基于智能視頻分析系統的智能監控系統構建

王德臣 WANG De-chen；唐宇捷 TANG Yu-jie；趙碩 ZHAO Shuo

（同濟大學，上海 200092）

0 引言

目前視頻監控的覆蓋范圍已經遍布在生活的各個角落，但傳統的視頻監控多作為事后追查、取證等，在海量的視頻錄像面前，依靠人工處理顯得十分無力[1]。而人工智能技術的出現很大改善這一現狀，一些企事業單位和政府通過將智能視頻分析系統引入到視頻監控系統，構建了智能視頻監控系統，在社會治安、城市治理、智慧環保等場景落地，將被動通知向主動告警轉變，大大提高了視頻監控的系統價值[2-3]。在越來越多企業想要用人工智能技術為視頻監控系統賦能的背景下，本研究通過對智能視頻分析系統的技術原理和系統架構進行總結，并將智能視頻分析系統與傳統視頻監控系統結合來構建了智能監控系統，并從實踐的角度提供了一個體系流程來幫助企事業單位構建智能監控業務和應用場景。

1 智能視頻分析系統

1.1 技術原理

智能視頻分析系統是利用計算機圖像視覺分析技術對視頻監控畫面進行采集、識別、分類、分析，生成圖像內容和行為的描述信息，并根據預定的分析規則，指出可能存在的違反規則的風險目標或行為，同時發出預警信息，協助相關人員進行日常管理。在算法分析平臺內，根據配置的設備信息獲取視頻流。在拉取視頻流后，調用告警區域對圖像進行逐幀解析。圖像處理系統調用算法中心的服務，并構建數據包推送至視頻流合成系統。視頻流合成系統調用告警規則信息，依據原視頻的幀率等信息合成處理后的視頻流，包含必要的識別信息，如人臉、告警標記、預警等級等。在視頻流合成完成后產生事件告警通知推送至告警中心，其技術原理如圖1 所示[4-5]。

圖1 智能視頻分析系統技術原理

1.2 系統架構

智能視頻分析系統可以分為邊緣型和平臺型兩種架構[6]。邊緣型架構是面向設備離散的業務環境，比如零售、餐飲、快遞、城市治理等，將前端監控設備直接接入智能邊緣設備，將相應環境的算法直接部署在邊緣設備上對視頻圖像進行分析處理，并分析后的告警信息向管理平臺統一推送，該架構的優點是占用網絡帶寬少，可以實現輕量化部署，缺點則是需要較多邊緣設備的資產投入和配置維護工作。平臺型架構面向設備集中的業務環境，比如企事業園區、工廠等，將所有前端監控設備接入到統一算法分析平臺，通過算法分析平臺對視頻圖像進行統一分析處理，該架構的優點是可以實現多種算法統一配置維護，但對平臺網絡和服務器性能提出了更高的要求。這兩種架構方式各有優劣，本文選擇平臺型的架構進行研究。

2 智能監控系統架構

智能視頻監控系統基于智能視頻分析系統，對監控視頻信號進行處理、分析和理解。可以在監控場景中自動分析視頻圖像，對變化進行定位、識別和跟蹤，并進行異常告警[7]。考慮到大部分業務場景下，視頻監控管理平臺都是單獨建設或者是已經投入運營，因此本文提供了一個視頻監控管理平臺和算法分析平臺共存的智能監控系統架構，如圖2 所示，下面對系統架構各個層級進行介紹。

圖2 智能監控系統架構圖

2.1 基礎層

基礎層包含了網絡系統、服務機房、錄像存儲設備以及各類前端監控攝像機等。其中監控設備主要有槍機、球機、半球等多種形式，目前常見的數字化監控設備主要通過網絡協議TCP/IP 接入視頻監控管理平臺并通過POE供電，大大簡化了基礎層所需的建設內容。但圖像識別技術對畫面的清晰度和識別像素有一定要求，因此，在設計和實施過程中要注意配合算法要求的最小像素和識別距離，對于夜間環境則需要設備具有紅外或者補光燈來提升夜間監控畫面的質量，從而保障算法的準確率。此外，基礎層涵蓋了系統運行所需的服務器、存儲、網絡設備、數據機房等數據中心基礎環境，為智能監控平臺提供算力支持，良好的基礎設施是業務連續性保障的基礎。

2.2 平臺層

2.2.1視頻監控平臺

視頻監控管理平臺是一種專門用于管理和控制視頻監控系統的平臺，通過管理編碼設備，制定錄像計劃、抓圖計劃等，可以實現實時視頻監控、錄像/圖片查看等功能，平臺主要功能如下：

設備管理：管理各種監控設備和系統，包括攝像機、硬盤錄像機、監控存儲等，實現設備到平臺的接入和網絡配置。

錄像計劃：為監控點配置存儲和錄像計劃，使其按照計劃時間進行錄像。可為不同的設備配置不同的錄像存儲計劃和存儲資源池。

視頻監測：對于視頻資源的巡檢結果的應用，如視頻圖像質量監測、設備在線監測、錄像完整性監測等。

存儲管理：負責對所有監控點的錄像存儲進行管理，包括存儲空間、存儲類型、存儲資源池，錄像覆蓋策略等。

2.2.2智能分析平臺

智能分析平臺是基于視頻監控平臺獲取視頻流，通過疊加不同人工智能算法，使得傳統視頻監控系統能夠自動分析理解視頻畫面中的內容，并發出實時告警，該平臺提供的主要模塊有：

接入中心：負責將各種視頻監控設備接入到平臺中，實現設備的統一管理和控制。接入中心支持多種廠家設備協議和接口，能夠接入不同廠家的各種視頻監控設備，并對其進行批量管理和參數配置。

應用中心：向用戶提供多種智能視頻分析系統的智能應用，對告警策略進行應用配置，比如人臉識別白名單庫、行為分析的告警信息內容等，同時提供應用服務的API接口方便客戶定制個性化場景。

算法中心：提供各種智能視頻分析算法，如人臉識別、行為分析、目標檢測等。通過算法中心，用戶可以根據實際需求選擇不同的算法，對監控視頻進行分析和處理。

告警中心：負責告警規則的配置、接收和處理各種告警信息，包括：告警類型、告警位置、告警時間、告警圖片等，并且可以通過郵件、短信或其他社交軟件發送告警通知。

管理中心：管理中心主要方便用戶對系統進行全面管理和控制，從告警配置管理到平臺運維的管理，負責對整個算法分析系統進行管理和維護，包括：算法配置、服務器管理、用戶和權限的管理、日志管理、監控管理等。

報表中心：負責對智能視頻分析系統的運行數據進行統計和分析，生成各種報表和圖表，比如設備資源報表、告警統計報警、算法運行報表等。用戶可以通過報表中心查看系統的運行和告警情況等，為決策提供數據支持。

2.3 應用層

應用層是基于平臺層的功能模塊，通過各種智能監控業務邏輯來處理和展示數據，如人臉識別、行為分析、告警通知等。這些應用可以通過前端設備、WEB 頁面、APP 等方式向用戶進行展示和交互。

2.4 管理層

管理層負責對整個智能監控業務進行管理和調度，包括設備管理、用戶管理、安全管理和系統監控等方面。智能監控業務規則和告警策略也在此進行管理，以便對數據進行篩選和應用。

3 智能監控體系

智能監控體系是基于智能監控系統構建智能監控業務的一套管理體系，該體系可以根據不同業務場景來部署所需算法，從而構建各種應用場景，下面介紹體系構建的流程和幾個應用場景。

3.1 體系構建流程

第一步設備接入：首先明確需求，確定需要借助平臺算法進行智能分析的環境。根據這個環境選擇合適的監控設備接入到算法分析平臺。設備接入可通過視頻監控管理平臺的接口直接獲取設備，也可直接將設備添加到算法分析平臺。

第二步告警配置：根據所需的分析算法，配置相應的告警邏輯。比如算法分析的區域、算法分析的時間段、告警推送的時間段、告警的閾值、重復告警推送的頻率、接收告警的對象、告警的優先級等等，形成一個完整的告警配置。

第三步告警呈現：平臺產生的告警可直接在算法分析平臺內直接進行呈現并處理。如果客戶有統一的告警管理平臺，則可將相應的告警信息通過平臺接口推送到相應的告警管理平臺，比如將告警內容推送到企業微信或者飛書，讓人員能更及時的接收告警信息。

第四步告警測試：根據部署的告警邏輯和分析算法，主動觸發告警后驗證告警配置的正確性。如未按預期觸發告警則需要再次進行調試。基于以上的告警邏輯如運行正常，則可進入正常的運營階段。

第五步告警處理：在運營階段，如果產生了告警則需要安排人員進行相應的處置動作，比如人工復核告警是否誤報，如果不是誤報則需要采取相應的處置措施，形成完整一條告警業務流。

第六步數據分析：在運營中可通過報表中心對相應的數據分析，如果多次誤報則需要對算法或者告警邏輯進行優化，如果一類告警頻繁出現則加強相關的管理工作等等。

3.2 應用場景

按照上述流程完成業務構建后，便可結合人工智能技術應用至多個領域場景中，從而形成全方位的智能監控解決方案，表1 所示為一些常見的場景舉例。

表1 智能監控應用場景

3.3 提升和發展方向

算法準確率的提升。算法準確率是智能監控業務的核心價值所在，如果算法準確率不及預期，則會大大降低該業務的價值。一個成熟的算法模型需要通過海量數據的采集、標注、訓練迭代，但某些需要識別預警的場景較為復雜且為小概率事件，能夠提供的數據有限，在一定程度上影響了算法的迭代和優化。在不同客戶的應用場景中可能需要定制不同的算法，在算法訓練上可能不能提供足夠的數據支撐，從而導致準確率不足，這就需要用戶和供應商雙方約定一個算法準確率，共同協作來提高算法準確率。

開放性提升。隨著業務需求的復雜性和多樣性，對開放性集成系統的需求也在增大，用戶更需要統一的集成管理平臺，實現視頻基礎組件模塊化服務和開放接口，讓所有的視頻相關業務應用可以像積木一樣快速開發、安裝和應用，而不是維護多套功能重復的系統。

云計算服務。隨著云計算技術的不斷發展，視頻監控領域正逐漸向云端轉移。未來要將算法分析環節向云端適配，能提供公有云服務的廠商會贏得更多的市場，在提供強大的數據存儲和處理能力的同時，提升算法配置的靈活性和擴展性。

4 結語

隨著AI 技術在視頻監控領域的成熟，給傳統的監控業務帶來了巨大變化，未來更多企業和政府將會利用人工智能技術來重構傳統視頻監控業務。各個行業都可以實現智能化識別、預測預警、自主決策及響應、云端部署遠程監控等方面的技術性突破。視頻監控將突破傳統安防領域的邊界，智能監控將會在城市治理、零售、能源、交通等多個領域發揮更多的價值。