侵权投诉
订阅
纠错
加入自媒体

监控视图萃取技术解析及行业应用现状

  视频监控技术在智能分析方面的快速发展,得益于智能芯片、算法及技术架构在业务应用中的普及应用。而随着业务的多元化所引发的技术差异化竞争,也使得安防企业在整个安防监控技术的发展上各有千秋。

  行业背景及需求概述

  城市公共场所监控摄像头成千上万,昼夜不停地监视和录像,由此产生出海量的视频数据,在对这些海量视频通过人工进行重点目标查找的困难很大,耗费时间较长,特别是一些重点场所的监控视频,对目标查找有强烈的实时、高效的需求。

  目前使用人工手段效率很低,即便使用视频浓缩摘要等技术处理也主要是对历史视频、图像进行分析,而且流程繁琐,出现突发紧急案件时,往往会贻误最佳的破案时机,导致相关情报研判和案件侦破的响应速度跟不上要求,无法满足公安事前高危预警、即时性事件处置要求。在视频监控协作公安侦破案件过程中,最理想的情况是一旦有重要事件发生,立即就可以快速查找到关键目标的人、车、物等视图线索信息,然后进行人、车布控时还能实时预警。

  基于上述背景及需求,视图萃取技术可以满足这些需求,目标是将针对传统以人海战术为主的视频线索查找或事后对历史视频图像进行处理分析的方式,用实时、高效、自动、智能的技术实现。

  视图萃取技术分析

  监控摄像头产生的海量原始、粗糙的信息,很多时候是用来储存或者接受对专职人员的监控。如果通过人工处理这些视频信息,将会变得单调而乏味,同时,大部分时间的原始视频中并不包含案件所关注的目标事件。摄像头如何被用来有效的进行场景监测,并根据需要进行实时的预警,这是视频监控问题的研究目的。这就需要一种视频监控技术能够在监控场景中自动获取对正在发生的事件的描述,并根据视频分析采取相应的措施。

  虽然,不同的视频监控系统有不同的监控需求,但是它们在监控处理的过程中都需要处理一些共性问题。我们从分析监控人员的工作方式入手,来探讨这些共性问题。监控人员在面对视频监控画面时,通常只是关注场景中的某些特定目标物。比如,只是关注在监控场景中新出现的目标物(陌生人),而不会关注监控场景的景色变化或者物体摆放位置的变动等。从每一帧视频画面中分离出目标物(陌生人),并对这一同标物进行长时间的跟踪,这就是物体的检测、分类和跟踪问题。监控人员在对目标物的跟踪过程中产生的一系列的信息并对之加以分析,然后给目标物的运动划出一个行为描述,并根据这个行为描述决定是否对当时发生在监控场景中的事件给出异常报告。这个过程对于视频监控系统来说,就是在目标物被识别并确认的基础上,分析目标物的行为,按照设定的条件对系统理解的行为分类,给出监控场景中的事件行为描述。综上,通过对监控人员的实际工作流程和工作方式的分析,我们知道视频监控过程中主要涉及到的问题包括:目标物的识别确认,目标物的跟踪和目标物的行为分析。问题核心是图像分类和图像搜索。图像分类任务如:人车目标、车辆品牌、车辆颜色识别、车辆类型识别等。

  视图萃取技术的实现方式

  视图萃取技术实现了对海量视图的实时结构化提取,对人、车、物识别分离,提取有效结构化数据,并对视图中的车、人脸进行深度结构化处理,实时感知城市中的高危人员、高危车辆。结构化后的高价值信息可以进行长期保存,让事后侦查搜索目标变得更便捷,大大节约视频侦查时间和人力成本。

  萃取技术架构图如下:

监控视图萃取技术解析及行业应用现状

图1 萃取技术架构

1  2  下一页>  
声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号