J9集团

视频结构化技术让监控“疏而不漏”

• 2018/04/02

　　在安防领域，若是可能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，而人为智能技术和视频数据结构化的结合将携带整个行业进入智能安防2.0时期。视频数据结构化从多个维杜着化现有的安防业务，将正本许无数量重大、响应龟快、且大多没有利用价值的监控视频进行精缩，变为更易查找、占存更幼且可被深度挖掘的高密度数据。

 　　某地，产生一路掳掠案，一名身着白色上衣的男子在掳掠一家店铺后抱头鼠窜，隐没在人海之中。店内的安防摄像头并没有拍到嫌犯清澈的面部照片，若何能力尽快找到嫌犯的着落
？遍布街头的监控摄像头成为了选项之一。只是，若是依照以往以人为的方式对视频画面进行排查，效能极低。

 　　幸好，我们已经进入了云推算和大数据的年代。固然没有嫌犯的面部画面，但是通过其衣服、穿戴等特点，让推算机在左近的视频监控画面中进行特点检索，最终锁定其踪影，警方在案发六个幼时后将其抓获。

　　以往的技术，大部门必要过后下载录像进行提要分析处置，必要大量的功夫和人力，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要。时期在急剧进取，深度进建、GPU推算、大数据、高密度推算单元等技术，提供了更为壮大的技术可能性。同时，人脸鉴别算法日趋成熟，视频结构化技术也应运而生。

　　对于视频中的人、物的特点自动提取和鉴别，就是视频结构化技术。所谓的视频结构化，单一来说就是将不能被推算机识此外视频数据通过多种推算机图像分析算法，将其变为能够被识此外结构化数据。在视频拍摄到的画面中，将其中的功夫、地址、人车物等对象的特点信息，通过推算机的分析，对这些特点值进行描述，譬如几点几分在哪里、往什么方向、出现了什么色彩什么品牌的汽车，其车商标又是几多，有无装璜物、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，推算机就会对这些沉点场所采集到的沉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能够被检索的视频大数据。

　　人脸鉴别技术成熟 可即时比对黑名单

 　　在以视频为主的治安防控中，对于人脸的鉴别是极其沉要的内容。通过鉴别人脸，能够实时发现必要进行管控的人员轨迹。

　　某地，一名诳骗惯犯呈此刻地铁站内，伺机作案。但是没有想到的是，仅仅五分钟后，民警已经呈此刻他的刻下并将其节造。原来，就在这名惯犯进入站台的时辰，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，在动态人脸鉴别技术方面，我国的技术人员已经把握了主题技术，实现了自动选择最佳抓拍角度、自动选择最清澈人脸等职能，在较好的前提下，人脸识此外正确率已经提升至了70%。平台上针对沉点人员防控拥有自动发现、特点检索和轨迹分析的三大职能。通过视频抓拍到沉点部位出现的人脸之后，顿时就能够提取该人脸特点，并与后盾已经建模的黑名单库进行实时比对，自动预警可疑的沉点人员，还能够从海量汗青抓拍库中排查检索嫌疑对象。

　　不外，目前动态人脸鉴别技术还不能做到百分之百的正确率。动态识此外难度比力大，由于视频拍摄会受到环境的影响，譬如其时光照的角度、人脸角度、遮挡、刮风下雨或者雾霾气象等，会使得人脸的鉴别特点点无法被捕获的情况出现，影响识此外正确率。