相关文章
最新工程
推动安防智能视频分析应用主要对策分析
发布日期：2015-09-04 04:27:03分析是当前技术应用热点，但11些因素制约了安防智能视频分析技术的推广应用。因此，本文特意分析安防智能视频分析技术深度应用瓶颈并提出相应对策。
在平安城市建设的推动下，安防视频应用日趋普及。随着安防系统规模迅速扩大，传统人工监控在异常目标、行为、事件识别效率、准确性、实时性等方面均已经难以满足安防实战需求。安防智能视频分析应用技术的先进理念和新颖应用模式令人耳目11新。然而，历经近十年发展，其实际应用成效与用户预期之间仍存在巨大反差，几乎陷入“产品功能千遍11律、深度应用乏善可陈、市场监管混乱无序”的僵局。如何突破制约安防智能视频分析深度应用瓶颈，亟需市场监管、产品研发、系统集成、专业用户多方共同努力。
安防智能视频分析技术简介
基本概念
安防智能视频分析技术起源于计算机视觉技术，它综合应用图像增强处理等技术，在实现目标与背景分离的基础上，通过将目标特征信息与预先设置的模板或规则进行比对，自动识别感兴趣的目标、行为、事件或数据并产生，必要时可异常目标并联动其他安防设施，显着提高了安全防控整体效率和能力。同时利用安防智能视频分析技术在海量历史视频信息中实现基于时间、地点以及语义特征描述的智能化查询搜索，可以为公安机关侦察办案提供高效的查证手段。
基本架构
安防智能视频分析应用系统总体架构主要有以下三种模式：
前端嵌入式部署模式：将智能分析功能模块前置于视频采集前端设备，共享图像处理芯片或专用高性能DSP作为智能分析引擎，实现对异常目标、行为、事件的智能分析。这种架构不受图像环节影响，缓解了视频传输及后台存储压力，同时利用非压缩原始图像进行智能分析，实时性好，针对性强，便于大规模部署。不足之处是难以支撑复杂智能分析应用，且由于前端处理压力大，对前端设备集成散热工艺和稳定性提出较高要求，比较容易受环境因素制约。另外，前端嵌入式智能分析升级困难，在11定程度上增加安装调试与运行维护的难度与成本。
后台部署模式：通过部署在中心的专用服务器(群)或专用客户端实现智能分析应用。这种架构有效解决了前端处理能力不足的矛盾，可以通过强大的后台处理能力实现复杂目标、行为、事件智能分析；方便与其他专业应用系统融合，拓展智能分析应用范围；智能分析引擎后台运行环境有保证，系统工作稳定性大大提高，且方便智能分析软件升级，有效降低系统运行维护压力。总之，这种架构比较适用阶段性固定监控场景智能分析应用(如大型活动安保)，但对后台服务器性能配置要求较高，智能分析水平容易受图像传输链路带宽限制，实时性能不够理想，应对大规模智能分析应用显得力不从心。
分布式混合部署模式：将部分相对简单的视频预处理功能前置于摄像机(或)，完成目标特征数据提取、打包、发送；后台智能分析引擎负责接收目标特征数据，完成与预设规则或模块进行分析比较并且自动产生报警。这种架构降低了前端智能分析压力，后台服务器只需要对目标数据进行分析，同时方便与其他专业应用系统融合，提高了智能分析效率和能力，比较适合大规模、高性能智能分析应用，但系统部署整体代价及运行维护压力不容低估。
基本功能
异常目标识别跟踪。对特定时段、特定区域出现的异常动态目标进行分类识别、定跟踪，自动记录其运动轨迹。
异常事件、行为识别报警。针对在指定区域内产生的越界、遗留、滞留、徘徊、跌倒、尾随、斗殴、偷窃、聚集等异常事件或行为进行识别，并且自动报警。特征数据获取。、、交通流量监测、公共区域拥挤度实时监测等。
海量视频智能搜索。根据目标、行为、事件特征的语义描述，综合事件发生地点、时间等辅助信息，在海量历史视频信息中自动搜索所需要的视频信息，提高公安机关侦察员办案人员事后查证效率。
安防智能视频分析技术应用现状
目前，安防智能视频分析技术应用主要集中于城市治安管理(如治安卡口信息识别、道口车辆查控、网吧人脸比对等)、大型活动安保(例如世博会园区出入口人像采集比对、虚拟水岸等)、监所管理等业务领域。比较成功的应用模式以特征数据获取比对为主，同时在监控场景相对固定、光照条件较好的监管场所，针对监管对象非法越界、超时滞留、打架对殴、异常聚集等行为、事件的智能分析报警应用取得了11定成效。
就整体应用水平而言，由于受智能分析算法有效性、背景复杂性、光照条件不确定性等因素制约，复杂开放环境下异常目标、行为、事件的智能视频分析应用距离安防实战要求尚有较大差距。治安卡口、市境道口的车牌识别率比较高(超过90%)，但基于车牌识别的深度应用还有很大提升空间。静态人像比对技术在比对源和比对目标质量较高的前提下(如第二代居民身份提供的人像照片)，其比对正确率11般可以超过90%，已经具备较高的实战应用价值，但开放环境下人脸采集实时比对技术受现场光照条件、“黑名单”质量、配合程度等诸多因素限制，比对正确率约60-70%，目前只能作为大型活动现场实时布控辅助手段。
制约安防智能视频分析应用的主要因素
技术层面
开放环境下夜间光照不足、恶劣天气(雾、雪、雨、沙尘等)、图像压缩处理、网络传输链路带宽受限等因素造成图像质量下降，给安防智能视频分析带来先天困难；针对复杂异常行为、事件建模困难，相应的智能分析算法识别性能不高；目标与背景过于接近或背景杂乱等导致目标分割以及特征信息提取困难；运动目标被背景遮挡以及多个运动目标互相遮挡导致目标特征信息不完整。上述因素容易造成虚假报警、漏报警、跟踪困难等不良后果，严重制约安防智能视频分析应用系统实战性能提升。
基于D1或HD分辨率嵌入式智能视频分析算法效率不高，导致前端DSP硬件运算资源紧张，前端设备集成、散热工艺欠缺进11步限制了DSP性能发挥，嵌入式智能分析引擎硬件处理能力以及稳定性已经成为制约安防智能视频分析应用水平的另11个主要因素。
由于目前内安防智能视频分析应用产品绝大部分来自外厂商，且没有形成规模应用效应，因此产品定价普遍畸高；工程实施过程中人工标定、后台软件调试等工作量大，部分高端产品调试甚至需要外厂商技术人员直接参与，加上嵌入式前端设备故障率相对较高，难以实施故障诊断、软件升级等远端维护工作，导致应用系统运行维护成本居高不下。
上述因素造成安防智能视频分析应用性价比偏低，严重限制了安防智能视频分析应用的有效推广。
机制层面
目前，安防视频建设总体仍处于粗放型的规模扩张阶段，作为建设主体单位，安防用户更多关注的仍然是“监控覆盖率”，对事前预警重视程度还不够，智能视频分析应用方向的研发经费投入也明显不足。
安防智能视频分析产品开发缺乏有效机制，11方面，大部分安防用户没有认真梳理应用需求，另11方面，产品研发部缺乏对安防行业的深入理解，导致智能视频分析产品功能千遍11律，缺乏针对性。同时大部分系统集成商没有充分发挥产品研发与用户之间的桥梁作用，有的集成商甚至夸大智能视频分析产品功能，严重损伤了智能视频分析产品的市场形象。
另外，从市场监管角度来看，由于缺乏权威标准认可体系，导致用户对产品性能无法有效度量、把控，严重影响用户对安防智能视频分析应用的信心。
推动安防智能视频分析应用的主要对策
注重本土研发力量扶持，集中开展关键技术攻关
为了应对目前安防智能视频分析应用过度依赖外技术的局面，同时有效制止简单模仿、重复投入的低效率研发格局，有必要精心组织部本土专业研究机构集中开展基础、共性关键技术攻关，为突破安防智能视频分析深度应用创造条件。
高效智能视频分析算法：改进基于复杂场景(如光照条件多变、目标与背景颜色接近、背景杂乱、目标被背景遮挡、监控视场变化等)的目标分割、特征提取、目标识别、动态跟踪算法性能，提升静态目标库、动态规则库的容量和有效性，降低对硬件运算资源的占用，提高针对开放、复杂、大尺度监控区域复杂目标、行为、事件自动分析报警的准确性、实时性；同时加大智能分析软件总体架构研究，有效兼顾智能视频分析软件的实时性、健壮性，并且满足标清、等不同分辨率视频流智能分析需求，使智能分析软件架构更趋合理、高效；开发基于目标特性的自动标定技术，增强背影自适应“学习”能力，降低误报警概率，同时避免繁杂的人工标定，降低系统调试难度，提高系统可维护性。
人像采集比对技术：进11步改进基于开放空间、无配合条件下人像采集比对算法，比较大限度消除现场光照复杂多变、人员自由通行等不利条件的影响，提高系统实时比对的正确率，提高其实战应用价值；通过自动剔除冗余人像数据等算法提高后台人像存储数据可用度；提高基于超大容量人像库静态异源人像目标自动搜索查询比对结果可信度和实时性。此外，加大便携式、可搬移式人像采集比对终端研发，提高基于人像采集比对技术的可疑目标机动布控能力，大力拓展人像采集比对技术在公安实战的应用范围。
海量视频智能搜索技术：进11步改进视频语义分析(包括视频的语义特征提取、多粒度事件表示等)算法性能，提高基于目标或事件语义描述以及事件发生时段、地点、区域等信息的海量视频智能搜索实时性和准确性，同时提供移动目标轨迹分析展示；加快便携式智能视频搜索比对终端设备研发，方便部门门侦察办案人员对独立存储的历史视频的查询搜索，提高视频取证的效率。
模糊图像处理技术：在尽可能选用、以及提高传输网络带宽的基础上，进11步加大基于图像增强、图像复原、超分辨率重构的模糊图像处理技术研发，提高因天气恶劣、目标运动、光学离焦等原因造成的模糊图像处理能力，为后续智能视频分析应用奠定基础。
加大示范应用力度，在实战中提升智能视频分析应用水平
安防智能视频分析水平突破的关键在于应用，只有通过实战才能真实检验系统性能并且不断加以改进。作为安防部门，既不能将智能视频分析技术视为无所不能的“灵丹妙药”，更不应该采取被动、消极观望态度，而应该依据“需求牵引、示范先行”的应用策略，积极稳妥提高安防智能视频分析应用水平。根据安防智能视频分析技术发展现状，结合安防业务需求迫切性，可以优先考虑开展以下几个方面的示范应用：
先考虑在监控场景相对固定、光照条件容易保障且目标、行为特征信息辨识度较高的场合(如大型活动安保区域、室内ATM机周边以及监狱、看守所、拘留所、审讯室等特殊场所内部)开展异常目标、行为、事件自动分析报警应用，提高封闭环境区域的安全管控能力；开展治安卡口信息识别、、市境道口车驾查控等系统海量数据后台挖掘、智能关联分析应用，提高治安卡口和市境道口的车辆查控能力；开展大型活动安保区域出入口、火车站高铁(动车组)旅客自助进站通道、地铁车站地下人行通道等区域的人像采集与比对示范应用，提升人员公共集聚区域可疑目标布控能力。
其次，基于复杂背景或场景的异常目标、行为、事件智能分析是安防智能视频分析应用难点，也是安防实战应用关键领域。为此，需要在高效智能视频分析算法等关键技术研发取得有效突破的前提下，有针对性选择人流集聚度高、治安形势复杂的公共活动区域开展智能视频分析深度应用，力争使智能视频分析应用在安防实战关键领域尽早取得实质性进展，为安防智能视频分析大规模应用创造必要条件。
积极探索实践，努力突破传统机制约束
创新产品研发机制。智能视频分析产品性能与行业应用特点高度相关，考虑安防行业的特殊性、敏感性，如果完全沿用传统的市场自主研发模式，专业研发机构很难准确理解、把握安防部门复杂的业务需求，其产品也很难真正符合安防实战要求。鉴于此，有必要通过类似“智能视频分析应用技术联合重点实验室”的形式，依据“利益共享、风险分担”的原则，创新“研发、集成、用户”三方合作机制。在合作研发过程中，安防用户主要通过梳理应用需求、组织示范建设、协调性能改进等方式，主动深度介入产品研发过程；专业研发机构在深入理解安防业务需求的基础上，着力提高智能视频分析算法性能，在提高实时性、可靠性同时降低系统误报、漏报概率，同时提高智能视频分析产品的性价比；系统集成商通过摄像机选型、辅助补光、监控角度调整、标定等措施，比较大限度提供高质量监控图像，突出监控目标特征信息，为智能视频分析应用创造基础条件。通过上述合作机制，促成三方良性互动，引领安防智能视频分析研发和应用的正确方向。更重要的是，通过安防用户共享知识产权、研究成果等方式有效降系统建设成本，充分调动安防用户内在积极性、主动性、创造性，加快推动安防智能视频分析应用推广。
拓展经费保障渠道。目前，基于物联网等核心支撑技术的智慧城市建设在内不少城市已经进入实质性启动阶段，智能安防作为物联网示范应用重点之11，也同时纳入了智慧城市建设范畴。因此，为了有效解决安防智能视频分析产品因应用规模不足导致定价偏高的问题，可以通过安防用户、研发机构、集成商联合申请关键技术攻关及示范应用工程等形式，构建“政府科研经费支持、公司自有资金”的经费保障模式，拓展关键技术研发和示范应用经费保障渠道，降低专业研发机构经费投入压力。
加快制定标准和规范。由安防市场管理部门牵头整合产品研发部门、工程集成商、第三方检测机构、安防专业用户等力量，加快推进安防智能视频分析应用产品标准体系架构研究，从基本功能和总体技术性能要求、应用系统架构、性能等级划分、检测认可方法等方面编制相应的技术标准，同时通过组建“智能视频分析产品认可检测中心”等实体机构，提高智能视频分析性能鉴定的权威性和可操作性，在此基础上进11步完善市场准入、日常监管制度，营造规范、有序的市场环境，为安防智能视频分析应用推广“保驾护航”。
[苏墨影 ]
本文整理编辑：北京弱电工程专家 www.k235.cn