视频结构化技术让监控“疏而不漏”

• 2018/04/02

　　在安防领域，如果能够对视频大数据进行规模结构化将推动安防整体行业水平升级，而人工智能技术和视频数据结构化的结合将带领整个行业进入智能安防2.0时代。视频数据结构化从多个维度优化现有的安防业务，将原本许多数量庞大、响应龟速、且大多没有应用价值的监控视频进行精缩，变为更易查找、占存更小且可被深度挖掘的高密度数据。

 　　某地，发生一起抢劫案，一名身着白色上衣的男子在抢劫一家店铺后逃之夭夭，消失在人海之中。店内的安防摄像头并没有拍到嫌犯清晰的面部照片，如何才能尽快找到嫌犯的下落？遍布街头的监控摄像头成为了选项之一。只是，如果按照以往以人工的方式对视频画面进行排查，效率极低。

 　　幸好，我们已经进入了云计算和大数据的年代。虽然没有嫌犯的面部画面，但是通过其衣服、穿戴等特征，让计算机在附近的视频监控画面中进行特征检索，最终锁定其踪迹，警方在案发六个小时后将其抓获。

　　以往的技术，大部分需要事后下载录像进行摘要分析处理，需要大量的时间和人力，对实时视频没有很好的技术能力实现实时解析，这样的做法已经远远跟不上新时期的需求。时代正在快速进步，深度学习、GPU计算、大数据、高密度计算单元等技术，提供了更为强大的技术可能性。同时，人脸识别算法日趋成熟，视频结构化技术也应运而生。

　　对于视频中的人、物的特征自动提取和识别，就是视频结构化技术。所谓的视频结构化，简单来说就是将不能被计算机识别的视频数据通过多种计算机图像分析算法，将其变为可以被识别的结构化数据。在视频拍摄到的画面中，将其中的时间、地点、人车物等对象的特征信息，通过计算机的分析，对这些特征值进行描述，譬如几点几分在哪里、往什么方向、出现了什么颜色什么品牌的汽车，其车牌号又是多少，有无装饰物、遮阳板是否放下、安全带是否系上、驾车者人脸等。

　　通过一系列的描述，计算机就会对这些重点场所采集到的重点对象的信息实现实时解析，让以前不能被检索的视频图像变为可以被检索的视频大数据。

　　人脸识别技术成熟 可即时比对黑名单

 　　在以视频为主的治安防控中，对于人脸的识别是极其重要的内容。通过识别人脸，可以及时发现需要进行管控的人员轨迹。

　　某地，一名诈骗惯犯出现在地铁站内，伺机作案。但是没有想到的是，仅仅五分钟后，民警已经出现在他的面前并将其控制。原来，就在这名惯犯进入站台的时候，他的面部已经被前端动态人脸视频系统抓拍到，并引发了系统预警。

　　据介绍，在动态人脸识别技术方面，我国的技术人员已经掌握了核心技术，实现了自动选择最佳抓拍角度、自动选择最清晰人脸等功能，在较好的条件下，人脸识别的准确率已经提升至了70%。平台上针对重点人员防控具有主动发现、特征检索和轨迹分析的三大功能。通过视频抓拍到重点部位出现的人脸之后，马上就可以提取该人脸特征，并与后台已经建模的黑名单库进行实时比对，主动预警可疑的重点人员，还可以从海量历史抓拍库中排查检索嫌疑对象。

　　不过，目前动态人脸识别技术还不能做到百分之百的准确率。动态识别的难度比较大，因为视频拍摄会受到环境的影响，譬如当时光照的角度、人脸角度、遮挡、刮风下雨或者雾霾天气等，会使得人脸的识别特征点无法被捕获的情况出现，影响识别的准确率。