Page 172 - 75202_安防5月刊

C Cutting-edge Technology
前沿技术

视频结构化技术

在安防行业的深度应用

□ 文 / 周井泉

随着科技的进步，视频监控领域的技术也在不 跟踪，并从整个跟踪过程中获取一张高质量图片作
停进步，已经从传统的预览、回放发展到在视频中智 为该目标的抓拍图片。在目标跟踪过程中主要应用
能提取有效目标信息，也就是视频结构化技术。 到多目标跟踪、目标融合以及目标评分技术。
视频结构化技术已成为安防行业非常流行的技 目标属性提取过程是对已经检测到的目标图片
术。所谓的视频结构化技术，简单理解就是通过智 中目标属性的识别，判断该目标具有哪些可视化的
能分析算法，从原始视频文件中自动检测场景中的 特征属性，例如人员目标的性别、年龄、着装，车辆
运动目标，包括人员目标和车辆目标，并分析提取该 目标的车型、颜色等属性。目标属性提取过程主要应
目标的属性信息，如人员性别、是否背包、是否戴帽 用基于深度学习网络结构的特征提取和分类技术。
子等，以及车辆颜色、车牌号码、车辆品牌等。
视频结构化评价指标
视频结构化技术模块 目标的检出率
视频结构化技术融合了机器视觉、图像处理、 目标检出率在视频结构化产品的应用中意义非
模式识别、机器学习等最前沿的人工智能技术，随 常重大，被关注的目标在某个场景内出现而未被检
着深度学习技术的发展和硬件设备性能的提升，基 测到，直接导致整个视频结构化分析结果无效，并
于 GPU 架构的深度学习应用方案已经相对比较成 且误导用户以为目标确实没有出现过，而目标是否出
熟。视频结构化分析的过程可以简单理解成三个模块： 现又是事先未知的，需要回到原始的办法——人工

目标检测、目标跟踪和目标属性提取。 看视频查找。导致目标漏检的原因很多，包括目标过小、
目标检测过程是从视频中提取出前景目标，然 光照不足、运动模糊、目标出现时间过短等因素。
后识别出前景目标是有效目标（如：人员、车辆、人 目标识别准确率
脸等）还是无效目标（如：树叶、阴影、光线等）。在 想要通过属性检索快速锁定所关注的目标，就
目标检测过程主要应用到运动目标检测、人脸检测 必须要求属性判断准确率高。然而，对于那些成像
和车辆检测等技术。 质量不好或者尺寸过小的目标，往往很难准确的判
目标跟踪过程是实现特定目标在场景中的持续 断其属性（即使肉眼也很难分辨）。属性判断有误导

152 第七届深圳国际智能交通与卫星导航位置服务展览会(2018.6.22-6.24深圳会展中心)www.its-expo.com

భခ࠯ඌ JOEE