马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据
您需要 登录 才可以下载或查看,没有帐号?立即注册
x
当今已是信息大爆炸的时代,每天都会有各种各样的信息产生大量的数据。涵盖到经济社会发展的各个领域,海量数据的产生与流动正在成为社会经济的常态,驱动着整个社会向智能化时代迈进。随着众多安防项目建设不断推进,以云计算、大数据、智能分析、现场感知等技术为依托,构建分层次的视频大数据智能支撑体系正逐步落地。大数据技术针对海量的视频图像资源,依靠不同的处理算法、挖掘工具,借助多种数据融合手段,可以获得不同价值的数据应用。
在众多的数据形态中,图像和视频数据占据的比例最大,以视频监控系统作为项目的核心,部署在城市及农村大街小巷的视频摄像头每年以稳定速率增长。按照当前常用的单个1080P网络摄像机(IPC)为例,30天内产生的视频文件大小就超过了TB级,可以想象,数千万个摄像头产生的海量视频监控数据正在以几何级数递增。
一、视频大数据如何体现其应用价值
安防行业存储着海量的视频图像资源,面对庞大的数据资源,有何用?又该怎么使用?一直是安防行业面临的重要课题。
从大数据本身来看,数据源通常经过结构化处理,集中存储在数据库中,通过数据库可以完成查询、检索以及数据挖掘等功能,因此数据服务链或者价值链由此产生,涵盖存储、检索和挖掘三个层次。
1.检索 检索是从大量的数据找出个性信息的表面价值,例如在视频图像大数据中,把孤立的视频内容通过结构化加工,形成可视化、标签化的结果呈现。这种转变可为视频监控业务创造更加智能高效的检索方式,让用户从查看繁重的视频监控数据中解脱出来,能轻松自如通过视频监控数据进行高效准确的决策。
2.挖掘 挖掘是对所有视屏图像数据资源进行深度分析、碰撞处理,从它们的共性信息里发现具有趋势和预测性的信息,这是真正大数据带来的核心价值。
目前大多数视频图像大数据系统还停留在第二个层次,能够实现标签化资源的找得快、找得准,很少真正地去进行数据深度挖掘。一直以来公安业务倡导的新方向是:向数据要警力。通过运用大数据、云计算、机器视觉等先进技术,实现视频图像等多维数据结构化处理与融合,与安防核心业务数据进行碰撞,针对各种要素资源进行深度数据挖掘,达到预警预测等最终目的,即实现大数据资源的充分利用。
二、视频大数据落地应用存在一些难题
与其他行业相比,安防行业的大数据资源体量庞大,重点涵盖视频监控资源、卡口图片数据、车辆通行记录信息、人口信息、车驾管信息等在内的资源类情报信息。从数据结构类型来划分,公安大数据可划分为:非结构化数据(视频、图片为主)、结构化数据、半结构化数据三类。以非结构化、半结构化的视频和图片是大数据技术进行深度挖掘存在的技术难题。
在公安行业,非结构化视频大数据主要来源于:
1.视频监控、视频会议、卡口系统等领域。
2.基于多类型摄像机、移动警务、执法记录仪、车载、单兵等无线监控设备。
3.满足公安内部上下行政沟通、指挥调度的需求,建设的各种视频会议系统。
卡口、电警系统对车辆目标进行抓拍,移动警务、执法记录仪在一线现场对人、车进行拍照等应用,这些都是半结构化图片大数据的来源。
针对半结构化、非结构化的图片和视频图像数字资源实现结构化的难点在于:
1.需要实际应用最终用户确定所需要的的属性,进而实现以应用为目的的标签属性化的描述。
2.不同场景、不同角度下,同一个物体展现出的属性可能不尽相同,因此图像识别算法无法实现,这也是安防智能化落地面临的“场景碎片化”难题。
3.大规模非结构视频图像数据即使做到了识别算法,但是还需要通过大算力的数据处理服务器进行处理、分析。就目前来看,由于算力成本高昂,配套设施规模巨大并且政企投入收缩,从而导致提升了建设难度。
4.除面对公安大数据自身数据量庞大、处理技术手段复杂等因素,在公安视频大数据落地应用过程中,还存在着视频联网共享发展不均衡、高清智能监控改造不全、点位布局不科学、联网整合不充分、平台功能不完善、视频图像信息数据库标准化建设滞后等问题,导致视频图像信息汇聚总量偏小,无法充分挖掘视频大数据资源的有效价值。
5.已建的人脸、车辆、人证核验等图像信息采集、存储、应用较为分散,各自为战、标准不一,一定程度上形成了新的应用孤岛,制约了整体效能的发挥。
三、视频大数据重点应用场景解析
虽然视频大数据在技术及应用中存在着诸多难题,但其展现的巨大应用价值,依然值得行业去不断投入和挖掘。近年来,随着平安中国建设不断推进,以云计算、大数据、智能分析、现场感知等技术为依托,构建分层次的视频大数据智能支撑体系正逐步落地。通过全面推进新型智能化前端建设,优化视频传输网络,集成多种视频图像智能应用手段,实现视频图像信息资源的大整合、高共享。通过强化基于视频大数据的深度应用,构建视频图像信息综合应用平台,为公安提供人脸、人员、车辆、案事件等各种应用服务,最大化挖掘视频警务大数据应用的整体效能,全面实现“全域覆盖、全网共享、全时可用、全程可控”的目标。
目前来看,大数据技术针对海量的视频图像资源,依靠不同的处理算法、挖掘工具,借助多种数据融合手段,可以获得不同价值的数据应用。其中针对人员与车辆的视频大数据分析已经实现落地应用。
1.人员与车辆的大数据分析
(1)针对人员的管理,人流密度分析重点应用于公共场所风险管控和预警。人流密度分布、变化趋势、活动的动态监测则可以预测踩踏指数,实现大型活动和重要区域的风险管理。
(2)针对交通领域,车辆空间状态分析,车流密度分布、变化趋势、道路状态及变化监测则可以应用预测拥堵指数,实现交通信号的预测调节,进一步通过数据融合、关联,实现同号搜索、人、车轨迹跟踪等。
目前安防行业内的诸多企业,已经建立相关大数据分析系统,可以实现在案件发生后对嫌疑目标快速定位、检索,提升视频侦查破案效率。同时以图像分析技术为核心,通过区域徘徊分析、昼伏夜出分析、假套牌分析等深度大数据应用方式,可以实现公安提早发现异常目标、事件,防范于未然。
另外,针对此次新冠疫情防控,从大数据本质上看,接触者识别本质上是寻找与感染者时间、空间上有重叠的人群。通过借鉴安防视频大数据平台,融合联动重点疫情区域的视频图像设备、人脸卡口、车辆卡口等多种监控资源,建立针对重点目标人员的出行轨迹,进行精确筛查,分析其历史轨迹。通过对接疫情当地的确诊病例、疑似病例人员名单,实现对来自重点疫情区域人员的管理,通过分析、筛选人员的出行历史轨迹,筛查到访区域,对重点区域进行重点观察和消毒处理。
2.重要事件风险评估及预警机制建立
通过有序过程与随机过程分析,选择社会治安关键因素,进行常态与暂态分析,实现社会治安风险评估,并对相关事件预警。另外针对高风险因素监控和关联分析,扩大社会掌控面,制定有效防范措施和反应预案。同时融合定位、通信、网络等技术提高对高风险因素(人、物、事、时间、地点等)掌控的精度、粒度,建立重大事件风险评估、预警机制,提高防范能力。
3.综合治理系统方案制定及理论研究
在高风险单位、区域、活动安全管理中,利用大数据技术,进行风险和脆弱性分析,结合历史数据的回归统计,成功与不成功案例的分析,建立风险管理机制,指导安防系统建设。借助视频大数据实现各类系统效能分析,公共安全系统建设、评价。通过数据融合、关联及历史回归统计,开展大数据应用,建立安全基础研究和预警理论研究基础数据库。
四、视频大数据应用趋势分析
近些年,分布式计算平台、云计算资源等弹性分配机制技术的成熟,针对海量视频大数据分析计算,通过融合云计算、人工智能、区块链等高新技术,可以有效利用平台的计算资源,提高视频处理能力。同时,视频分析算法也需要不断提升和优化执行效率。
大数据的核心是通过数据的碰撞分析挖掘数据深度价值。视频大数据只有实现多维数据的接入和融合分析,才能消除数据孤岛,发挥视频监控数据的最大效能与数据本身的应用价值。未来的数据融合趋势,将会实现从现阶段的事后追查逐步发展到事前的预察预知预警。
最后值得强调的一点是,目前全国各地开展的视频大数据建设是一个系统工程,建设过程中涉及众多的专业技术,系统平台只有以开放的姿态,打造开放的生态环境,才能实现各种业务应用的落地,才能为用户提供更多更好的应用服务。当下视频大数据应用展现的活力,已不仅仅局限于安防行业,在金融、物流等等诸多行业已经落地使用,可以说大数据应用的前途是一片光明。
作者:王晓堃 青岛市教育局局属电子学校 来源:中国安防 |