智能视频分析技术应用瓶颈及其对策研究

　　智能视频分析是当前安防技术应用热点，但一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，安防视频监控应用日趋普及。随着安防视频监控系统规模迅速扩大，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一新。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"产品功能千遍一律、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。

　　智能视频分析技术应用瓶颈及其对策

　　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、事件或数据并产生报警，必要时可自动跟踪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，共享摄像机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。这种架构不受图像传输环节影响，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软件升级困难，在一定程度上增加安装调试与运行维护的难度与成本。

　　后台服务器部署模式：通过部署在安防监控中心的专用服务器（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（或视频服务器），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。

　　一种基于分布式混合部署模式的安防智能视频监控系统的网络架构示意图，见图1。

　　网络架构示意图

　　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、锁定跟踪，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。车牌识别、人脸识别、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（例如上海世博会园区出入口人像采集比对、虚拟水岸电子围栏等）、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一定成效。

　　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），其比对正确率一般可以超过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、散热工艺欠缺进一步限制了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一个主要因素。

　　由于目前国内安防智能视频分析应用产品绝大部分来自国外厂商，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国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，安防视频监控系统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。

声明:

凡文章来源标明“中国智能交通网”的文章版权均为本站所有，请不要一声不吭地来拿走，转载请注明出处，违者本网保留追究相关法律责任的权利；所有未标明来源为“中国智能交通网”的转载文章均不代表本网立场及观点，“中国智能交通网”不对这些第三方内容或链接做出任何保证或承担任何责任。