面向监控视频的大数据分析与检测研究

面向监控视频的大数据分析与检测研究

赵世涛 康宇先 任欢

北方自动控制技术研究所 山西太原 030006

摘要：在城市中，每天有成千上万台的各类摄像机收集大量的视频数据．由于公共安全的重要性日益提高，对这些海量监控视频数据进行分析和检测的需求逐渐增加。对监控视频进行分析检测可以满足检测欺诈、可疑运动、犯罪嫌疑车辆等需求。监控系统的一项重要任务是检测并跟踪运动物体。移动物体分析检测的过程可以定义为识别视频中的物体，该物体相对于场景的视场正在改变。该文提出智能摄像头异常报警事件驱动的监控视频大数据智能处理方法。

关键词：监控视频大数据；关联分析；异常事件预警

前言：视频监控是安防的重要组成部分，智能监控摄像头以其丰富的异常行为识别功能，极大地增强了监控场所的安全。随着部署的智能摄像头日渐增多以及视频监控网规模的不断扩大，海量的视频数据给存储、检索及分析带来了巨大挑战。

1.视频监控大数据在智慧城市中的应用价值

1.1提高数据应用效率

视频监控大数据技术的应用，将由大数据系统替代人工完成数据收集、关联分析、归档保存、预测分析、动态模拟等基础性和复杂性任务，为指挥调度、运营管理等工作开展提供数据支持。

1.2深度挖掘数据价值

大数据技术的应用，凭借其强大的逻辑推理能力，通过开展交互式分析、逻辑推理运算等任务，向下深入挖掘数据信息的潜在价值。      1.3创新体系

在视频监控系统中，对大数据技术的应用，既可以在短时间内显著提升系统运行效率及综合管理水平，同时，也将改变传统的运行方式和管理方法手段，逐渐完善原有模式，最终形成一套与智慧城市相匹配的标准体系，从根源上解决低效管理等实际遇到的问题。

2.智能检测需求分析

2.1功能需求分析

施工工人的行为都是利用人工监督的方式来判断是否存在不安全行为。这种监管形式主要依赖人工视觉监督，缺乏对视频智能化、自动化的自主分析判断能力且时效性差、漏检率高。人工监督主要存在的3个主要缺点如下：(1)采用人工监督会浪费大量的人力，提高了监督任务的工作量；(2)人工监督的范围不全面，这很容易导致疏忽遗漏现象；(3)人工监督会存在一定的压力和生活的影响，很容易导致疏忽遗漏现象。针对以上存在的问题，本文对判断不安全行为需要满足的功能需求如下：(1)将施工场地的监控视频实时传输到监控室的PC端进行处理；(2)利用不安全行为检测算法对施工工人判断是否存在不安全行为；(3)通过可视化界面实时显示施工人员不安全行为状态，当施工工人出现不安全行为时，将违规记录显示在可视化界面中同时截图保存数据库中，方便安全监管人员实时查看。

2.2性能需求分析

为了能够更好的实现基于视频监控下对施工工人的行为状态进行分析判断，本论文需要充分地考虑安全性、鲁棒性、易操作性等。因此，本小节需要对性能需求进行详细的分析，具体内容如下：(1)安全性：在施工区域对不安全行为的智能检测的工作中，需要维护一系列的重要信息数据，包括实时采集数据、核心算法数据、智能检测平台数据、智能检测结果分析等。这些数据对应用到工程中具有较高的安全性，可以有效的避免各类数据信息出现丢失。(2)鲁棒性：基于智能监控下的实时检测需要具备实时采集施工工人作业区域视频的功能，并对视频图像进行快速判断是否存在不安全行为,对出现不安全行为的视频帧图像进行截图保存于数据库中，而且检测速率的反应能力要达到视频中大量目标出现数量时的反应量级，因此对于鲁棒性的这一需求非常重要，保证算法的可实现性。(3)易操作性：完成面向作业安防的施工工人不安全行为检测，需要在PC机完成智能检测的可视化终端界面，安保人员可以进入终端界面后实时查看监控区域中施工工人的行为状态，在确保具有良好的实用性的基础之上，可视化界面操作模块需要充分体现其可操作性、易操作性等功能，使用界面接口来完成可视化终端界面的展示，体现易操作性。

3.智慧城市中提升视频监控大数据应用效能的措施

3.1大数据与云技术深度结合

在视频监控系统运行期间，会持续产生庞大数据流，数据产生总量呈现逐年稳步增加态势，如果仍旧采取传统的数据物理存储方式，需要配置大量高性能硬件设备，由此产生高昂的前期建设成本和运行成本，缺乏经济适宜性。例如，现阶段，普通型号的高清摄像头每小时将产生1~2GB的数据量，而智慧城市普遍配置上万条监控路数，各条监控路数分布数量不等的摄像头，摄像头总体产生的数据量极为庞大。因此，为解决数据资源“存不下”问题，减少视频监控大数据系统的建设、运行成本，需要搭配应用大数据技术和云技术，由云平台向视频监控系统提供数据计算、储存、处理、共享等方面的服务，将海量数据提交至云平台数据库中进行储存，无须储存在本地服务器中。在调动、查阅视频图像等资料时，用户访问云平台，在通过身份认证后，即可查阅权限范围内的文件资料，以及执行文件编辑、传输、本地下载等操作。同时，云平台还有着卓越的数据处理能力，采取分布式计算方法，将所接收复杂处理任务分解为若干小程序，将小程序发送至对应服务器进行独立计算，再将计算结果进行汇总整理，即可在短时间内完成数据处理任务，有利于提高视频监控系统运行效率。

3.2构建数据生态系统，实现数据共享

在视频监控大数据系统运行期间，当前主要面临着各级监控系统独立运行、互不关联统属的问题，形成信息孤岛，单一视频监控系统难以从有限视频资料中提取到足够的高价值信息，且大数据系统强大的数据处理、逻辑运算能力也没有得到充分发挥，造成性能冗余。针对于此，需要对各级视频监控系统及配套数据库加以整合处理。一方面，建立统一的数据处理平台，由各级视频监控系统向数据处理平台提交数据处理、运算分析等任务，以及向数据平台上传所拍摄图像资料，各部门人员直接访问数据处理平台，在权限范围内查阅人、地、物等多维度信息资料，切实满足视频监控大数据应用需求，如公安部门在数据处理平台中查询特定时间段的图像视频，从中查找嫌疑人面部特征信息、穿戴特征信息等细节信息，轨道交通运营部门通过查阅图像视频与数据报表来掌握实时路况，检查是否存在线路堵塞等问题。另一方面，考虑到视频监控系统所收集数据由多源异构数据组成，以智慧交通、智慧出行为例，收集违章次数、个体驾龄等关系型数据，以及个体地理位置等时序数据，不同类型数据的特征、分布情况、产生量存在明显差异，如果采取统一处理方法，会削弱视频监控大数据系统的处理能力，降低数据实际利用率。因此，需要在数据处理平台中按照数据类型建立多个数据库，可分为结构化数据库、半结构化数据库、非结构化数据库三大类。

3.3提高算法检测识别准确率

现阶段，在智慧城市中，对视频监控大数据技术的应用，虽然有效解决了数据处理低效的问题，可以在短时间内完成庞大数据流的分析处理任务，然而，受限于复杂环境、摄像头分辨率等因素，所拍摄部分视频图像资料存在模糊不清的问题，大数据平台难以从中提取到足够且真实的数据信息，导致数据处理结果、向用户所提决策建议缺乏实际参考价值。

4.结束语：

综上所述，与传统的监控网络相比，本文设计的方法充分利用了智能监控摄像头的优势，有效提升了智能监控系统的效能，增强了监控系统的风险预警能力，视频监控大数据技术的应用推广是十分必要的，这也是建设新型智慧城市的重要举措。

参考文献:

[1]张雅丽，崔建海．大数据背景下视频监控应用效能提升方法研究[J]．中国人民公安大学学报（社会科学版），2020,36(2):56-61.

[2]蓝新波，钟阳晶.智慧城市中视频监控大数据应用研究与探索[J]．信息通信，2018(2):153-155.

[3]教颖辉，魏略.视频监控大数据在智慧城市中的发展与深度应用[J]．中国安防，2017(3):53-55.

[4]贺小花．智慧城市中视频监控大数据建设渐入佳境[J]．中国公共安全，2015(17):89-95.