视频结构化关键技术专项方案.docxVIP

2、技术服务方案 2.1 建设内容 此次项目标关键建设内容：视频结构化，同时对接整合县局建设监控视频前端等系统，经过后端建设平台实现视频分析、实战、案件研判、案件侦办等功效。 2.2 系统结构 此次项目设计平台系统，采取优异架构体系，实现智能监控，社会资源，案件侦查、研判等功效，同时和警用地理信息系统，警综系统等资源对接，实现地图展现，视频联动、案件侦查等功效。 系统建设在公安信息网和视频专网上，系统总体架构图所表示： 2.3 视频结构化 简单来讲，视频结构化技术是一个将视频内容（人、车、物、活动目标）特征属性自动提取技术，对视频内容根据语义关系，采取目标分割、时序分析、对象识别、深度学习等处理手段，分析和识别目标信息，组织成可供计算机和人了解文本信息技术。 从数据处理步骤看，视频结构化描述技术能够将监控视频转化为人和机器可了解信息(以下图)，并深入转化为公安实战所用情报，实现视频数据向信息、情报转化。在视频结构化描述内容方面，公共安全关注视频信息关键是：人员、车辆、行为。 2.3.1 人员结构化 在视频中除了包含人员面部正确定位、面部特征提取、面部特征比对，人员性别、年纪等特征范围外，还可对人衣着、运动方向，新增是否戴帽子、是否戴眼镜、是否背包、拎包、打伞、是否骑车等信息进行结构化描述。 2.3.2 车辆结构化 伴随智能交通高清电警、卡口、虚拟卡口、停车场广泛建设和应用、借助智能识别算法将电警、卡口、停车场出入口等场所车辆相关结构化信息存入车辆专题库，包含车牌、车型、车牌颜色、车辆品牌、车辆类型、车身颜色、车标及遮阳板、是否系安全带、打电话、车辆年检标、摆件挂件、司乘人员人脸。 基于这些车辆关键特征信息，形成上亿条过车统计数据，从而推进了后台大数据分析服务发展应用和行业数据挖掘，形成隐匿车辆挖掘、套牌车辆筛选、首次入城、一车多牌、一牌多车、频繁过车、相同车辆串并、高危车辆积分模型、车辆行驶轨迹分析、时空碰撞等实战技战法应用。在此基础上对车辆特征数据大数据搜索，即可快速找到全部符合条件车辆信息，包含行驶时间和方向、行驶速度、车标、车牌、年款等，还可结合以图搜图检索方法，在实战平台上调取相关视频和图像文件，快速查询到相关嫌疑车辆信息，还原车辆行驶轨迹历史信息，实现嫌疑车辆在整个城市全程运行轨迹查询或结合视频监控信息，实现车辆全程化可视化轨迹回放，和对涉事车辆正确布控和查询，也能够联合公安车辆管理信息库，实现车人关联。 2.3.3 行为结构化 行为结构化即在人员结构化基础上进行检索查询，包含人体行为如越界、区域、徘徊、遗留、聚集等多个行为特征描述。它能够处理快速目标查找问题，如将嫌疑人截图输入至侦查系统中，利用人形检索功效，系统会依据目标嫌疑人衣着、颜色分布、体态特征快速地在案发点周围多路摄像头中进行全局搜索，查找出相同目标，并将结果以快照形式输出，结合GIS地图进行时空研判分析，刻画出嫌疑人行动轨迹。 经过视频结构化处理后，能够达成以下目标： 首先：是视频查找速度得到极大提升。 视频结构化以后，从百万级目标库中（对应数百到一千小时高清视频）查找某张截图上行人嫌疑目标，数秒即可完成；千万级目标库中查找，几分钟即可完成（假如实现云化，速度会愈加快）。在结构化基础上进行检索查询，能够处理快速目标查找问题； 其次是存放容量极大降低。 经过结构化后视频，存放人结构化检索信息和目标数据不到视频数据量2%；对于车辆，不到1%；对于行为降得更多。存放容量极大地降低，能够处理视频长久存放问题。 最终，视频结构化能够盘活视频数据，可作为数据挖掘基础。 视频经过结构化处理后，存入对应结构化数据仓库，对各类数据仓库能够进行深度数据挖掘，充足发挥大数据作用，提升视频数据应用价值，提升视频数据分析和估计功效。 视频结构化面临问题 作为一项视频处理关键技术，算法对环境比较敏感，受环境干扰大，光线、杂物、恶劣天气、晃动全部会影响实际效果，实现高效正确视频结构化描述技术成为以后一段时间各企业/算法研究机构努力方向。伴随计算机视觉前沿技术日益成熟，深度学习、高性能计算、海量训练数据、多维信息结合、大数据挖掘分析、目标跟踪、现有算法优化全部将有力快速推进视频结构化分析技术、算法效果逐步提升。 2.4 对接服务 2.5.1 外部接口服务 依据需求，为实现公安对侦查数据进行共享整合，本企业视频结构化平台支持和原有建设视频侦查分析系统数据对接能力，并提供相关技术方案描述数据对接实现方法，对接方案包含数据字典、功效分类、结构定义和交互步骤等技术要求。 对接方法 系统和外部系统对接方法以web service方法进行。 系统接口标准： 本系统采取SOA体系架构，经过服务总线技术实现数据交换和实现各业务子系统间、外部业务系统之间信息共享和集成，所以SOA体系标准就是我们采取接