当前位置:大数据业界动态 → 正文

智能监控面临更大挑战 大数据处理需改善

责任编辑:editor006 |来源:企业网D1Net  2014-09-10 17:47:36 本文摘自:中国通信网

在智慧城市、平安城市大的发展潮流下,人们对于自己居住的环境要求也逐渐提升,不少消费者开始关注家庭级安防产品,一方面是应对用户日渐苛刻的需求,而另一方面也是减少人工支出成本,安防监控领域逐渐向智能化转变。当越来越多的地方普及监控设施,越来越多的地方普及高清监控,随之而来的就是海量数据信息及复杂的视频检索。如何在安防大数据中找到最核心信息,智能监控对大数据提出了更多挑战。

大数据对监控数据处理的价值

大数据在对安防数据处理价值上主要体现在以下几个方面:

一、数据应用效率不断提升。通过智能分析技术、大数据技术,能够使视频数据的应用效率不断提升,解决以往应用效率低下的问题。应用效率的提升能够使视频数据产生更大的价值。

二、数据深度应用。数据的深度应用能够体现大数据的真正价值,而这也更能提升安防系统的整体实力,使视频数据的边缘地位向核心地位靠拢,使安防行业的竞争力得到提升。

三、体制及标准的完善。标准和体制的完善能够进一步促进大数据的发展,而掌握标准的安防企业将会有更强大的话语权。

大数据智能监控的六大应用

大数据对安防监控数据处理能力的要求在六个应用中有具体体现,无论图像升级还是识别方式升级,其最终是在高清的基础上进一步突出了智能监控的作用。关于智能、关于高清,仍然有许多技术应用值得我们去挖掘。

1、智能监控:图像增强与复原

低照度环境下监控摄像机成像一片漆黑或者一片白,显然在低光照环境下,图像增加技术应该来弥补缺陷。

正如业内分析得出,图像增强算法可以有效改善由于光照、雾气等原因造成的图像质量问题,使图像细节明显改善。简单理解这就是一种图像优化技术。除了图像增强外,还有一种图像复原技术也特别适用于夜视监控,只不过这种捕捉环境更具有针对性。

图像复原技术更适合捕捉快速移动的物体,例如行驶中的汽车。如果要正确、完整地捕捉车牌信息。聚焦、运动等原因造成图像模糊的过程进行建模,利用解卷积算法反推原始图像信息的算法,能部分恢复车牌文字、人脸等关键信息。

例如抓拍车牌包括以下几项信息:最重要的是车牌号码、车牌颜色、字母、文字等,特别是针对易混淆的数字“0”和字母“Q”等,处理系统还需要特别对待。当然有些监控探头不仅捕捉车牌信息,连带测速功能也一同植入,这对于司机朋友来说绝对是个“雷”。

2、智能监控:浓缩播放

在监控摄像机未能植入智能分析模块时,大多探头都只具备基本的录像功能。而在处理突发事件时,监控系统往往具有滞后性。例如警察需要调取一周内的视频资料,且不说这些视频数据量有多少,如果一分钟一分钟地看,也要花费不少时间。未来能够在海量的视频信息中提取关键数据信息,浓缩播放应运而生。

浓缩播放从字面上理解为快速浏览录像信息。但实际应用中视频系统又是如何做的呢?首先对视频进行浓缩生成摘要,设立原始图像;然后将数小时视频片段压缩成数分钟的浓缩视频;再次将视频中出现在不同时间点上的目标叠加在同一画面中;最后根据其出现的不同时间点进行播放并区分标注。这种浓缩播放、快速提炼有效信息,大大提高了查找效率。

3、最常见的智能监控:人脸检索

与人脸识别不同的是,人脸检索是提供需要检索人员的面部图像信息,到庞大的数据库中进行检索,通过人脸库检索对比找到样貌相似人物,从而在进行判定。这是一种常见的快速确认身份的办法。

人脸检索对常住人口库、重点人员库、吸毒人员库等进行检索,快速确认身份。对在逃人员库进行检索,实现串并案分析。另外,还可以对身份证、暂住证、户籍证等进行分析对比,查找一人多证等问题。

4、比人脸识别更智能:人脸人体属性分析

除了人脸检索外,我们熟悉的还有人脸识别。但是,现在有一种人脸识别方式更为智能,其识别不仅包括人脸,还包括了一些人体属性。例如被捕捉到的人性别、年龄段、身高及是否佩戴眼镜。如此详细的人脸识别将进一步定位待检索人员。

人脸人体属性分析是通过人脸抓拍机,实现对人脸的自动抓拍。结合双目立体视觉技术实现人体属性特征的提取,而这些特征正是上述笔者所举例的那些。这种人体属性分析大多应用在公安机关排查可疑人口,或针对人流量较大的商场商圈商业分析等。

5、更智能:三维立体识别

与传统的人脸识别相比,三维立体识别更显智能。通过这种立体式识别检测方式可以检查屋内是否有人及人员数量;此外还可以定位跟踪屋内人员活动路径;更为智能的是,可通过智能分析判定人员处于站立还是倒地状态,进行及时预警。这种立体识别适用于小空间室内场景,路监狱审讯室、金库场景等。

6、智能监控再升级:车脸检索

在文章开始笔者介绍了关于图像复原技术,特别适用于车牌识别。往往有些狡猾的犯罪分子,可能会使用假车牌,这情况给破案带来很大麻烦。法网恢恢疏而不漏,不给犯罪分子可乘之机,新型车脸检索功能可判断嫌疑人是否修改或更换号牌,车脸检索同样是输入样例图片,找出相似车辆及车牌号码,实现快速检索的功能。

视频监控大数据处理仍然面临三大挑战

目前的视频系统大数据应用仍然面临三大技术挑战,可以概括为“存不下”、“找不到”、“看不清”三个方面。这三大挑战在一定程度上反映出当前视频大数据处理领域存在的主要问题,同时也对视频大数据处理技术提出了更高的要求。

1、“存不下”主要体现在视频压缩编解码性能的限制。

随着数字视频应用产业链的快速发展,政府、学校、社区、民用以及网络终端所产生的海量视频向传统视频编码标准发出宣战。存储的视频数量不断加大就需要更大程度地提高编解码效率,提高视频压缩率,从而降低存储空间。网络化进程的加快也要求编码后的视频在快速、便捷传输的同时保证解码还原的视频质量。

视频压缩也制约着智能视频领域的发展。很多情况下我们要求降低解码后的视频损耗,比如多媒体视频认证领域,视频的无损还原是提高算法判断准确度的先决条件,只有控制在一个合理的损耗范围内,它才能提高视频篡改提示的准确度。因此随着视频的网络化、高清化、智能化时代的来临,领先新一代视频编码标准,超越新的技术框架和编码性能,才能在城市级视频应用领域中取得核心的主导地位。

2、“找不到”主要体现为智能视频监控领域中的算法检测识别准确率的问题。

目前的视频监控方法只能在非常简单的环境下聚焦少量目标,检测、识别、跟踪性能还无法达到一个较高的水准,多数软件都存在场景、环境的限制,例如在简单、纯净的场景中,检测目标背景与前景差别较大时,检测结果较为准确;而在一些人流量密度大的复杂场景中,如地铁、车站、商场,监视成千上万个个体时,准确地识别、跟踪、检测则是一项非常艰巨的任务。

同时算法检测会受到光线、颜色、化妆、摄像机硬件误差及精密度等一系列的问题影响,因此在低端智能与真正的人工智能之间还存在一个较大的鸿沟,它需要计算机处理能力及处理速度的提升。我们需要的是一种接近人类,甚至高于人类的识别准确率,并且能够检测区分人群行为,预测潜在的群体灾难。这不仅仅在智能视频领域,而且从多领域的交叉融合角度,智能分析的研发与探索对机器人的发展也能够起到积极的推进作用。

3、“看不清”主要体现在高清监控摄像机的智能化处理上。

以往大多数城市级安防监控摄像头录制的视频画面都较为模糊,刑侦破案分析的依据仅仅为模糊画面动作方向,甚至是模糊的像素点,对具体人物细节的描述不清晰导致刑侦难度加大,辅助公安机关研判的力度不强。在智能监控领域,传统的智能分析方法较多的是在CIF格式下进行算法处理,这样处理速度更易达到实时。当传统视频向高清视频转换过渡时需要多重处理策略相结合进行算法分析,这需要持续的研发革新。在从标清向高清的门槛跨越过程中,网络带宽的承载力、视频的显示、存储等问题也不断显现。

关键字:智能视频监控智能监控人脸识别

本文摘自:中国通信网

x 智能监控面临更大挑战 大数据处理需改善 扫一扫
分享本文到朋友圈
当前位置:大数据业界动态 → 正文

智能监控面临更大挑战 大数据处理需改善

责任编辑:editor006 |来源:企业网D1Net  2014-09-10 17:47:36 本文摘自:中国通信网

在智慧城市、平安城市大的发展潮流下,人们对于自己居住的环境要求也逐渐提升,不少消费者开始关注家庭级安防产品,一方面是应对用户日渐苛刻的需求,而另一方面也是减少人工支出成本,安防监控领域逐渐向智能化转变。当越来越多的地方普及监控设施,越来越多的地方普及高清监控,随之而来的就是海量数据信息及复杂的视频检索。如何在安防大数据中找到最核心信息,智能监控对大数据提出了更多挑战。

大数据对监控数据处理的价值

大数据在对安防数据处理价值上主要体现在以下几个方面:

一、数据应用效率不断提升。通过智能分析技术、大数据技术,能够使视频数据的应用效率不断提升,解决以往应用效率低下的问题。应用效率的提升能够使视频数据产生更大的价值。

二、数据深度应用。数据的深度应用能够体现大数据的真正价值,而这也更能提升安防系统的整体实力,使视频数据的边缘地位向核心地位靠拢,使安防行业的竞争力得到提升。

三、体制及标准的完善。标准和体制的完善能够进一步促进大数据的发展,而掌握标准的安防企业将会有更强大的话语权。

大数据智能监控的六大应用

大数据对安防监控数据处理能力的要求在六个应用中有具体体现,无论图像升级还是识别方式升级,其最终是在高清的基础上进一步突出了智能监控的作用。关于智能、关于高清,仍然有许多技术应用值得我们去挖掘。

1、智能监控:图像增强与复原

低照度环境下监控摄像机成像一片漆黑或者一片白,显然在低光照环境下,图像增加技术应该来弥补缺陷。

正如业内分析得出,图像增强算法可以有效改善由于光照、雾气等原因造成的图像质量问题,使图像细节明显改善。简单理解这就是一种图像优化技术。除了图像增强外,还有一种图像复原技术也特别适用于夜视监控,只不过这种捕捉环境更具有针对性。

图像复原技术更适合捕捉快速移动的物体,例如行驶中的汽车。如果要正确、完整地捕捉车牌信息。聚焦、运动等原因造成图像模糊的过程进行建模,利用解卷积算法反推原始图像信息的算法,能部分恢复车牌文字、人脸等关键信息。

例如抓拍车牌包括以下几项信息:最重要的是车牌号码、车牌颜色、字母、文字等,特别是针对易混淆的数字“0”和字母“Q”等,处理系统还需要特别对待。当然有些监控探头不仅捕捉车牌信息,连带测速功能也一同植入,这对于司机朋友来说绝对是个“雷”。

2、智能监控:浓缩播放

在监控摄像机未能植入智能分析模块时,大多探头都只具备基本的录像功能。而在处理突发事件时,监控系统往往具有滞后性。例如警察需要调取一周内的视频资料,且不说这些视频数据量有多少,如果一分钟一分钟地看,也要花费不少时间。未来能够在海量的视频信息中提取关键数据信息,浓缩播放应运而生。

浓缩播放从字面上理解为快速浏览录像信息。但实际应用中视频系统又是如何做的呢?首先对视频进行浓缩生成摘要,设立原始图像;然后将数小时视频片段压缩成数分钟的浓缩视频;再次将视频中出现在不同时间点上的目标叠加在同一画面中;最后根据其出现的不同时间点进行播放并区分标注。这种浓缩播放、快速提炼有效信息,大大提高了查找效率。

3、最常见的智能监控:人脸检索

与人脸识别不同的是,人脸检索是提供需要检索人员的面部图像信息,到庞大的数据库中进行检索,通过人脸库检索对比找到样貌相似人物,从而在进行判定。这是一种常见的快速确认身份的办法。

人脸检索对常住人口库、重点人员库、吸毒人员库等进行检索,快速确认身份。对在逃人员库进行检索,实现串并案分析。另外,还可以对身份证、暂住证、户籍证等进行分析对比,查找一人多证等问题。

4、比人脸识别更智能:人脸人体属性分析

除了人脸检索外,我们熟悉的还有人脸识别。但是,现在有一种人脸识别方式更为智能,其识别不仅包括人脸,还包括了一些人体属性。例如被捕捉到的人性别、年龄段、身高及是否佩戴眼镜。如此详细的人脸识别将进一步定位待检索人员。

人脸人体属性分析是通过人脸抓拍机,实现对人脸的自动抓拍。结合双目立体视觉技术实现人体属性特征的提取,而这些特征正是上述笔者所举例的那些。这种人体属性分析大多应用在公安机关排查可疑人口,或针对人流量较大的商场商圈商业分析等。

5、更智能:三维立体识别

与传统的人脸识别相比,三维立体识别更显智能。通过这种立体式识别检测方式可以检查屋内是否有人及人员数量;此外还可以定位跟踪屋内人员活动路径;更为智能的是,可通过智能分析判定人员处于站立还是倒地状态,进行及时预警。这种立体识别适用于小空间室内场景,路监狱审讯室、金库场景等。

6、智能监控再升级:车脸检索

在文章开始笔者介绍了关于图像复原技术,特别适用于车牌识别。往往有些狡猾的犯罪分子,可能会使用假车牌,这情况给破案带来很大麻烦。法网恢恢疏而不漏,不给犯罪分子可乘之机,新型车脸检索功能可判断嫌疑人是否修改或更换号牌,车脸检索同样是输入样例图片,找出相似车辆及车牌号码,实现快速检索的功能。

视频监控大数据处理仍然面临三大挑战

目前的视频系统大数据应用仍然面临三大技术挑战,可以概括为“存不下”、“找不到”、“看不清”三个方面。这三大挑战在一定程度上反映出当前视频大数据处理领域存在的主要问题,同时也对视频大数据处理技术提出了更高的要求。

1、“存不下”主要体现在视频压缩编解码性能的限制。

随着数字视频应用产业链的快速发展,政府、学校、社区、民用以及网络终端所产生的海量视频向传统视频编码标准发出宣战。存储的视频数量不断加大就需要更大程度地提高编解码效率,提高视频压缩率,从而降低存储空间。网络化进程的加快也要求编码后的视频在快速、便捷传输的同时保证解码还原的视频质量。

视频压缩也制约着智能视频领域的发展。很多情况下我们要求降低解码后的视频损耗,比如多媒体视频认证领域,视频的无损还原是提高算法判断准确度的先决条件,只有控制在一个合理的损耗范围内,它才能提高视频篡改提示的准确度。因此随着视频的网络化、高清化、智能化时代的来临,领先新一代视频编码标准,超越新的技术框架和编码性能,才能在城市级视频应用领域中取得核心的主导地位。

2、“找不到”主要体现为智能视频监控领域中的算法检测识别准确率的问题。

目前的视频监控方法只能在非常简单的环境下聚焦少量目标,检测、识别、跟踪性能还无法达到一个较高的水准,多数软件都存在场景、环境的限制,例如在简单、纯净的场景中,检测目标背景与前景差别较大时,检测结果较为准确;而在一些人流量密度大的复杂场景中,如地铁、车站、商场,监视成千上万个个体时,准确地识别、跟踪、检测则是一项非常艰巨的任务。

同时算法检测会受到光线、颜色、化妆、摄像机硬件误差及精密度等一系列的问题影响,因此在低端智能与真正的人工智能之间还存在一个较大的鸿沟,它需要计算机处理能力及处理速度的提升。我们需要的是一种接近人类,甚至高于人类的识别准确率,并且能够检测区分人群行为,预测潜在的群体灾难。这不仅仅在智能视频领域,而且从多领域的交叉融合角度,智能分析的研发与探索对机器人的发展也能够起到积极的推进作用。

3、“看不清”主要体现在高清监控摄像机的智能化处理上。

以往大多数城市级安防监控摄像头录制的视频画面都较为模糊,刑侦破案分析的依据仅仅为模糊画面动作方向,甚至是模糊的像素点,对具体人物细节的描述不清晰导致刑侦难度加大,辅助公安机关研判的力度不强。在智能监控领域,传统的智能分析方法较多的是在CIF格式下进行算法处理,这样处理速度更易达到实时。当传统视频向高清视频转换过渡时需要多重处理策略相结合进行算法分析,这需要持续的研发革新。在从标清向高清的门槛跨越过程中,网络带宽的承载力、视频的显示、存储等问题也不断显现。

关键字:智能视频监控智能监控人脸识别

本文摘自:中国通信网

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^