容不同来源、不同状态的视频智能应用可满足多类用户需求，面向交警、刑侦、治安、缉毒等各部1)采集层可以接入虚拟卡口系统、视频监控系统、视频整合平台等视频数据。实现可建立在视频专网或公安网内，实现对视频专网、公安网数据的整合接主要为上层实战应用提供功能和数据支撑，包括将视频图像的数据结构化根据不同警种需求，平台可满足治安、刑侦、情报、交管、指挥中心、监系统基于实际的业务需求进行部署设计，系统可部署在视频专网和公安内1)系统主要硬件包括视频智能分析服务器和交互节点服务器，其中视频智视频目标大小图片；交互节点服务器用于Web交互、系统管理以及系统各个功2)系统根据实际需求将交互节点服务器部署在公安网或视频网，通常智能3)系统对接入的视频流进行结构化分析。解析后的数据为用户提供目标检4)基于产品架构和视频原始数据庞大的特点，建议视频专网分析-视频专视频实时分析系统包括六大功能，分别为行人目标检索、二轮车目标检图：视频实时分析系统主页面视频监控系统产生的海量视频或图片均为非结构化或半结构化数据，其中，非结构化视频或图片多为原始视频或图片，视频或图片中的内容均需由人工完成内容信息的提取与识别；半结构化视频或图片，是由计算机提取部分信息，再结合人工完成内容信息的提取与识别。然而，非结构化或半结构化的视将海量视频或图片由计算机完成有价值内容信息的识别与读取，通常采用非结构化目标描述信息非结构化目标描述信息的技术是视频结构化描述技术。它是对视频内容按语义关系，采用目标检测、特征提取、对象识别、深度学习等分析手段，组织成可被计算机和人识别、理视频结构化描述技术，实现视频智能分析和数据挖掘，让视频从人工抽检，进步到事前预警和事后分析，实现智能化的信息分析、预测，为视频监控领域带来的业务变革，实现视频监控网络情报化、智慧化、语义化，让人从观系统针对视频中出现的目标特点，从视频流中抽取关键帧，形成目标图像；针对目标图像进行结构化分析，可实时分析出视频中出现的目标属于行车牌可识别红、橙、黄、绿、蓝、紫、粉、棕、灰、白、黑、花12种颜(3)下衣(裤子)颜色分析可识别红、橙、黄、绿、蓝、紫、粉、棕、灰、白、黑、花12种颜可自动识别视频流中行人目标的各类特征信息，包括戴帽子、戴口罩、戴眼镜、带包、抱东西、拉箱子、打伞7个特征。(1)车辆类型可识别红、橙、黄、绿、蓝、紫、粉、棕、灰、白、黑、花12种颜可识别红、黄、绿、蓝、白、灰、黑、银、橙、金、棕、紫及粉13种可识别二轮车驾乘人员的特征，包括戴头盔、戴口罩、戴墨镜、带包、打伞共5个特征。(2)驾乘人数分析可识别红、橙、黄、绿、蓝、紫、粉、棕、灰、白、黑、花12种颜(4)下部颜色分析可识别红、橙、黄、绿、蓝、紫、粉、棕、灰、白、黑、花12种颜可识别三轮车驾乘人员的特征，包括戴头盔、戴口罩、戴墨镜、带包、打伞共5个特征。4.3.4汽车目标分析可识别轿车、越野车、商务车、面包车、皮卡车、小型货车、大型货车、小型客户、大型客车共9大类。可识别红、黄、绿、蓝、白、灰、黑、银、橙、金、棕、紫及粉13种在车辆正面图像清晰可辨的情况下(主要指虚拟卡口),可对汽车目(1)车型分析(2)车牌识别实时目标分析可对接入系统的实时视频流进行分析，将其中的可辨别目标识别和存储，转化为结构化数据，为用户提供行人、二轮车、三轮车、汽车等供二次筛选，如行人衣着颜色，是否戴口罩打检索条件包括：上衣颜色：不限、红色、橙色、黄色、绿色、蓝色、紫图：行人目标检索示意图对实时视频图像信息进行目标结构化分析处理，同时根据二轮车特征检检索条件：驾乘人数(不限、单人、多人)、车辆类型(不限、自行车、金、棕、紫及粉14个选项、人员特征(戴头盔、戴口罩、戴墨镜、带包、打伞、其他)、时间段和检索位置区域进行检索。搜索结果：显示检索条件下的二轮车目标数量及用时，单个二轮车目标以特写图并配以抓拍的时间、地点信息。同时支持显示二轮车目标的具体特征；对实时视频图像信息进行目标结构化分析处理，同时根据三轮车特征检检索条件：驾乘人数(不限、单人、多人)、三轮车种类(斗式、篷式、厢式、其他)、上衣颜色、下部颜色、人员特征(带包、戴帽子、打伞、戴口罩、戴眼镜、其他)、时间段和检索区域进行三轮车目标的检索。搜索结果可显示检索条件下的三轮车目标数量及时间，单个三轮车目标以特写图并配以抓拍的时间、地点信息。同时支持显示三轮车目标的具体特征；4.4.4汽车目标检索检索条件：车型(车辆品牌、型号、年款)、精确车牌号码、车身颜色图：汽车目标检索示意图通过上传图片，系统可识别图片中出现的四类目标(行人、二/三轮车、汽车),搜索目标在视频信息中出现的场景信息。图：以图检索首页示例图统可支持最多圈选8个特征。同时支持对圈选特征的重复选择功能。视频侦查的基础是图像资源，而各地的设备品牌型号各有不同。通过分析可对行人、二轮车、三轮车、汽车等各种目标进行识别，并可检索不同目标下的特征，行人的衣着颜色、年龄特征、行为特征，衣着颜色、行为特征，车辆颜色、车辆类型、车辆品牌信息等数十种特征，大矫正等技术，对图像进行可靠的预处理操作。同时通过机器学习的方式，不断提高搜索精确度以及目标特征种类，使其在各种环境状态下都能够到达理想的极速的大数据检索方式，配合分布式存储技术和大数据检索技术，满足海量图像存储性能的同时，保证数据检索速度，保障数据安全和系统的可扩展性时预警、快速打击，以及对重点和嫌疑车辆的快速筛查、及时发现、布控。深挖现有视频资源效能，以智能软件升级现有硬件，以高端应用软件替代专用硬件，最大限度保护现有投资，实现对视频图像、电磁轨迹等多维数据源在此基础之上，紧密结合立体化社会治安防控对视频联网深度应用的要求，立足各地视频监控建设实际，面向业务应用进行开发设计，针对立体化治安防控、城市交通