智能家居網訊 每天視頻監控系統都會產生大量的數據但是在調查取證時真正有用的往往只有幾分鐘甚至幾秒鐘在對視頻進行查找的時候低下的效率往往會錯過追蹤的最佳時機而這也就是為什么機器識圖會最終會取代人工識圖的原因之一

人工識圖的時代

視頻數據屬于非結構化信息對于這些非結構化信息查詢的依據只能是空間與時間兩個維度這樣的信息利用方法不僅效率低下其中隱含的價值信息也會被大量冗余的信息所覆蓋一個直觀的感受就是現有平安城市通常要進行7x24小時長達30天的視頻存儲往往一天存儲規模就達到數百TB甚至PB級別而真正有用的信息只是其中幾分鐘幾十秒甚至幾秒鐘的視頻片段據專家統計我國99%的大案要案偵破需要視頻監控信息但公安破案很長時間一直停留在人工瀏覽錄像查找線索的階段動輒就要調用全市相當部分警力日以繼夜的查看監控視頻這種技術局限在監控前端數量不斷增加的當下導致了越來越嚴重的問題這樣的信息利用方法不僅效率低下其中隱含的價值信息也會被大量冗余的信息所覆蓋

所以廣泛而深入的視頻監控數據應用帶來視頻數據海量式的增長光靠人眼識別可疑跡象遠遠不夠事后靠人工手動查驗更是越來越困難很難將被動監控變為主動方式要告別人工讀圖由智能方式替代是安防向高效深入應用邁進的必由之路也可以認為人工識圖走到了應用的盡頭

機器識圖時代

在機器識圖的機器感知時代云技術和大數據相融合感知型的攝像機分析識別視頻中運動目標并提取出這些目標的詳細特征信息最后生成語義描述連同抓拍的目標快照原始視頻一起上傳至平臺

在感知的過程中嵌入式視覺分析是嵌入式系統和計算機視覺技術的結合它的終極目標是幫助設備通過圖像認識其周邊的世界識別人的手勢和面容理解行為模式并做出反應嵌入式視覺分析技術可以大體上分為增強現實行為模式識別人臉識別手勢識別以及物體識別等應用據估計在2014年已經應用在市場上的嵌入式視覺分析設備近500萬支視頻內容分析設備在攝像機的出貨數量中僅占約10%而且應用形式被局限到對行為模式的識別和對物體人臉的檢測中

數據結構化讓海量信息檢索變得簡單高效前端感知型攝像機識別分析視頻內容并提取出結構化的數據傳至安防大數據平臺進行二次深度數據提取而提取出的這些結構化數據如人臉信息車牌號碼車牌顏色等存入分布式數據庫又能為上層應用提供智能檢索智能回放自動比對的數據支撐實現海量信息的高效檢索

智能偵測關聯分析可以實現主動視頻防控智能前置的攝像機搭配安防大數據平臺云存儲/分布式智能分析/分布式數據庫賦予了整套視頻監控系統以機器識圖的較高精度并擁有自主思考的能力通過多點碰撞人車關聯實時布控等一系列關聯思考可實現主動視頻防控有效"防患于未然" ｜

深化視頻監控數據在行業市場的融合應用針對公安交通零售等不同行業的應用需求進入機器識圖時代的視頻監控不僅能滿足安全防范方面的基本需求同時也能跟行業的業務管理系統進行深入融合通過人/車智能檢索研判客流統計等視頻大數據應用服務協助行業提升管理效率和水平

安防大數據平臺基于云計算技術構建云存儲分布式智能分析與分布式大數據庫感知型攝像機產生的視頻和圖片進入大數據平臺后首先存入云存儲系統同時通過分布式智能分析二次提取并轉化為人車等結構化數據這些數據連同感知型攝像機產生的結構化數據一起存入分布式數據庫為上層應用提供大數據檢索比對和研判服務

以感知型攝像機為基礎通過安防大數據平臺提供存儲分析與檢索等引擎科達為公安交通零售等不同行業提供人車大數據檢索研判交通流量管控商業客流分析等視頻大數據應用推動視頻監控走向機器識圖時代

結語

人工識圖方式的監控不僅浪費人力浪費物力面對數不盡的數據要想深入挖掘如大海撈針智能化監控的出現就是要改變現有監控對人參與的依賴智能化視頻分析應用正當時安防行業擁有智能將告別人工也會改變世界