浅析智能时代的视频大数据技术

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