深度学习技术与安防行业的超融合
2017/7/12 15:50   中国安防   邓晔   关键字:深度学习,技术,安防行业,超融合      浏览量:
随着平安城市及智慧城市建设的推进,目前新建监控项目已基本实现高清化,传统的模拟监控正逐步更新换代,随着建设规模的逐步扩大,将带来存储成本的大幅增长。同时,各地的视频监控联网共享等相关项目已开展多年,随着人工智能、云计算、大数据技术的兴起,平安城市应用正逐步向警务云、大数据应用等方向转变。而高清监控视频信息作为公安最重要的数据资源之一,目前还仅停留在事后查看的层面,没有被充分利用起来。

  一、人工智能逐渐渗透到安防行业

  经过十多年的平安城市建设,中国已经成为全世界最大的安防市场。其中视频监控作为安防系统中不可或缺的重要组成,正日益发挥更加重要的作用,比如“图像侦查”已经成为刑侦、技侦、网侦之外的公安部门第四大技防手段。遍布城市大街小巷的摄像头,每天都会产生大量视频资料数据,不仅为社会治安稳定发挥作用,也为智慧城市和物联感知提供信息支撑,但这些图像资料如何能够被用户快速消化使用,成为更有价值的情报数据呢?

  随着平安城市及智慧城市建设的推进,目前新建监控项目已基本实现高清化,传统的模拟监控正逐步更新换代,随着建设规模的逐步扩大,将带来存储成本的大幅增长。同时,各地的视频监控联网共享等相关项目已开展多年,随着人工智能、云计算、大数据技术的兴起,平安城市应用正逐步向警务云、大数据应用等方向转变。而高清监控视频信息作为公安最重要的数据资源之一,目前还仅停留在事后查看的层面,没有被充分利用起来。

    以视频数据为核心的安防监控体系,每天都产生了海量的数据,让用户从这些数据中寻找线索,不亚于大海捞针。人工的数据回溯,不仅占用了大量的人力、物力和时间,同时由于个人能力的差异也会导致针对视频的认知偏差。例如道路监控仅针对卡口实现了主干道的车辆识别,覆盖面有限,其他活动目标及特征无法获取,大多依靠人工进行收集和处理,难以结合多种时空交叉数据进行快速检索和研判比对。因此,智能化已经成为行业发展趋势的共识,智能化就是自动把视频图像里面的内容和目标变成结构化数据。而深度学习等技术的成熟,使得由人工智能来自动消化海量监控视频数据成为可能。

    目前,人工智能已经逐步渗透到安防行业,最终将会把以视频网络为核心的安防产业,重塑为以结构化数据为核心,以精确情报生产为目标的智慧物联网产业。以平安城市为例,针对道路监控视频特别是简易卡口等相对标准的视频进行实时结构化分析和大数据应用,将是未来平安城市建设的一个重要方向。

  二、视频结构化的趋势

  所谓“结构化数据”是数据能够直接表达目标的性状、属性以及身份,这种数据可以大规模地检索、分析、统计。结合平安城市中摄像头部署的场景特点和用户使用需求,可以将视频结构化分解为三大类:车辆结构化、行人结构化、人脸结构化。由于视场角和位置的限制,往往车辆结构化和行人结构化可以使用同一类摄像机,而人脸结构化目前会对安装部署提出专门要求。

  1.车辆结构化

  车辆识别问题目前似乎已经可以解决,因为车辆是一种非常特殊的目标,具备独一无二的车牌号码,只要把车牌号码识别出来就可以。但问题在于,道路上的摄像机不止有标准位置安装的电警和卡口,还有数量庞大的普通监控摄像机。电警卡口摄像头由于分辨率较高,角度非常合适,并具备专用补光灯,可以增加正面识别的成功率。而普通的视频监控摄像头,分辨率并不太高,视场角较大导致每个目标的像素较低,这就提高了识别的难度。而借助深度学习技术的新一代图像识别算法,可以有效提升对道路监控特别是简易卡口中车辆识别准确率,无论是机动车还是非机动车都可被检测与跟踪,对应每一个目标的属性也会被识别出来,包括:车牌号码、生产商、型号、年检标的状态,甚至具体是哪个年份的型号也可以被识别出来。以天地伟业开发的视频结构化分析服务器为例,车辆结构化支持:车辆号码识别,可针对一定倾斜角度范围内的车牌号码识别;车牌颜色识别;车牌类型识别;车辆子品牌识别;车辆类型识别(大型客车、中型客车、小型客车、大货车、轿车等);车身颜色识别;车窗标识物检测(年检标、遮阳板、纸巾盒、挂坠、摆件)。

  此外,还支持对非机动车进行识别,包括二轮车和三轮车。当图像中的车辆被结构化为基础数据后,就可做各类大数据分析,比如搜索“白色宝马”后,可以选择结果中任何一辆车,查看它出现过的位置和时间,结合地图形成轨迹。

  2.行人结构化

  目前街道上的普通监控摄像机,实际上是不满足人脸识别分辨率的条件,一是视场角往往设置的比较广,和人的距离比较远,导致人脸像素较小,二是光照和高度不合适,虽然可以看清这个人的外形,但要想看清他的面部,尤其想在面部区域得到一个比较高的分辨率(至少是100×100)比较困难。尽管无法取得清晰的正面人脸照片做识别比对,但是如果能够从目标身上得到其他属性,也是很重要的线索。仍以天地伟业开发的视频结构化分析服务器为例,行人结构化支持对行人性别进行识别;支持对行人头部特征进行识别(戴眼镜、戴帽子);支持对行人上身和下身衣服颜色进行识别;支持对行人上身下身衣服纹理款式进行识别;支持对行人附带物品进行识别(背包、手提包)。

  这些信息虽然跟人脸识别不太一样,但也是一种有效的信息获取途径。比如搜索红上衣黑裤子背包的妇女,输入这4个搜索条件,即可迅速地找到目标。

  3.人脸结构化

  人脸识别技术在过去几年进展非常大,和两三年前相比,测试一个标准集时,错误率可能已经小了上千倍。训练人脸模型时,尤其要注意光照、角度、表情问题,实现抗干扰。尽管人脸识别对摄像机的安装部署场景有一定要求,但以天地伟业推出的动态人脸识别布控产品为例:步行街人脸布控,抓拍率>80%,识别率>80%;可判别性别、年龄、眼镜、墨镜、口罩等人脸属性,即便伪装也能相似识别;人脸旋转角度适应范围广,左右侧可达25%;识别画面中人脸>15个,人眼间距大于30像素可识别。

  三、基于视频结构化的大数据分析

  在安防监控系统中,摄像头和录像机产生海量视频,当人工智能把图像资料转变成结构化数据后,会产生一个新的结构化数据的海洋,数据量仍旧非常庞大。如果结构化数据没有经过很好的挖掘,也不是有意义的情报。而具备时间和空间属性的结构化数据可以使用数学模型的手段进行挖掘,得到的线索信息就会帮助用户分析目标的行为,这在公安部门叫做技战法。

    比如一些比较简单地筛选类模型:车辆稽查布控--检测到一辆车的车牌号码是一个嫌疑犯车牌号时,平台会立刻预警;人员黑名单--系统布控了一张逃犯的照片,当在某个地铁站的摄像头里发现一个人长相相似时,平台也会立刻报警。还有一些比较复杂的研判类模型:车辆频繁夜出--某些车辆经常在夜间出行,白天几乎不动,这类行为如果排除了正当职业,就属于嫌疑行为;黄牛党--某些人经常在医院或体育馆门口徘徊出入,如果过一定频次,就有嫌疑。

  可以看到,当海量视频图像变成了结构化数据以后,可以为不同行业和不同场景提供丰富有效的数据挖掘应用。

微信扫描二维码,关注公众号。