视频结构化技术方案

视频结构化技术方案
视频结构化技术方案

2、技术服务方案

2.1建设内容

本次项目的主要建设内容:视频结构化,同时对接整合县局建设的监控视频 前端等系统,通过后端建设平台实现视频分析、实战、案件研判、案件侦办等功 能。

2.2系统结构

本次项目设计的平台系统,采用先进的架构体系,实现智能监控,社会资源, 案件侦查、研判等功能,同时与警用地理信息系统,警综系统等资源对接,实现

地图展现,视频联动、案件侦查等功能。

2.3视频结构化

简单来讲,视频结构化技术是一种将视频内容(人、车、物、活动目标) 征属性自动提取技术,对视频内容按照语义关系,采用目标分割、时序分析、 象识别、深度学习等处理手段,分析和识别目标信息,组织成可供计算机和人理 解的文本信息的技术。

从数据处理的流程看,视频结构化描述技术能够将监控视频转化为人和机器 可理解的信息(如下图),并进一步转化为公安实战所用的情报,实现视频数据向

系统建设在公安信息网和视频专网上, 系统总体架构如图所示

:

K>艮毂具皐甲台]3=[>

M ----

盃畀魅人平合 P 1|h- ■- t : ■■?■ =^ -■ ■ ■(■ [-■ I I "H|ri ■- h< !■?■>; -

■■1|h*—\ li-rj

企刼fir 息网观颠

V 昼fe 輾网平台

信息、情报的转化。在视频结构化描述的内容方面,公共安全关注的视频信息主要是:人员、车辆、行为。

231人员结构化

在视频中除了包括人员的面部精确定位、面部特征提取、面部特征比对,人员的性别、年龄等特征范围外,还可对人的衣着、运动方向,新增是否戴帽子、

是否戴眼镜、是否背包、拎包、打伞、是否骑车等信息进行结构化描述。

?

2.3.2车辆结构化

随着智能交通高清电警、卡口、虚拟卡口、停车场的广泛建设和应用、借助

智能识别算法将电警、卡口、停车场出入口等场所的车辆相关结构化信息存入车辆主题库,包括车牌、车型、车牌颜色、车辆品牌、车辆类型、车身颜色、车标及遮阳板、是否系安全带、打电话、车辆年检标、摆件挂件、司乘人员的人脸。

基于这些车辆关键特征信息,形成上亿条过车记录数据,从而推动了后台大数据分析服务的发展应用和行业数据挖掘,形成隐匿车辆挖掘、套牌车辆筛选、初次入城、一车多牌、一牌多车、频繁过车、相似车辆串并、高危车辆积分模型、车辆行驶轨迹分析、时空碰撞等实战技战法的应用。在此基础上对车辆特征数据的大数据搜索,即可迅速找到所有符合条件的车辆信息,包括行驶时间与方向、行驶速度、车标、车牌、年款等,还可结合以图搜图的检索方法,在实战平台上调取相关视频和图像文件,快速查询到有关嫌疑车辆信息,还原车辆行驶的轨迹历史信息,实现嫌疑车辆在整个城市的全程运行轨迹查询或结合视频监控信息,

实现车辆全程化的可视化轨迹回放,以及对涉事车辆的精准布控和查询,也可以 £阳㈱:

未知 抵

巾盒:

打 ::

? : *

* *全?:有

年巅:末知 赢品年:丸

233行为结构化 行为结构化即在人员结构化基础上进行检索查询,包含人体行为如越界、区 域、徘徊、遗留、聚集等多种行为特征描述。它可以解决快速目标查找问题,如 将嫌疑人的截图输入至侦查系统中,利用人形检索的功能,系统会根据目标嫌疑 人的衣着、颜色分布、体态特征快速地在案发点附近的多路摄像头中进行全局搜

索,查找出相似的目标,并将结果以快照的形式输出,结合

GIS 地图进行时空

研判分析,刻画出嫌疑人的行动轨迹。

经过视频结构化处理后,可以达到如下目的:

首先:是视频查找速度得到极大的提升。

视频结构化之后,从百万级的目标库中(对应数百到一千小时的高清视频) 查找某张截图上的行人嫌疑目标, 数秒即可完成;千万级目标的库中查找,几分 钟即可完成(如果实现云化,速度会更快)。在结构化基础上进行检索查询,可 以解决快速目标查找问题;

其次是存储容量极大的降低。

经过结构化后的视频,存储人的结构化检索信息和目标数据不到视频数据量 的2%;对于车辆,不到1%;对于行为降得更多。存储容量极大地降低,可以 解决视频长期存储的问题。

最后,视频结构化可以盘活视频数据,可作为数据挖掘基础。

视频经过结构化处理后,存入相应的结构化数据仓库,对各类的数据仓库可 以进行深度的数据挖掘,充分发挥大数据作用,提升视频数据的应用价值,提高 视频数据的分析和预测功能。

视频结构化面临的问题

作为一项视频处理的核心技术,算法对环境比较敏感,受环境干扰大,光线、 杂物、恶劣天气、晃动都会影响实际效果,实现高效精准的视频结构化描述技术 成为今后一段时间各公司/算法研究机构努力的方向。随着计算机视觉前沿技术 的日益成熟,深度学习、高性能计算、海量训练数据、多维信息结合、大数据挖 联合公安车辆管理信息库,

实现车人关联。 砂:囲

向:同F iSMT :中

掘分析、目标跟踪、现有算法的优化都将有力快速推动视频结构化分析技术、算法效果的逐步提升。

2.4对接服务

2.5.1外部接口服务

根据需求,为实现公安对侦查数据进行共享整合,我司视频结构化平台支持与原有建设的视频侦查分析系统的数据对接能力,并提供相关技术方案描述数据对接实现方式,对接方案包含数据字典、功能分类、结构定义和交互流程等技术要求。

2.5.1.1对接方式

系统与外部系统的对接方式以web service方式进行。

系统接口标准:

本系统采用SOA体系架构,通过服务总线技术实现数据交换以及实现各业

务子系统间、外部业务系统之间的信息共享和集成,因此SOA体系标准就是我

们采用的接口核心标准。主要包括:

服务目录标准:服务目录API接口格式参考国家以及关于服务目录的元数

据指导规范,对于W3C UDDI v2 API结构规范,采取UDDI v2的API的模型,

定义UDDI的查询和发布服务接口,定制基于Java和SOAP的访问接口。除了

基于SOAP1.2的Web Service接口方式,对于基于消息的接口采用JMS或者MQ

的方式。

交换标准:基于服务的交换,采用HTTP/HTTPS作为传输协议,而其消息

体存放基于SOAP1.2协议的SOAP消息格式。SOAP的消息体包括服务数据以及服务操作,服务数据和服务操作采用WSDL进行描述。

Web服务标准:用WSDL描述业务服务,将WSDL发布到UDDI用以设计

/创建服务,SOAP/HTTP 服务遵循WS-I Basic Profile 1.0,利用J2EE Session EJBs 实现新的业务服务,根据需求提供SOAP/HTTP or JMS and RMI/IIOP接口。

业务流程标准:使用没有扩展的标准的BP EL4WS,对于业务流程以SOAP

服务形式进行访问,业务流程之间的调用通过SOA P。

数据交换安全:与外部系统对接需考虑外部访问的安全性,通过IP白名单、

SSL认证等方式保证集成互访的合法性与安全性。

数据交换标准:制定适合双方系统统一的数据交换数据标准,支持对增量的数据自动进行数据同步,避免人工重复录入的工作。

2.5.1.2数据库设计

1、设计依据

说明数据被访问的频度和流量,最大数据存储量,数据增长量,存储时间等数据库设计依据。

2、数据库选型

对数据库选型进行确认。

3、数据库种类及特点

说明系统内应用的数据库种类、各自的特点、数量及如何实现互联,数据如何传递。

4、数据库逻辑结构

说明数据库概念模式向逻辑模式转换所采用的方法论及工具,完成数据库概念模式向逻辑模式的转换。详细列出所使用的数据结构中每个数据项、记录和文件的标识、定义、长度及它们之间的相互关系。此节内容为数据库设计的主要部分。

5、物理结构设计

列出所使用的数据结构中每个数据项的存储要求、访问方法、存取单位和存取物理关系等。建立系统程序员视图,包括:

数据在内存中的安排,包括对索引区、缓冲区的设计;

所使用的外存设备及外存空间的组织,包括索引区、数据块的组织与划分;

访问数据的方式方法。

6数据库安全

说明数据的共享方式,如何保证数据的安全性及保密性。

7、数据字典

编写详细的数据字典。对数据库设计中涉及到的各种项目,如数据项、记录、系、文卷模式、子模式等一般要建立起数据字典,以说明它们的标识符、同义名及有关信息。

2.5.1.3交互流程

1、发现用户需要,建立明确需求

在用户反馈里收集到许多用户提出的想法,他们希望我们能提供帮助解决问题的产品;我们也可以主动去观察一些生活中的信息,为灵感的迸发做储备。

2、提出设计方案

通过调研,我们得到了大量数据信息,并建立了明确的需求,下一步就是开始提设计方案。

3、制作原型

考虑到做交互是一个迭代过程,为设计的产品做一份交互更新日志,记录

F交互更新时间、版本名称、更新类型、更新内容、参考需求文档与交互负责人。

4、制作交互说明

在交互原型上注释,在图上写说明。

5、用户测试与评估

产品基本功能实现后,我们会做用户测试,设计是很主观的,并且会受各种因素影响,所以我们的产品难免会存在一些意料之外的问题,通过招募用户来使用我们的产品,我们能收集到一些使用场景中发现问题的反馈,并把这些整理成优化点,完善我们的产品。

2.5.1.4接口双方责任

1、消息发送方

遵循本接口规范中规定的验证规则,对接口数据提供相关的验证功能,保证数据的完整性、准确性;

消息发起的平台支持超时重发机制,重发次数和重发间隔可配置。

提供接口元数据信息,包括接口数据结构、实体间依赖关系、计算关系、关联关系及接口数据传输过程中的各类管理规则等信息;

提供对敏感数据的加密功能;

及时解决接口数据提供过程中数据提供方一侧出现的问题;

2、消息响应方

遵循本接口规范中规定的验证规则,对接收的数据进行验证,保证数据的完整性、准确性。

及时按照消息发送方提供的变更说明进行本系统的相关改造。

及时响应并解决接口数据接收过程中出现的问题。

3、异常处理

对接口流程调用过程中发生的异常情况,如流程异常、数据异常、会话传输异常、重发异常等,进行相应的异常处理,包括:

对产生异常的记录生成异常记录文件。

针对可以回收处理的异常记录,进行自动或者人工的回收处理。

记录有关异常事件的日志,包含异常类别、发生时间、异常描述等信息。

当接口调用异常时,根据预先配置的规则进行相关异常处理,并进行自动口警。

2.5.2第三方平台对接

整合车辆、人脸数据,通过与的脸系统、车辆系统以单点登录的方式实现一站式的登录体验。单点登录的定义是在多个应用系统中,用户只需要登录一次, 就可以通过免登陆的方式访问所有相互信任的应用系统。

(1)与基础监控平台对接

主要以国标28181或厂商提供SDK的方式对接天网监控平台,本次项目采用国标28181方式,对接环境需要千兆网络。

首先需要确认对接平台厂商,然后确认其国标版本。需前端厂商提供基础监控平台的网关地址、端口和国标编码,前端厂商开放网关联调,配置我方平台的

vas服务IP地址、端口和国标编码,对接完毕提供给平台调用。

视频结构化大数据平台解决方案

视频结构化大数据平台 解 决 方 案 千视通

目录 1. 建设背景 (4) 2. 建设目标 (5) 3. 建设原则 (6) 3.1. 标准化原则 (6) 3.2. 统一设计原则 (6) 3.3. 大数据处理原则 (6) 3.4. 高可靠/高安全性原则 (6) 3.5. 适用性原则 (7) 3.6. 可扩展性原则 (7) 4. 系统总体设计 (7) 4.1. 设计依据 (7) 4.2. 总体架构设计 (10) 4.3. 业务架构设计 (11) 4.4. 网络架构设计 (12) 5. 数据结构化 (13) 5.1. 概述 (13) 5.2. 数据采集 (14) 5.3. 控制调度单元 (15) 5.4. 目标结构化单元 (15) 5.5. 车辆结构化单元 (21) 5.6. 前端要求 (26) 6. 数据存储 (29) 6.1. 概述 (29) 6.2. 功能设计 (29) 6.2.1. 数据存储 (29) 6.2.2. 数据服务 (30) 6.2.3. 系统管理 (31) 6.3. 存储设计 (32) 7. 数据应用 (32) 7.1 以图搜车 (33) 7.2人物大数据 (34) 7.2.1人物综合查询 (34) 7.2.2人物检索 (34) 7.2.3人骑车检索 (36) 7.2.4视频框选嫌疑目标 (37) 7.3以图搜图 (38) 7.3.1智能建库引擎 (38) 7.3.2以图搜图应用 (38) 7.4GIS应用 (39) 7.4.1基本操作 (39) 7.4.2地图查询 (39) 7.4.3轨迹展示 (40)

7.4.4摄像头操作............................................................................ 错误!未定义书签。 7.4.5系统管理 (41) 8. 平台特点 (44) 8.1. 提高海量视频倒查的效能 (44) 8.2. 提供视频关键特征的视频检索 (45) 8.3. 永久保存结构化的视频信息 (45) 8.4. 基于虚拟化服务的云计算架构 (46) 9. 配置清单.................................................................................................... 错误!未定义书签。

视频结构化技术方案

2、技术服务方案 2.1 建设内容 本次项目的主要建设内容:视频结构化,同时对接整合县局建设的监控视频前端等系统,通过后端建设平台实现视频分析、实战、案件研判、案件侦办等功能。 2.2 系统结构 本次项目设计的平台系统,采用先进的架构体系,实现智能监控,社会资源,案件侦查、研判等功能,同时与警用地理信息系统,警综系统等资源对接,实现地图展现,视频联动、案件侦查等功能。 系统建设在公安信息网和视频专网上,系统总体架构如图所示: 2.3 视频结构化 简单来讲,视频结构化技术是一种将视频内容(人、车、物、活动目标)特征属性自动提取技术,对视频内容按照语义关系,采用目标分割、时序分析、对象识别、深度学习等处理手段,分析和识别目标信息,组织成可供计算机和人理解的文本信息的技术。 从数据处理的流程看,视频结构化描述技术能够将监控视频转化为人和机器可理解的信息(如下图),并进一步转化为公安实战所用的情报,实现视频数据向

信息、情报的转化。在视频结构化描述的内容方面,公共安全关注的视频信息主要是:人员、车辆、行为。 2.3.1 人员结构化 在视频中除了包括人员的面部精确定位、面部特征提取、面部特征比对,人员的性别、年龄等特征范围外,还可对人的衣着、运动方向,新增是否戴帽子、是否戴眼镜、是否背包、拎包、打伞、是否骑车等信息进行结构化描述。 2.3.2 车辆结构化 随着智能交通高清电警、卡口、虚拟卡口、停车场的广泛建设和应用、借助智能识别算法将电警、卡口、停车场出入口等场所的车辆相关结构化信息存入车辆主题库,包括车牌、车型、车牌颜色、车辆品牌、车辆类型、车身颜色、车标及遮阳板、是否系安全带、打电话、车辆年检标、摆件挂件、司乘人员的人脸。 基于这些车辆关键特征信息,形成上亿条过车记录数据,从而推动了后台大数据分析服务的发展应用和行业数据挖掘,形成隐匿车辆挖掘、套牌车辆筛选、初次入城、一车多牌、一牌多车、频繁过车、相似车辆串并、高危车辆积分模型、车辆行驶轨迹分析、时空碰撞等实战技战法的应用。在此基础上对车辆特征数据的大数据搜索,即可迅速找到所有符合条件的车辆信息,包括行驶时间与方向、行驶速度、车标、车牌、年款等,还可结合以图搜图的检索方法,在实战平台上调取相关视频和图像文件,快速查询到有关嫌疑车辆信息,还原车辆行驶的轨迹历史信息,实现嫌疑车辆在整个城市的全程运行轨迹查询或结合视频监控信息,

视频结构化技术方案

2、技术服务方案 建设内容 本次项目的主要建设内容:视频结构化,同时对接整合县局建设的监控视频前端等系统,通过后端建设平台实现视频分析、实战、案件研判、案件侦办等功能。 系统结构 本次项目设计的平台系统,采用先进的架构体系,实现智能监控,社会资源,案件侦查、研判等功能,同时与警用地理信息系统,警综系统等资源对接,实现地图展现,视频联动、案件侦查等功能。 系统建设在公安信息网和视频专网上,系统总体架构如图所示: 视频结构化 简单来讲,视频结构化技术是一种将视频内容(人、车、物、活动目标)特征属性自动提取技术,对视频内容按照语义关系,采用目标分割、时序分析、对象识别、深度学习等处理手段,分析和识别目标信息,组织成可供计算机和人理解的文本信息的技术。 从数据处理的流程看,视频结构化描述技术能够将监控视频转化为人和机器

可理解的信息(如下图),并进一步转化为公安实战所用的情报,实现视频数据向信息、情报的转化。在视频结构化描述的内容方面,公共安全关注的视频信息主要是:人员、车辆、行为。 人员结构化 在视频中除了包括人员的面部精确定位、面部特征提取、面部特征比对,人员的性别、年龄等特征范围外,还可对人的衣着、运动方向,新增是否戴帽子、是否戴眼镜、是否背包、拎包、打伞、是否骑车等信息进行结构化描述。 车辆结构化 随着智能交通高清电警、卡口、虚拟卡口、停车场的广泛建设和应用、借助智能识别算法将电警、卡口、停车场出入口等场所的车辆相关结构化信息存入车辆主题库,包括车牌、车型、车牌颜色、车辆品牌、车辆类型、车身颜色、车标及遮阳板、是否系安全带、打电话、车辆年检标、摆件挂件、司乘人员的人脸。 基于这些车辆关键特征信息,形成上亿条过车记录数据,从而推动了后台大数据分析服务的发展应用和行业数据挖掘,形成隐匿车辆挖掘、套牌车辆筛选、初次入城、一车多牌、一牌多车、频繁过车、相似车辆串并、高危车辆积分模型、车辆行驶轨迹分析、时空碰撞等实战技战法的应用。在此基础上对车辆特征数据的大数据搜索,即可迅速找到所有符合条件的车辆信息,包括行驶时间与方向、行驶速度、车标、车牌、年款等,还可结合以图搜图的检索方法,在实战平台上

视频结构化技术方案

2、技术服务方案 2.1建设内容 本次项目的主要建设内容:视频结构化,同时对接整合县局建设的监控视频 前端等系统,通过后端建设平台实现视频分析、实战、案件研判、案件侦办等功 能。 2.2系统结构 本次项目设计的平台系统,采用先进的架构体系,实现智能监控,社会资源, 案件侦查、研判等功能,同时与警用地理信息系统,警综系统等资源对接,实现 地图展现,视频联动、案件侦查等功能。 2.3视频结构化 简单来讲,视频结构化技术是一种将视频内容(人、车、物、活动目标) 征属性自动提取技术,对视频内容按照语义关系,采用目标分割、时序分析、 象识别、深度学习等处理手段,分析和识别目标信息,组织成可供计算机和人理 解的文本信息的技术。 从数据处理的流程看,视频结构化描述技术能够将监控视频转化为人和机器 可理解的信息(如下图),并进一步转化为公安实战所用的情报,实现视频数据向 系统建设在公安信息网和视频专网上, 系统总体架构如图所示 : K>艮毂具皐甲台]3=[> M ---- 盃畀魅人平合 P 1|h- ■- t : ■■?■ =^ -■ ■ ■(■ [-■ I I "H|ri ■- h< !■?■>; - ■■1|h*—\ li-rj 企刼fir 息网观颠 V 昼fe 輾网平台

信息、情报的转化。在视频结构化描述的内容方面,公共安全关注的视频信息主要是:人员、车辆、行为。 231人员结构化 在视频中除了包括人员的面部精确定位、面部特征提取、面部特征比对,人员的性别、年龄等特征范围外,还可对人的衣着、运动方向,新增是否戴帽子、 是否戴眼镜、是否背包、拎包、打伞、是否骑车等信息进行结构化描述。 ■ ? 2.3.2车辆结构化 随着智能交通高清电警、卡口、虚拟卡口、停车场的广泛建设和应用、借助 智能识别算法将电警、卡口、停车场出入口等场所的车辆相关结构化信息存入车辆主题库,包括车牌、车型、车牌颜色、车辆品牌、车辆类型、车身颜色、车标及遮阳板、是否系安全带、打电话、车辆年检标、摆件挂件、司乘人员的人脸。 基于这些车辆关键特征信息,形成上亿条过车记录数据,从而推动了后台大数据分析服务的发展应用和行业数据挖掘,形成隐匿车辆挖掘、套牌车辆筛选、初次入城、一车多牌、一牌多车、频繁过车、相似车辆串并、高危车辆积分模型、车辆行驶轨迹分析、时空碰撞等实战技战法的应用。在此基础上对车辆特征数据的大数据搜索,即可迅速找到所有符合条件的车辆信息,包括行驶时间与方向、行驶速度、车标、车牌、年款等,还可结合以图搜图的检索方法,在实战平台上调取相关视频和图像文件,快速查询到有关嫌疑车辆信息,还原车辆行驶的轨迹历史信息,实现嫌疑车辆在整个城市的全程运行轨迹查询或结合视频监控信息,

视频结构化数据的查询及信息挖掘

视频结构化数据的查询及信息挖掘 领域的大数据应用,主要体现在两方面:视频录像的集群和视频结构化数据的查询及信息挖掘。 1.视频录像的集群存储 在面向大数据的架构中,可根据实际现场的部署需要,设立一个或多个集群组成,采集的流数据会被划分成段,并分布于数据集群节点,因为集群节点有内部进行多副本备份等机制,可以由软件技术来保证整体系统的高可靠性和高稳定性。这些数据节点可以采用廉价通用型的硬件,避免采用传统高端硬件的模式,能极大地降低投资成本。 录像文件的集群存储,国内云储存厂家多采用CEPH技术和HDFS技术的方式。以HDFS 的方式举例,思路为:通过HADOOP提供的API结构,实现将接收到的视频流文件从本地上传到HDFS中。在这一过程中,把接收到的视频文件不断地存储到一个指定的本地临时文件夹中,而这个本地文件夹是在不断动态变换的,可以将该文件夹当成是一个缓冲区,把缓冲区中的文件以流的方式将上传到HDFS中。 2.视频结构化数据的查询及信息挖掘 原始的视频图像是一种非结构化数据,它不能直接被计算机和上层应用软件读取和识别,为了让视频图像更好的应用,就必须对视频图像进行结构化的处理,提取出关键信息,并进行文本的语义描述,也就是视频结构化。 一段视频里面,需要提取的关键信息主要有两类:第一类是运动目标的识别,也就是画面中运动对象的识别,是人还是机动车或者非机动车;第二类是运动目标特征的识别,也就是画面中运动的人、车、物有什么特征,行人特征主要有:是否带眼镜、围巾、上衣、裤子、是否带口罩、是否背包,性别分类等;机动车主要特征有:车牌号码、车身颜色、车型等;物体特征主要有:大小尺寸、颜色、方向等。 一个案件的审看需要更为广泛地查看相关的摄像机视频,所审看的视频量时常达到数百上千小时。视频结构化提取技术对视频中运动的物体等进行提取,再通过软件进行检索和排

基于视频结构化图侦系统的应用

基于视频结构化图侦系统的应用 目前,视频监控系统已经成为治安防控、侦查破案的重要手段。但是,面对海量的视频信息、非结构化的数据形式和内容的多义性,在案发后人工调阅方式耗时耗力,大量视频未经梳理而流失,严重影响了监控系统的建设成效。目前在安全防范领域中,有效分析、组织和管理视频数据,研究基于内容的视频应用系统取代人工方式,已经成为警务信息化应用的研究重点。 本文分析研究了视频数据的规范化采集、结构化存储和全局性共享等问题, 提出基于视频内容结构化分析技术,按照“一个证据中心,两个核心应用”方式 来构建图侦系统的技术方案和应用模式。主要工作包括: (1)分析了当前公安图侦工作的困难和制约,研究了视频图像从采集、研判,到管理、应用的一体化工作模式,基于视频内容结构化分析技术,提出了“视频证据中心、视频图像取证、视频研判分析”为框架的网侦系统研发思路。 (2)从警务一体化的角度,以视频采集、证据管理、研判应用为业务主线,研究了基于视频结构化图侦系统建设的总体技术方案、基本功能点,设计了系统研发的体系架构、逻辑架构、数据架构,以及与外部系统之间的关系。 (3)分析了视频结构化建库的主要任务和核心问题,从视频人、车、物基本要素入手,进行了视频证据中心的模型设计,包括证据中心的体系结构、视频对象结构化定义、对外数据交互视图,以及证据中心实体- 关系图(E R D)。 (4)从工作模式和核心应用出发,分析了图侦业务的主要角色和主要环节, 设计了图侦工作的业务流程、关键业务交互顺序、摘要索引业务流程和基本功能点,整合运用视频结构化、视频摘要、视频索引等先进技术,进行了软件的设计和实现。 使用结果表明,基于视频内容结构化开发的图侦系统,能够实现视频监控信息的全程筛选,防止有用信息的流失,再造了视频监控及研判应用的信息流及业 务流,能够有效支撑了图侦工作机制的转型发展。

视频结构化技术应用与发展

2019年7月 视频结构化技术应用与发展 吴晓鹏(佳都新太科技股份有限公司,广东省广州市510230) 【摘要】国家安全是一个国家的基础,而国家安全最基础部分是国民安全即社会安全。随着公共安全平安城市的建设以及天网、智慧城市和其他项目的建设,现在各个城市都建设了数以万计的监控视频,视频图像摄像机的数量也在不断增加,这在很大程度威慑了相关罪犯,保障了一定的安全,也为既定发生的事件进行了还原提供了方法工具。现在社会正在进入人工智能发展的高速工路,本文具体讨论如何利用现代人工技术去合理应用视频。 【关键词】视频;结构化;数据;安防 【中图分类号】TP391.41【文献标识码】A【文章编号】1006-4222(2019)07-0329-02 1引言 视频里面真正有价值的是里面发生的数据,我们可以发现大规模建设的视频监控在社会治安防控中虽说起到了很大的作用,但是对于使用监控中心的人却使工作异常繁重。当一个案件发生的时候,监控中心的人员要花很长的事件去查看案件周边的相关视频,去还原案件的真实情况,人员的轨迹情况等等,费时费力是一方面,还因为翻看监控视频而耽误了大量的时间,这对于一些重要紧急案件来说相当不利。视频监控包含了社会公安安全中包含的人、地、事、物、组织的数据,这是视频监控的核心对象,随着知识图谱技术、大数据技术、人工智能技术的发展,为了实现视频图像大数据的深度挖掘、信息数据的应用,对视频图像进行解析透视结构化分析是很好的。2视频结构化定义 视频图像结构化技术是一种针对视频内容信息进行识别和提取解析技术。它使用语义关系来处理视频内容,使用目标识别、特征提取和视频隔离来将其组织成可以被计算机和人类理解的结构化信息。对于平安城市视频监控中的视频结构化,还需要应用视频图像解码结束、智能分析技术、数据检索技术于一体,并实现结构化的数据进行智能检索、以图搜图、视频跨镜追踪等相关应用,视频结构化能提升视频资源的应用水平,给社会公共安全工作带来了模式上的创新,这也成为平安智慧城市建设中视频智慧应用中很重要的一部分。 3视频结构化社会治安的相关应用 从视频监控的基本应用来说,视频结构化需要提取视频里面的动态目标,那基础的动态目标是什么呢?显而易见,面向现在来说主要围绕人相关的目标,比如行人目标、骑行目标、车辆目标。针对于对监控视频中的行人信息进行结构化分析,特征信息主要包括行人性别、人脸照片、年龄段、上下半身颜色、姿态、是否背包、是否有眼镜、是否打伞等等;监控视频中的骑行目标进行结构化分析,特征信息主要包括骑行人的相关特征外,还有是否戴头盔、头盔颜色以及骑行车类型(三轮车、摩托车、自行车)车辆类型(男式摩托车、女式摩托车)、是否配置遮阳伞、骑行车辆车前灯形状等属性;对监控视频中的车辆信息进行结构化分析,车辆结构化信息包括车牌号码、车身主体颜色、车型、车辆品牌(奔驰、宝马、奥迪等)、车系(SUVX系、轿车3系等)、是否佩戴安全带、是否有纸巾盒等等。这些结构化的数据是视频结构化应用的基础。通过视频解析出来数据,视频监控中心的人员在相关案事件中,可以不用去查看原始视频,可以直接在解析的所有数据中去查找搜索关注的数据即可,这样可以非常高效地应用视频,视频结构化后出来的是数据—— —人的数据、车辆的数据,视频结构化技术相对于监控中心人员来说相当于记录数据的黑盒子,监控人员无需关心具体的细节,只需要按照自己所需,针对视频结构化数据做有价值的高效应用。 目标检索可以应用与没有相关视频,只有嫌疑人相关基础特征的情况,通过直接在系统里面查找相关数据,就可以快速在指定区域指定时间段内查找到相关的人员。系统人员对关注的区域地方、不同的时间段内的视频进行结构化解析处理,并对结构化之后的人物进行特征检索,比如选定行人的性别、年龄段、行走姿态、是否背包、上衣着装、下衣着装、行走方向、是否佩戴眼镜、是否有手提包、是否打伞等特征值检索(例如,可搜索“一个戴眼镜穿蓝色上衣黑色裤子的中年男性”);对车辆进行特征检索,选定车牌号码、车辆品牌、车辆类型、品牌车系、车身颜色等特征值检索(例如,可搜索“一辆黑色奔驰轿车”)。这样可以通过数据的检索找到相关的线索、人物,极大提升效率。 以图搜图可以应用与抓拍到相关嫌疑人的照片,通过嫌疑人的照片,放在解析完的数据库里面进行图片的比对,快速地盘点区域内相关的类似的图片数据。可以以上传的人物图片、骑行图片、车辆图片为搜索原图,从结构化信息库中对图片进行相似度搜索,搜索出来的图片按照相似度从高到低进行排序。并支持将搜索图片加入到目标库中,形成运动轨迹。 跨镜追踪是基于地图(PGIS地图、高德地图、百度地图、三维地图等),以案发地点或目标出现的点位为中心点,通过框选方式,或通过设置追踪半径、追踪角度、追踪方向和追踪时长的方式,在地图上选取一定的排查范围,自动对范围内监控点指定时间段的录像进行下载分析,并依据嫌疑人图片进行以图搜图,对嫌疑目标是否出现逐一进行确认,持续进行追踪,获取嫌疑人在各个排查监控点出现的时空信息,直至形成嫌疑人轨迹。 4视频结构化的瓶颈和发展 自2005年以来,经过十多年的建设和积累,“平安城市”的视频存储规模已经突破EB级,且继续保持着高速增长的势头。这些海量视频数据在社会公共安全管理和案件侦破等工作中扮演着越来越不可替代的作用。随着公共安全信息化建设的深入开展,在将这些海量视频数据运用到业务实践中时,一些困难和问题开始凸显,视频结构化在海量的视频中如何快速精准识别解析,其应用的瓶颈是视频信息如何高效准确的提取(比如如何鉴别视频中的任务目标是男是女,随着社会文化的进步和发展,不同简单的靠长发和短发去鉴别性 论述329

相关主题
相关文档
最新文档