datasheet

大数据时代 智能分析技术在公安领域的应用

2016-08-04来源: 安防知识网 关键字:大数据  智能分析
    随着高清IP摄像机的普及,视频监控系统平台的视频接入和存储也越来越多,如何有效利用这些视频资源,挖掘其潜在价值,是用户当前面临的首要问题。未来无疑是智能化的时代,海量数据挖掘的时代,一个更加便捷的时代。这一切的前提都依赖于智能算法、数据挖掘技术不断突破和成熟。

  文/宇视科技首席智能架构师 谭炽烈

  传统的视频监控解决了视频的存储和回放,以及各厂商视频流的互联互通,但仍然无法准确识别、定位和查找视频中的人,车,物等目标信息。目前,要实现全方位的实时监控,指挥调度,视频录像中可疑目标的检索查证,还必须依靠大量的工作人员时刻紧盯屏幕,监视所有摄像机的实况视频,以及回放相关视频录像,查找可疑人员,车辆目标和线索。这显然需要耗费大量人力,而且难免也会因为疲劳和疏忽,而错漏掉某些稍纵即逝的重要信息。

  因此,围绕公安业务需求的公安实战平台,结合视频图像侦查业务,对监控画面中感兴趣的目标视频进行智能分析,提取可疑的人、车、物等目标信息,生成结构化的语义描述,从而实现特定目标的快速定位、查找和检索。例如,当某现场发生案件,收集案发现场监控视频,及所有联网的公安视频图像、政府建设视频、社会监控视频。对涉案视频进行智能分析,其相关联的视频中人、车目标进行信息提取。并对每个图片和视频进行目标对象可人工标注描述,实现视频、图片与对应人、车、物信息的关联。然后上传到视频信息数据库,作为基础数据资源用于情报信息研判。还可利用GIS地图可视化,结合时空信息,详细刻画可疑目标的活动轨迹,为侦破案件提供重要支持。公安实战平台有效的提升监控视频资源利用,协助快速而准确的研判,提升工作效率。

  智能分析技术应用

  视频智能分析是利用计算机图像视觉处理、模式识别和机器学习等算法,分析和识别运动目标信息。作为公安实战平台中最为重要的环节,如下几种智能分析需求应用更为迫切。

  人脸识别

  为了应对公共安全突发事件,比如波士顿马拉松爆炸案,校园枪击案,公安业务部门对人脸识别技术的尤为关注。另一方面,随着图像视觉和机器学习技术的不断进步和产业化,人脸识别效果已逐渐受到公安部门的认可。

  公安部门借助人脸卡口IPC摄像机的智能人脸检测技术,在城市道路、广场、娱乐场所及各类重点场所的人员目标的人脸识别,提取包括人的性别、戴眼镜、年龄段等特征信息。从而实现人脸的实时布控、高危人员比对、以图搜图、语义搜索等方面的业务应用。比如,人脸布控业务是通过对场景中视频的进行实时人脸采集和视频分析,并与各种人脸库提供的图片(警综、信综、出入境、人口库、追逃库、犯罪人员库等)进行实时比对。如果发现重点关注人员,将推送到公安实战平台客户端或手机终端。另外公安实战平台与全国人口库、常住人口库、居住证人口库等数据关联,实现城市地铁、机场、酒店的人脸识别系统的联动。结合地图业务应用,可实现轨迹回放、告警、查询的可视化。

  另外,事实上,在安防领域的人脸识别处于一种非常复杂的状态的制约。实际监控场所得到的人脸图片质量不高,距离研究领域的图片,例如LFW数据库,还相距甚远。例如,光照,姿态,表情,饰物,遮挡,运动模糊,分辨率等都影响着人脸识别算法的实际应用推广。已有的训练算法,或者说已有的训练数据无法表达出一个具有很强泛化能力的算法模型。

  未来人脸识别模型如果需要取得突破,一方面需要更多更丰富的海量的样本数据,如各种光照,姿态,表情下的人脸图像。另一方面,深度学习模型还可以进一步优化和调整。不过到底什么样的模型才算是最优的,目前业界并没有很好的答案。

  车辆识别

  近年来,随着智能交通的高清卡口相机的广泛建设和应用,借助于智能识别算法和大规模集成电路技术的迅速发展,以及配套设施的工程施工标准化,对电警、卡口、停车场出入口等场所进行包括车牌识别在内的车辆特征识别,把车辆相关结构化信息存入基础信息库。智能分析识别的车辆特征信息越来越丰富,通常包括有车牌、车牌颜色、车标、车身颜色、车型、车款等。配合业务需求,还能检测识别遮阳板、系安全带、司乘人员的人脸检测和抓拍、驾驶员打电话等细微信息。

  基于这些车辆关键的特征信息,形成上亿条过车记录数据。也推动了后台大数据分析服务的发展应用,和行业数据挖掘,形成例如套牌车分析识别、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的应用。对车辆特征数据的大数据搜索,即可迅速找到所有符合条件的车辆信息,包括行驶时间与方向,行驶速度,车牌号码,车标,年款。结合以图搜图的检索方法,在公安实战平台上调取卡口视频和图像文件,快速查询到有关嫌疑车辆信息,还原车辆行驶的轨迹历史信息,而且可以实现嫌疑车辆在整个城市的全程运行轨迹查询,同时结合视频监控信息,实现车辆全程化得可视化轨迹回放,以及对涉事车辆的精确布控和查询。联合车管所车辆信息库,得到车辆和车主的信息、车辆活动信息、跟车信息等记录。

  视频浓缩摘要

  视频浓缩摘要是通过对视频录像的智能分析,将其中有运动目标部分视频截取下来,丢弃没有运动目标的片段,通过视频剪辑,形成一段段简短的浓缩摘要视频内容。视场景运动目标的分布有关,甚至于它可以将24小时内具有运动目标浓缩在短短十几分钟,甚至几分钟内的短片形式。

  通过视频解码,提取目标的图像特征信息,先定义好事件规则,过滤掉大部分用户不关心的信息,保留行人、车辆或其他目标的活动细节。

  图像增强与复原

  图像增强与复原,是指通过图像处理算法,把模糊等恶化的图像通过增强工具进行清晰化处理。利用多种图像处理算法,例如对视频、图片的亮度、白平衡、去雾、去模糊等多种智能处理,帮助还原现场的车辆和行人的本来面目,帮助快速梳理和清晰化相关线索。

  视频诊断

  视频诊断是检测摄像机的图像画质异常,比如图像模糊,镜头虚焦,摄像机外罩脏,亮度、对比度、偏色、横条纹,雪花噪声等图像异常状态检测。随着监控设备的不断建设和扩容,像城市的眼睛一样的前端IPC摄像机故障的影响越来越大,对其的检测和维护也是必不可少。

  面临的问题

  尽管各行业对智能分析的需求旺盛,但在实际的应用中主要存在以下方面问题:

  准确率受环境影响大

  视频检测、识别和报警功能在关键的场合已能发挥作用,但无法广泛部署和规模的市场应 用。究其原因,视频图像分析算法仍然对环境敏感。环境中存在对智能分析算法的干扰因素较多,对智能分析的效果影响较大。例如,智能分析算法对环境中的光照变化敏感,针对不同角度复杂异常运动建模困难;目标与背景接近会导致目标检测和特征信息提取困难;运动目标被遮挡会造成目标信息缺失;目标移动速度过快或算法过于复杂导致跟踪的有效性较低。如果无法解决误警率、漏报率高,目标跟踪丢失等环境适应性的困难,市场仍将很难规模推广应用。

  海量数据分析速度慢

  面对海量的前端摄像机送回的视频、图片数据,虽然后端智能分析平台的性能不断提升,但目标检索速度仍然满足不了公安业务部门的要求。而为了提升检出率和降低误报率,算法复杂度也在不断提升,数据的分析,目标检索速度仍然有提升的需求空间。

关键字:大数据  智能分析

编辑:鲁迪 引用地址:http://www.eeworld.com.cn/afdz/article_201608049733.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:智能家居安全性堪忧 美国人也缺乏信心
下一篇:这套系统能够准确检测你家周围的天气状况

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

福特利用大数据 预测未来可能发生交通事故地点

通常只有在发生了交通事故之后,人们才发现特定交叉路口或是特定路段对于驾驶员、骑自行车者以及行人来说是问题道路。据外媒报道,福特提出了一种方法,可以利用大数据帮助城市确定哪些地方最有可能成为未来交通事故的发生地。为了找到答案,福特智能移动出行(Ford Smart Mobility)部门去年在伦敦及周边地区记录了100万公里车辆和驾驶员的行程。福特追踪了伦敦市的车辆行驶状况,并详细记录了刹车、刹车程度甚至是否使用了危险警告灯等驾驶数据,可帮助确定“差点发生交通事故”的情形。然后,福特交叉引用了此类信息与现有的事故报告,并构建了一种算法,以帮助确定未来交通事故可能发生的地点。福特智能移动出行部门城市数据解决方案(City Data
发表于 2018-12-03

安防AI大数据流程的三个环节浅析

对于安防AI,看上去是AI,实际上最后是大数据,大数据才是智能化的基础。人工智能、深度学习、机器学习、大数据应用在安防AI中, 说到底都是对大数据的采集、建模和应用。本文大致说一下安防AI中,对于大数据的运用过程与环节,让大家有个大致的印象。安防AI大数据流程三个环节数据采集数据采集,有说数据获取,这是数据的来源,安防AI中这个数据是来源于视频监控系统中的视频流,当然往大了说安防,还包括很多内容,但是基本都是以视频监控为核心,这里主要指视频监控系统。数据预处理对于采集到的实时或者历史视频,是只能看不能应用的,要调用就得结构化,先给视频流解码,把视频流还原成一张张图片,再对图片进行预处理。可能不同的公司对预处理包含的步骤内容说法不太
发表于 2018-11-23
安防AI大数据流程的三个环节浅析

Elastic做客选型宝,分享PB级大数据实时处理解决方案

近日,Elastic中国区总经理王刚Galen、首席架构师吴斌做客选型宝直播间,与CTO和CIO们分享企业如何实现PB级大数据实时处理。作为全球最流行的开源数据搜索与实时分析技术,Elastic数据平台以灵活部署、平滑扩展、安全性强、适用场景广的特点,在全文检索、地理位置、全栈监控、机器学习等各类数据应用场景中大显身手,受到互联网企业、金融电信乃至政府机构的青睐。 Elastic Stack数据平台由Logstash、Beats、ElasticSearch和Kibana四大核心产品组成,在数据摄取、存储计算分析及数据可视化方面有着无可比拟的优势。首先,Logstash和Beats作为底层核心引擎组成数据摄取
发表于 2018-11-23

寄云科技基于大数据的企业创新

近日,第二届ICIM中国城市基础设施建设与管理国际大会在钱塘江畔成功召开。在“创新发布-城市承载力与综合治理解决方案路演”环节,寄云科技CEO 孔宇华发表题为《基于大数据的企业创新》演讲。他指出,基于大数据的企业创新应当以思维先行、方法引领,并融合领域知识、数据科学、管理机制和软件技术等多方面要素,最终创造巨大商业价值。 灯泡发明小故事大启示双模式实战“一年半时间内测试了3000多个不同的设计和6000多种不同的材料……”,孔宇华借灯泡发明的小故事指出了“快速试错、优化迭代,加上完整的数据记录和分析,诞生最佳方案”方法论的重要性。该方法论同样可以运用到基于大数据的企业创新中。结合寄云科技的工业大数据、工业互联网实践经验
发表于 2018-11-20

Elastic秒杀数据搜索与实时分析,开源技术开启大数据新时代

示,Elastic靠的是数据搜索和实时分析技术,在搜索数据的同时实时分析数据,给用户更多更精准的结果。同时依靠开源技术和商业模式,开拓了出大数据应用新格局。 Elastic副总裁Joen Van Driel 1.数据搜索与实时分析,开拓大数据应用新场景搜索不仅仅是一个网站上的一个搜索框,搜索的结果也不仅仅是网页内容的简单呈现。企业用户需要数字搜索和实时分析。 细观搜索领域的竞争格局,包括Amazon 、Alphabet GOOGLE、Splunk 、百度等公司提供相关的企业服务,但Elastic着眼于赋能企业内部海量数据的实时搜索。 数字经济时代,企业拥有了更多的数据,并且每天都在新增数据,包括结构化
发表于 2018-11-20
Elastic秒杀数据搜索与实时分析,开源技术开启大数据新时代

数字化安防崛起 企业掀起布局热潮

2018年11月8日,阿里钉钉CEO陈航在世界互联网大会上表示,数字经济已成为经济增长的新引擎,其发展由数字化企业组织推动,而5年后数字化将在企业中全面普及。马云接班人张勇也曾表示,云计算将成为公司未来“主要业务”。在新一代信息技术迅速崛起的背景下,大力发展数字经济以推动实体经济转型升级正在成为主流。数字安防政策进入密集落地期在我国,数据已成为与资本和土地相并列的关键生产要素,被不断分析、挖掘和应用。为构建全国一体化的国家大数据中心体系,中央和地方密集出台各项大数据相关系列政策。以杭州为例,杭州数字安防产业集群被纳入国家重点产业布局,给予政策与资金支持,而杭州也重点推进七个项目建设,包括创新人才引进培养、公共平台提升以及开放合作
发表于 2018-11-09

小广播

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 视频监控 智能卡 防盗报警 智能管理 处理器 传感器 其他技术 综合资讯 安防论坛

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved
pt type="text/javascript" src="//v3.jiathis.com/code/jia.js?uid=2113614" charset="utf-8">