公共安全中的“视频结构化”分析 - 第2页 - 安防知识网

视频结构化需要突破瓶颈

　　4 视频智能分析

　　视频结构化描述是针对视频内容的智能结构化分析，将非结构化的视频数据进过智能分析形成可供描述的结构化数据，因此视频智能化分析是视频结构化的核心技术。智能视频分析技术质量的优劣对视频结构化描述影响巨大，为了能更好地进行视频结构化分析，智能视频分析必须向如下三个方向进行创新：一、视频前期处理技术，主要包括图像防抖动和图像增强。视频抖动主要成因是道路监控中高架安装方式带来的较高频率的小幅抖动，视频防抖动能有效抑制智能分析中的误报和漏报，提高智能分析的准确率；图像增强是对视频源进行视觉改善处理，有效改善画质，提高图像的清晰度，使原本低质量的图像达到清晰可辨程度。二、提升分析准确率技术。如人脸识别技术从最初的特征脸方法过渡到神经元网络方法，由可见光人脸识别到多源光人脸识别。同理，车辆和行为的智能分析也出现了更高效的分析技术。三、视频后期处理技术，主要包括图像复原和图像摘要检索等。图像复原就是综合利用超分辨率、去模糊滤波、变形矫正、色彩调整等对模糊视频进行处理，使之清晰可辨。

　　5 视频结构化需要突破瓶颈

　　海量的视频图像数据是公共安全部门信息化建设中积累的重要数据，通过对视频内容的分析和处理，快速准确的发现有效线索，能够充分发挥视频资源的作用。然而，在公安信息化建设深入开展的背景下，现有视频资源缺乏深度应用的模式。其应用的瓶颈是视频信息如何高效提取，如何同其他信息系统进行标准数据交换、互联互通及语义互操作。解决这一问题的核心技术即是视频结构化描述的技术。但是作为一项视频处理的核心技术，其实现上仍有部分瓶颈需要突破，首先是视频结构化核心算法技术的突破。如上文所述，视频结构化描述技术与视频智能分析技术息息相关，但是当下视频智能分析技术受到各种应用环境的制约，以人脸识别为例，当下的人脸识别多半是配合式、重复式应用场景，在这种应用场景下，人脸的识别率基本能达到实用要求，而在无配合、多人脸、动态视频的场景下就很难达到实用目标。为了解决这类问题，人脸识别的算法也从最初的模式识别进化到深度的神经元网络学习模式，使得人脸检测和识别的准确度大大地提高，但是由此带来的负面效应也相当明显，首当其冲的就是运算复杂度的提升，需要耗费大量的计算资源，针对这一瓶颈很多业内公司推出了各种解决方案，如计算前端推移，后端借助GPU实现集群化计算等，所有的这些方向都为后续的视频结构化描述的实际应用做前瞻，实现高效精准的视频结构化描述技术成为今后一段时间各个算法研究机构的努力方向。其次是视频结构化描述数据存储，检索和应用技术，随着数据容量的快速增长，结构化视频描述也越来越具备“大数据”的4V特征。如何实现视频结构化数据的大容量、高效存储、高效检索以及快速实现数据应用，为最终用户提供高效灵活的服务，都将成为今后各大视频综合应用厂家面临的问题。再次是顶层设计，构建标准体系。通过对视频结构化技术自身特点和应用模式的研究，建立有关视频结构化描述的标准体系模型，制定覆盖技术实现和应用系统的标准化体系，有步骤地制定相关标准，以规范技术研究和设备开发，指导系统建设、运行以及评估的各个方面，从源头上为视频信息情报化应用的全面展开打好基础。在这方面由全国安全防范报警系统标准化技术委员会（SAC/TC100）归口并组织起草的国家标准GB/T30147-2013《安防监控视频实时智能分析设备技术要求》和GB/T30148-2013《安全防范报警设备电磁兼容抗扰度要求和试验方法》，经过国家标准管理委员会发布，已于2014年8月1日起实施。这些标准的制定，为视频结构化描述建立共同遵守的规则和行为规范，使视频结构化大规模应用成为可能。最后是视频结构化数据应用大平台建设，随着视频结构化技术的日趋成熟，如何采集和管理这些巨量的视频结构化描述数据，如何面向公共安全部门提供快速、高效、专业、个性化的服务也是摆在服务商与业主面前的难题。例如许多厂家采用“云”和“大数据”框架模型做视频结构化描述技术的平台架构来满足大数据量的数据存储、生命周期管理以及数据的快速响应。

　　6 视频结构化描述技术发展前景

　　视频结构化描述技术紧紧贴合视频内容的分析、提取，将非结构化视频数据处理成可供快速检索定位的信息化数据。随着视频结构化描述技术的发展和成熟，必然为视频数据的信息化、情报化、智能化提供强有力的支撑，变视频的被动防御为主动识别，使相应的系统成为智能，主动式防控系统成为可能，从而打通系统间视频情报传递、打通从前端采集到后端情报化应用。随着近年视频系统的建设，社会上已经存在巨量的视频数据并且仍然在实时地产生大量的视频数据，所有的这些都为视频结构化描述技术提供了广阔的市场前景。