智慧城市視頻云建設應用研究

甘勇

（廣東奧迪安監控技術股份有限公司，廣州510000）

1 視頻云定位

現階段視頻智能應用水平低，缺乏功能強大視頻圖像解析和信息綜合應用手段。視頻云是實現視頻資源共享和視頻能力開放，視頻圖像資源和其他信息資源服務平臺進行信息資源共享與應用支撐。智慧城市中視頻云建設規劃應考慮：構建視頻云基礎資源層、視頻資源共享體系，建設分級分類視頻圖像信息數據庫；構建開放體系，基于統一的視頻云應用支撐平臺，把視頻圖像調閱、視頻圖像解析、多源多維感知數據訪問、大數據檢索等以云服務的方式共享開放，并注冊到信息資源服務平臺服務目錄里統一呈現；在云計算基礎設施上，構建面向治安、刑偵、指揮等多業務場景下“視頻云+應用”系統，創新視頻大數據防控、檢索、情報、偵查等業務應用模式。

2 物理架構設計

視頻云物理建設包含前端感知設備、傳輸網、節點視頻云平臺建設等。前端感知設備包含：人臉采集設備、車輛采集設備、Wi-Fi 采集設備等，前端感知設備就近接入傳輸網。傳輸網絡包含：傳輸鏈路、交換設備等。節點視頻云平臺主要對前端數據進行匯聚、管理和分發，包含云基礎環境建設、虛擬化服務器、云存儲設備、網絡設備以及各類業務應用所需服務器等。

3 邏輯架構設計

視頻云平臺基于大數據架構設計，按相關標準，以數據匯聚、數據共享與能力開放為目標，支撐視頻業務應用及基于平臺開放服務接口共享視頻云服務，可設計分為“六層”：

圖1 視頻云邏輯架構圖

（1）感知采集層：固定及移動監控視頻（如執法記錄、車載監控、無人機等）、互聯網+停車場、其他社會面（如企業、店鋪等）視頻和公安內部（如監所等）監控視頻等感知設備。

（2）傳輸網絡層：支撐前端采集設備接入和數據傳輸，包含視頻網、內網、互聯網、移動信息網等。

（3）基礎設施層：為平臺服務層、數據層提供業務系統運行、視頻圖像存儲和解析、數據分析等所需基礎IT 資源，包括搭建云計算資源、多類數據混合存儲的云存儲資源，并能夠通過云資源管理平臺構建一個開放、高效的資源環境，實現多業務承載、服務自動化部署、資源彈性伸縮等功能。

（4）匯聚層：由統一的視頻圖像信息聯網匯聚平臺實現視頻圖像、多源信息的匯聚。

（5）服務層（視頻云平臺層）：

①視頻圖像信息數據庫：主要實現資源目錄數據同步，用戶訂閱的各地市數據匯聚和存儲，并把數據通過同步級聯模式傳送到視頻圖像信息數據庫。

②視頻圖像解析平臺：實現對接入的視頻流、人臉抓拍圖片進行視頻結構化處理；并預留一定的視頻圖像解析能力，滿足用戶突發事件等應急情況的視頻圖像解析處理。視頻圖像解析能力，通過視頻云應用支撐平臺開放API 供上層系統及第三方系統調用。視頻圖像解析后數據匯聚到視頻圖像信息數據庫，為上層應用提供數據服務能力。

③視頻云應用支撐平臺：通過統一服務接口，提供媒體流轉發、視頻轉碼及視頻結構化、人臉比對等服務。

（6）應用層：視頻云+應用，提供視頻調閱、數據檢索等應用。

4 視頻云基礎設施設計

4.1 視頻云計算資源池設計

視頻業務需要靈活、異構的計算、存儲、網絡等基礎資源；固化支撐系統逐漸不能滿足業務發展需要，需要基于云計算技術重新構建IT 基礎設施，以滿足視頻業務應用部署、視頻圖像解析、視頻聯網等各種異構資源的需求。通過虛擬化技術，把所有資源整合后在邏輯上以單一整體的形式呈現，資源進行動態擴展和配置，按需使用資源。視頻云平臺主要為數據采集匯聚、視頻圖像解析以及視頻大數據和智能化應用提供基礎資源支撐，按計算應用分類設計：

（1）通用計算類

主要部署視頻調閱、數據檢索等業務應用基礎資源，使用普通的CPU、內存等通用計算資源，支撐人臉抓拍攝像機、人臉抓拍圖片數據和結構化數據接入、媒體流轉發、抓拍數據檢索和以及解析平臺。根據相關測試與項目的實際數據驗證，14 物理核支持100 路人臉抓拍接入或1000 條/秒的結構化數據接入或200 張/秒的“大圖”片和“小圖”片的接入或支持64 路的媒體流轉發；可以根據實際前端數量，計算出配置14 物理核數據接入服務器、數據轉發服務器、系統應用服務器、人臉布控服務器數量，然后進行統計分析出需要該服務器總核數、內存數，然后加上平臺對計算資源消耗以及考慮硬件故障情況下的資源備份和業務突發高峰的資源預留，從而計算出CPU 維度與內存維度等。

（2）大數據計算類

承載海量視圖數據關聯分析的大數據平臺，需要高計算、高I/O，不適合虛擬化部署，設計保留物理化部署。

①數據緩存服務器：按數據的類型（人臉與視頻的大圖、小圖、結構化數據、特征值等），根據視頻路數、每天文件數、文件大小可以計算出每天數據入庫量，從而得出數據平均入庫流量；每節點吞吐量具體可以根據實測錄得；數據可選擇保存到內存、緩存到磁盤，按緩存到內存估算，緩存30 秒；根據單節點內存大小，可以計算出數據緩存服務器集群節點服務器的數量。

②結構化數據分析服務器節點：用于存儲人臉、車輛、視頻結構化數據，考慮并發讀寫和可靠性要求，數據可按每6 塊盤做RAID5，再按2 副本存放，磁盤有效使用空間按80%計算。從硬盤空間來考慮，根據單服務器有效利用空間：裸容量/有效利用系數、前端結構化有效數據及索引空間的存儲容量計算出服務器的數量。

（3）特征檢索類

特征數據是通過算法解析出來的非結構化數據，人像軌跡檢索、以圖搜圖等業務場景下對特征庫進行海量比對檢索，要求高計算、高I/O 吞吐能力，特征數據存儲與檢索一般按內存和SSD 盤兩級緩存，需要大內存、高性能SSD 盤；特征數據服務器應根據特征值類型、天數、路數、每天文件數、文件大小計算出存儲容量，并適當冗余，計算出磁盤數量，進行服務器性能配置。

（4）GPU 高性能計算類

人臉解析、視頻結構化，大量消耗計算資源，單一CPU 無法滿足，設計高性能GPU 計算資源支撐。人臉解析對象為人像臉抓拍攝機抓拍的人臉“小圖”片，人臉“小圖”片檢測用CPU 進行分析，GPU 完成人臉特征提取計算，根據測試結果和項目實際驗證，CPU（14 物理核作為1 顆CPU）和GPU 的比例按照1:1 的比例計算，CPU 的單元按14 物理核計算。14 物理核和1 張GPU 卡支持180 張/秒的人臉特征數據解析。

視頻結構化對象為實時視頻流或錄像視頻流，視頻流的解碼以及行人和車輛分類分析采用CPU 完成，占用CPU 的性能相對于人臉圖片解析更高，GPU 完成行人或車輛圖片的結構化數據的解析和目標數據的提取，根據測試結果和項目實際驗證，CPU（14 物理核作為1 顆CPU）和GPU 的比例按照1:1 的比例計算，CPU的單元按14 物理核計算。根據人臉解析服務器與視頻結構化服務器的數量、核數與內存進行分析計算出CPU 維度、GPU 維度、內存維度，從而選擇等效高密GPU 服務器。

4.2 視頻云存儲資源池設計

視頻云存儲資源進行圖片的解析及解析結果的“大圖”片和“小圖”片存儲。一般情況下，視頻專網“大圖”片存儲周期90 天，“小圖”片存儲周期360 天。結構化數據和非結構化數據存儲空間計算考慮自身存儲空間，還考慮基于數據提供的數據訪問服務性能指標要求，滿足業務需求并發度和響應時間。存儲資源池設計采用全對稱分布式云存儲方案，云存儲產品采用全對稱邏輯架構，每個節點均可提供服務；通過負載均衡設計，數據訪問在集群內均勻分布。涉及虛擬機鏡像存儲、“大圖”、“小圖”非結構化數據存儲、結構化數據存儲；虛擬機鏡像存儲根據系統盤、數據盤及有效容量系數計算磁盤數量；非結構化數據存儲根據非結構化數據存儲時間、大小計算出總容量，計算出服務器數量；結構化數據設計采用分布式數據庫高性能CPU 服務器本地硬盤存儲。

4.3 視頻云網絡資源設計

網絡設計應可靠、冗余，區分業務、存儲、管理平面，設備具備板卡冗余、電源冗余、鏈路冗余等設計，可擴展。網絡設計如下：核心層與接入層分層設計，采用雙鏈路冗余；核心層設計2 臺核心交換機，采用CSS 虛擬集群技術；接入交換機之間采用堆疊技術；管理平面采用冗余架構部署2 臺管理交換機，用于網絡、服務器、存儲等設備管理平面的接入，網管對接管理整個云平臺；部署2 臺萬兆級核心防火墻設備，雙機熱備模式旁掛于核心或者串聯到平臺出口，提供授權訪問、入侵檢測、病毒防護、數據防泄漏等防護，保障平臺數據安全。

圖2 網絡物理架構

4.4 云管理平臺設計

視頻云平臺運行需要大量異構CPU/GPU 計算資源、存儲資源做支撐，以支撐視圖結構化解析、視頻圖像信息數據庫建設以及視頻資源共享與開放，需要云資源統一管理平臺技術對異構資源進行統一管理與調度。云資源管理平臺設計采用虛擬化技術，把所有異構CPU/GPU 計算資源、存儲資源整合后在邏輯上以單一整體形式呈現，根據需要進行動態擴展和配置，當計算業務量突變時，云資源管理平臺自動啟用有空余能力的相應計算資源參與到計算需求中，實現解析任務、檢索任務、大數據分析業務等按需彈性伸縮使用資源。

5 視頻云平臺軟件設計

視頻云平臺軟件設計主要包含視頻圖像解析系統、視頻圖像信息數據庫等設計。

視頻圖像解析系統遵循相關標準設計，實現對視頻、圖片進行實時結構化分析與內容信息提取，為上層業務提供視頻圖像內容信息、目標特征等相關信息。視頻圖像解析系統設計應針對多廠商多算法的視頻圖像處理與分析引擎提供集成框架，為多智能解析廠商提供一個開放的集成開發與運行環境，為業務應用提供視頻圖像的結構化解析能力。

視頻圖像信息數據庫是平臺核心部分，負責提供數據的匯聚接入、數據處理、數據資源存儲、數據服務與數據開放能力，主要包括各類數據的存儲與管理；各類數據庫應遵循相關數據資源編目和數據元標準要求建庫與設計，包括基礎資源庫、專題資源庫與元數據庫等。

6 視頻云應用支撐平臺設計

視頻云應用支撐平臺提供統一的云服務管理框架，為使用視頻服務和視頻大數據服務提供統一用戶認證和服務申請的統一入口。視頻云應用支撐平臺按照相關規范及時發布和更新服務目錄；由云服務API、開放服務平臺框架和云服務能力三大部分組成，視頻圖像解析系統、視頻圖像信息數據庫以及第三方系統需要開放的服務通過向視頻云應用支撐平臺注冊來供業務應用使用。

7 視頻云+應用系統設計

視頻云+應用系統根據實際提供典型應用場景應用功能，服務實戰；典型業務應用場景設計如下。

7.1 資源調閱類

針對重點場所防控，對重點場所出現的活動對象進行抓拍和特征采集。業務流程大致如下：

●人臉攝像機自動采集視頻流、抓拍人臉圖片；

●如該路視頻配置視頻解析算法，則在后臺會自動對該路視頻流進行結構化處理；

●針對人臉圖片，數據進入視頻圖像信息數據庫后會自動進行人臉建模二次分析；

●所有特征數據、模版數據、結構化數據等會按照數據入庫標準進入視頻圖像信息數據庫統一管理，而視頻按照標準進入視頻監控聯網平臺或視頻監控共享平臺存儲；

●用戶可通過視頻圖像信息數據庫或者視頻云+應用系統訪問已授權訪問的任何一個點位的視頻資源，可調閱實時視頻、實時人臉圖片，可進一步查看其相關聯的特征數據、結構化數據等。

7.2 布控告警類

對于需要主動發現和預警的重點人員，需要通過人臉進行布控告警，一旦疑似該人員出現在某布控區域內，系統應自動告警并通知做好控制措施。以防控重點小區慣偷布控為例，業務流程大致如下：

●在布控庫中選擇該慣偷人臉照片，設定好布控區域和布控告警策略；

●系統按設定好的策略，對布控區域每個攝像機采集或分析的人像“大圖”、人臉“小圖”入庫時，會將摳出的人臉“小圖”發送給視頻解析系統；

●視頻解析系統將人臉“小圖”進行解析處理，并將該人臉模版與該布控對象的人臉模版數據進行比對，并給出相似度閾值；

●如相似度閾值大于設定好的告警閾值，視頻云+應用系統將自動按照告警策略產生告警提示并推送信息。

7.3 大數據檢索類

治安和情報領域需關注重點人員行蹤，刑偵領域需關注嫌疑對象的身份排查。

以重點人員身份排查為例，其業務流程如下：

●在視頻云+應用系統中調用人臉云追蹤功能，將該N 張照片作為輸入，選擇一定區域、時間范圍，系統將從所有的人臉抓拍庫中按照相似度找出照片供用戶確認；

●用戶人工確認系統提示的相似度較高照片后，系統能自動根據抓拍圖片的時空關系在地圖上刻畫該人員活動軌跡。

7.4 行人軌跡分析

針對公安民警重點關注的人員，為了掌握嫌疑人員的行動軌跡，需要查看大量的視頻錄像，才能畫出嫌疑人員的行動軌跡，此過程消耗大量警力資源。如果所在區域有安裝人臉抓拍攝像機，使用人臉識別技術采用行人軌跡分析技戰法，可利用已有的人臉圖片或者系統檢索出的人臉圖片，搜索出一定時間段及監控范圍內的相似人臉圖片，選擇目標人員人臉圖片，結合地理坐標信息在電子地圖上刻畫出人員時空軌跡，分析目標人員“從哪里來、到哪里去、沿途經過哪里”。

7.5 頻繁出入分析

針對一些嫌疑人可能在案發地提前踩點多次出現，系統支持對某一區域抓拍的人臉進行頻次分析，找出在一段時間范圍內，在某一區域內多次出現的人臉，以便民警對頻繁出現的人員進行關注，提供案件線索。

7.6 同行人分析

針對團伙作案及尾隨作案，通過提供嫌疑人或受害者信息，選定攝像頭，獲得滿足同行條件的結果，從而找到與案（事）件或目標人員有關聯的同伙、蓄意尾隨人員等，協助案（事）件進行相關人員的證據采集與處理。用于檢索重點人員、關注人員或嫌疑犯在某個時空范圍內的同行者，廣泛應用于刑偵、情報、治安、禁毒、反恐等場景；可協助民警快速找到同案或同伙人員，并掌握其活動規律。根據目前主要應用場景同行分析模型可以衍生出盜竊同伙分析、上訪人員同伙分析、邪教同伙分析、吸毒人員同伙分析、群體事件同伙分析、肇事人員同伙分析、社會矯正人員同伙分析等技戰法。

8 結語

視頻云應根據前端接入數量和類型總體規劃、分步建設、逐步擴容，支撐實戰化應用。在建設中，根據標準規范體系，采用直接引用和自行制定相結合辦法設計滿足標準、規范和切實可行視頻云建設方案，用以保障視頻云順利建設和平臺運行環境的形成；本文對智慧城市視頻云建設應用具有一定的參考意義。