视频结构化解析平台的关键技术——北京明景科技

• 2019/07/29

视频结构化解析平台，是基于深度学习、大数据和云存储的视频结构化服务系统，作为视频监控系统的提档升级手段，为用户提供视频、图片、特征解析功能，实现从海量监控图像资源中提取有价值信息，过滤冗余数据，形成视频结构化数据积累，支撑政府实战应用。

明景视频结构化解析平台对于视频图像中尤其关注的人、车、非机动车类别的目标提供更深层次的结构化解析。对于视频图像中的人物，可进行人脸检测、人脸识别从而分析出人物的具体身份，并可提供行人的各种特征属性信息，包括衣着和装饰物特征：上衣、裤子、裙子和连衣裙、鞋子、帽子、太阳镜墨镜、围巾、皮带腰带；携带物特征：单肩挎包、双肩背包、手提包、拉杆箱、雨伞；人体特征：头发、面部。

对于视频图像中的车辆，可进行多车道车辆检测、车头车尾检测识别功能，能够提取识别车辆的10多项属性信息，包括车辆号牌、车身颜色、车辆品牌、车辆类型、子品牌、车辆年款及各种车辆特征物信息，如：年检标、遮阳板、挂件、摆件、纸巾盒、安全带等。

视频结构化解析平台的关键技术

1、深度学习

深度学习是指机器通过模拟人脑建立的深度神经网络，模仿人脑机制来进行学习、判断、决策的技术，目前已被广泛应用于人脸识别、语音识别、笔记识别等领域。

通过深层神经网络训练出来的人脸识别算法能极大地提高识别精度。简而言之，就是让已经在网络结构中预设了人脸识别先验知识的神经网络，大量“阅读”很多人在各种环境（例如光照，视角，表情）下被拍摄到的不同人脸图片，自动学习并提取人脸各个部位和尺度的低、中、高层特征，在大量学习之后，机器便能根据所提供的样板信息区分不同的人员。

如何准确地将视频中人、车、物等的关注目标进行结构化描述？这与深度学习算法密不可分。针对人脑可以分析非结构化、半结构化视频资源这一特性，科学家们对人脑的信息处理流程进行模拟，抽象出神经网络架构下的深度学习算法，实现视频图像结构化解析。深度学习通过构建模拟人脑进行分析学习的神经网络来模仿人脑的学习机制，从而识别和解释非结构化或半结构化的视频资源。

深度学习算法具有自动学习的特征，通过对大量的训练数据的学习，不断提高算法的准确度和效率。同时深度学习算法具有很强的泛化能力，即使同一类物体处于不同尺寸、不同视角、不同光照、遮挡等条件下也能准确识别。影响深度学习算法准确度和效率的最核心的两个因素是：训练数据的规模和算法模型的结构。其中算法模型采用的是最先进的模拟人脑构建的神经网络架构下的深度学习算法。

通过视频图像结构化技术，实现视频智能分析和数据挖掘，让视频从人工抽检向智能提取转变，实现智慧化的信息提取、分析、应用，让人从观看视频监控劳动中解脱出来，进行高效、准确的视频图像实战应用。

2、大数据技术

大数据技术是使大数据中所蕴含的价值得以挖掘和展现的一系列技术与方法，包括数据采集、预处理、存储、分析挖掘、可视化等。在本系统中采用的大数据技术，是结合综治视频监控业务的实际需求，基于分布式计算、大数据检索等技术进行设计的，主要解决海量结构化、半结构化视频资源的快速检索、分析统计应用需求，并通过大数据的深度关联分析，支撑综治机关开展视频图像信息实战应用。

（1）分布式计算技术

海量视频资源通过本系统的结构化解析，形成海量结构化、半结构化有价值数据的积累，针对这些有价值的大数据进行快速检索、分析统计需要巨大的计算能力，需要极大的成本的同时也极其耗时。分布式计算负责将一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多计算机进行处理，最后把这些计算结果综合起来得到最终的结果，节约计算成本的同时也提高处理效率。

（2）大数据检索技术

大数据检索是针对大数据搜索业务需求而打造的一套搜索引擎，具有专业精准、高扩展性和高通用性的特点。全文检索作为大数据检索技术的实现与应用，能够快速生成海量文件对应的索引数据，同时对搜索引擎的配置管理进行人性化的定制，使全文检索集群的管理、监控与扩展都变得十分简单，极大提高了系统的维护性与可用性。

3、云存储技术

云存储是在云计算（cloud computing）的概念上延伸和发展出来的一个新概念，是指通过集群应用、网格技术或分布式文件系统等功能，应用存储虚拟化技术将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统，也可将云存储理解为是配置了大容量存储设备的一个云计算系统。

系统针对综治应用特点，采用面向业务的设计思路，融合集群化、虚拟化、离散存储等技术，规划图片云存储，可将网络中大量各种不同类型的存储设备集合起来协同工作，共同对外提供高性能、高可靠、不间断的图片存储和业务访问服务。

联系我们 

北京总部：  

张先生：13911129392    zhangchi@botechnic.com