大數據時代下視頻信息綜合應用平臺的設計與應用

文/邱吉剛　吳新勇　李汶隆

隨著智能視頻設備的普及和移動互聯網的發展，視頻數據量急劇增加，累計達到ZB級別。據IDC統計，2015年全球有分析價值的數據中65%是視頻監控數據，并正按每2年翻番速度持續增長。與“傳統”大數據相比，視頻大數據4V特征更明顯，數據體量更大、冗余度更高、實時性更強、類型更復雜，分析與處理的技術難度更大，這也是業內當前一大痛點，海量視頻中蘊含的大量價值“金礦”，因為處理分析手段的落后和研判效率的低下，未能得到充分挖掘和利用。

1　行業發展

圍繞這個痛點，在學術界、企業界和相關部門的共同努力下，視頻大數據正從簡單行為分析演變為多維度模式識別，從單點智能進化為全網大數據關聯挖掘，從實現事后驗證升級為實時告警及事前預警。此外，目前技術架構向“云+邊”演進的趨勢日益顯著，即在IPC攝像頭等前端設備進行結構化處理，云平臺作多點關聯分析及聯網布控，以提升分析效率，增大并發處理規模，支撐更智能化應用。

在海量數據的基礎上，深度學習與機器視覺的相互融合為視頻數據分析提供了強大的技術支撐，公安、交通等領域的智能化需求正驅動視頻大數據應用逐步落地。為推動社會各領域從數字化、網絡化向智能化躍升，國家相繼出臺了《促進大數據發展行動綱要》等政策，指導和推進大數據領域的技術創新、行業應用和產業發展。

一言以概之，當前在技術、數據和應用的三輪驅動下，在國家政策的引導下，視頻大數據分析與應用趨勢已成，以數據為驅動開展視頻信息綜合應用平臺的研究和研制意義重大。

2　基于大數據架構的視頻信息綜合應用平臺

2.1　建設目標

平臺建設目標在于，以統一視頻大數據基礎服務平臺，支持分布式彈性云部署，提供資源按需服務；兼容95%視頻格式，實現異構網絡無縫通信；建立統一數據池與算法池，支持數據融合挖掘和算法動態裝卸；通過統一數據總線，實現海量異構數據的匯聚整合、多維洞察和融合應用，支持跨行業的快速應用和部署。

圖1：視頻信息綜合應用平臺系統架構

2.2　系統架構

平臺基于云架構設計，按照數據元素的流動，依據松耦合的原則定義了3個子層，即視頻采集與傳輸子層、視頻分析與研判子層、視頻應用與服務子層，如圖1所示。

其中，視頻采集與傳輸子層是系統基礎，主要負責實現IPC/NVR等視頻設備管控、視頻內容采集與匯聚，支持移動通信網、物聯網等公網及專網數據傳輸。視頻分析與研判子層是系統核心，主要負責視頻圖像結構化等基礎數據服務，并提供視頻增強、人車識別等核心算法支撐。視頻應用與服務子層是系統的價值體現，針對智能安防、智能交通、智能公安等行業需求，提供技術、產品及整體解決方案等一攬子應用服務。

2.3　功能實現

在視頻采集與傳輸領域，基于GB/T 28181、SIP、ONVIF等標準，研制視頻聯網共享等核心子系統，實現視頻資源的接入、傳輸、存儲、交換、共享等功能，提供多級/跨域聯網與共享服務，提供實時瀏覽、聯動布控、錄像回放、報警管理等功能。

在視頻分析和處理領域，重點推進智能視頻分析子系統研發，通過視頻圖像的結構化和關聯分析，構建視頻結構化數據庫及人事物為重點的專業數據庫，實現行為分析、視頻摘要、視頻檢索、人車識別、圈蹤分析與稽查布控等核心功能，并達到以下主要技術指標：

（1）支持H264、mp4、avi、mov等 多種視頻格式

（2）特定目標的行為（越界、入侵、徘徊、反向、物品遺留等）研判準確率達95%以上。

（3）普通場景下濃縮比達50:1，不少于15度密度調節

（4）支持1:1人臉驗證和1：N人臉識別。簡單場景下，識別率大于99%。

為實現上述目標，可采用基于深度學習的技術框架進行構建。以人臉識別為例，整個處理過程綜合采用深度神經網絡和機器視覺技術，針對實戰性場景進行改進，在人臉檢測、特征點定位、特征提取和特征比對等環節進行優化，重點解決不完全信息下（比如遮擋、戴口罩）情況下識別率斷崖下降、人臉檢測速度慢及跟蹤目標丟失等問題。

在視頻應用與服務，重點研究如何貼合業務進行功能流程設計乃至技術指標提升，滿足實戰化性需要。為支持跨行業應用系統的快速開發和部署，一種可參考的方案是，采用B/S架構，基于“微服務”理念進行設計。例如，整個業務系統可采用Spring cloud微服務架構開發，統一提供服務注冊、權限認證、負載均衡、配置管理，構建高可用、高并發、高擴展的運行環境，而具體服務功能項則以Sringboot微服務服務提供者形式運行，由Eureka注冊中心提供微服務注冊，由Feign組件和Hystrix熔斷器提供內部服務的負載均衡和熔斷機制，從而確保系統的穩定、可靠和安全運行。

3　行業應用

基于視頻信息綜合應用平臺，可貼合公安、交通等行業需求，通過標準產品或者定制研發等方式提供實戰應用服務，加快視頻偵查速度，提高工作人員效率，提升安全管理能力。

3.1　公共安全

在公共安全領域，通過整合公安內部資源、社會外部資源，實現“人、車、電、網、像”等多軌聯控和多庫聯偵，挖掘海量數據蘊含的情報價值，提供重點人員管控、遺失人員搜尋、在逃罪犯緝拿、刑事案件偵破等特色功能，從而提升公安機關反恐防暴、治安防控、偵查破案的能力。

3.2　智能交通

在智能交通領域，依托視頻信息綜合應用平臺，可實現交通卡口、電子警察等視頻資源的匯聚整合，統一進行結構化處理和關聯分析，實現車牌識別、車輛識別、稽查布控等功能，為提供交通態勢感知、紅綠燈優化及交通道路規劃提供基礎服務支撐。

3.3　智能安防

在智能安防領域，重點針對企業園區和重要設施監控等應用場景，對視頻圖像、電子圍欄、動力環境等數據進行匯聚整合和分析研判，支持陌生人員識別、異常行為識別、非法入侵檢測和實時報警預警等功能，實現一體化、綜合化、智能化的全方位監控，實現無人值守式監控目的。

4　結語

基于視頻大數據的行業理解和思考，本文提出了大數據時代下視頻綜合管理平臺的研發思路和實現方法。通過人工智能、機器視覺、大數據技術的研究與創新，建設統一的視頻大數據云平臺，圍繞視頻數據采集、分析和應用開展核心產品研制和技術創新。當前，基于視頻大數據的創新與應用，曙光已經出現，但道路依然艱辛，尤其在行業實戰化應用方面有較大差距，需進一步努力和完善。