从人工识图到机器识图 视频监控向真正的智能迈进

本篇文章1615字，读完约4分钟

慧聪智能家居网络新闻视频监控系统每天都会产生大量数据，但在调查和收集证据时，只有几分钟甚至几秒钟是非常有用的。搜索视频时，效率低往往会错过最佳的跟踪时间，这也是机器最终将取代人工地图识别的原因之一。

人工地图识别的时代 视频数据属于非结构化信息。对于这些非结构化信息，查询基础只能是空和时间。这种信息利用方式不仅效率低下，而且隐藏的价值信息会被大量的冗余信息所覆盖。直觉告诉我们，现有的安全城市通常需要7x24小时甚至长达30天的视频存储，存储规模往往在一天内达到数百tb甚至数pb，但真正有用的信息只是几分钟、几十秒甚至几秒钟的视频片段。据专家统计，我国99%的大案要案都需要视频监控信息，但公安调查长期以来一直停留在人工浏览视频寻找线索的阶段，全市相当一部分警力日夜不停地被召来查看监控视频。这种技术仅限于日益增多的监控前端，这导致了越来越严重的问题。这种信息利用方式不仅效率低下，而且隐藏的价值信息被大量的冗余信息所掩盖。 因此，视频监控数据的广泛深入应用带来了视频数据的大规模增长。用肉眼识别可疑迹象是远远不够的。事后手动检查越来越困难，而且很难将被动监视转变为主动模式。这是安全走向高效和深入应用的唯一途径，告别了用智能手段取代人工读图。也可以认为手动地图阅读已经走到了应用的尽头。 机器制图的时代 是机器感知机器制图的时代。云技术和大数据是集成的。感知摄像机分析和识别视频中的运动目标，提取这些目标的详细特征信息，最后生成语义描述，并与捕获的目标快照和原始视频一起上传到平台。 在感知过程中，嵌入式视觉分析是嵌入式系统和计算机视觉技术的结合。它的最终目标是帮助设备通过图像了解周围的世界，识别人们的手势和面孔，理解行为模式并做出反应。嵌入式视觉分析技术可分为增强现实、行为模式识别、人脸识别、手势识别、物体识别等应用。据估计，2014年市场上已应用了近500万台嵌入式视觉分析设备。视频内容分析设备仅占所运相机的10%左右，其应用形式仅限于行为模式的识别以及物体和人脸的检测。 数据结构化使海量信息检索变得简单而高效。前端感知摄像机识别和分析视频内容，提取结构化数据，并将其传输到安全大数据平台进行二次深度数据提取。提取的人脸信息、车牌号码、车牌颜色等结构化数据存储在分布式数据库中，为上层应用的智能检索、智能回放和自动比对提供数据支持，实现海量信息的高效检索。 智能检测关联分析可以实现主动视频防控。智能前置摄像头和安全大数据平台(云存储/分布式智能分析/分布式数据库)赋予整个视频监控系统高精度的机器地图识别和独立“思考”能力。通过多点碰撞、人车关联、实时控制等一系列“关联思维”，实现主动视频防控，有效“防患于未然”。#hc360分页符# 深化了视频监控数据在行业市场中的集成和应用。根据公安、交通、零售等不同行业的应用需求，视频监控进入机器地图识别时代，不仅可以满足安全的基本需求，还可以与行业的业务管理系统深度融合，通过智能搜索、人/车判断、客流统计等视频大数据应用服务，帮助行业提高管理效率和水平。 安全大数据平台基于云计算技术，构建云存储、分布式智能分析和分布式大数据库。进入大数据平台后，感知相机生成的视频和图片首先存储在云存储系统中。同时，通过分布式智能分析，它们被提取并转换成结构化数据，如人和车。这些数据与感知相机生成的结构化数据一起存储在分布式数据库中，为上层应用程序提供大数据检索、比较和判断服务。 柯达基于感知相机，通过安全大数据平台提供存储、分析和检索引擎，为公安、交通、零售等不同行业提供人车大数据检索与判断、交通流量控制、商业客流分析等视频大数据应用，将视频监控推向机器地图识别时代。 结论 人工地图识别的监控不仅是人力物力的浪费，而且是面对无数数据的深度挖掘。智能监控的出现是为了改变现有监控对人类参与的依赖。当时应用了智能视频分析，安全行业拥有智能，这将告别劳动，改变世界！