Page 174 - 75202_安防5月刊

C Cutting-edge Technology
前沿技术

与智能分析技术的关系 视频结构化技术存在的问题
在安防行业，视频结构化技术同样属于智能分 现阶段，视频结构化技术的应用场景除了人脸
析技术，可以理解为对原有智能分析技术的补充。原 卡口场景和车辆卡口场景，最多的应用场景还是治
有的智能分析技术是通过事先定义异常事件规则， 安场景。由于人脸卡口和车辆卡口对于前端相机参数
然后对视频中目标运动行为进行智能分析来判断是 和相机的安装规范和场景的选择都有非常高的要求，
否属于异常事件。它更多的是关注于事件本身，例如 因此在实际应用中可以最大程度的避免外界干扰对
是否有人员目标进入到某个区域，是否有车辆目标 算法性能的影响。然而，对于治安场景而言，相机安
出现违法停车或者非法变道等。智能分析的主要应 装没有统一规范，应用场景复杂多样，前端相机性能

用是异常事件实时布控，确保异常事件发生后第一 参差不齐。因此，视频结构化技术在治安场景下的实
时间能告知用户。而视频结构化技术是将视频场景 际应用中还面临着许许多多的问题。主要包括：
中的运动目标检测出来并提取该目标的可视化特征。 治安场景覆盖范围大，场景目标尺寸过小。特别
它更多的是关注于目标本身，例如车辆目标的颜色和 是大场景下远处的目标，即便是肉眼也很难辨认，目
类型，人员目标的性别、年龄、着装等。视频结构化 前的算法对于这类目标的检测效果比较差，更别说
技术的主要应用是目标的追踪，搜索出目标可能出现 提出该目标的属性信息；
的所有位置，生成目标的活动轨迹。当然，视频结构 场景中遮挡问题。视频结构化技术完全依赖于
化技术也可以和原有的智能分析技术结合应用。例 视频图像，一旦目标被遮挡，那算法也无能为力。在
如通过实现录入，可以对人员和车辆的图片进行实 治安场景下，往往存在树叶、树木、建筑物的遮挡，
时目标布控，当布控人员或车辆出现在监控画面中 或者是大目标遮挡小目标等情况；
时可以第一时间告知用户，人脸卡口的实时报警系统 低照度问题。对于卡口场景，夜间会有相机的补
就是其中最为典型的一个例子。 光措施。但是，对于普通的监控相机一般是不具备补
光功能，因此在夜间或者照度很低的情况下，往往容
视频结构化技术的现状 易出现目标检测不到或者目标属性无法提取的情况；
随着视频结构化技术在安防领域的兴起，越来 运动模糊问题。在某些情况下，场景的光照不是

越多的公司开始在视频结构化技术领域投入研发资 特别充足，由于相机的曝光时间设置较长或者目标
源。其中，海康威视在视频结构化实战应用中走在队 运动速度较快，会导致目标出现非常严重的运动模糊。
伍的前列，海康威视已经推出了自己的视频结构化产 针对这类模糊的目标，检测效果往往比较差；
品——猎鹰，该产品基于高密度的 GPU 硬件方案， 人员过于拥挤的场景。对于某些场景，如火车站
并采用国际领先的深度学习网络框架的人工智能学 广场，人员非常拥挤，人员之间的遮挡非常严重。对
习算法，单台设备支持 40 路实时视频结构化分析或 于这类场景对于算法的效果影响也非常大。
40 倍历史录像结构化分析。猎鹰所采用的先进算法
在复杂的治安场景下仍具有良好的适用性，精确捕 作者单位：杭州海康威视数字技术股份有限公司
获各类场景中出现的目标和目标属性。设备支持多目
标按属性进行检索，筛选出用户所关心的目标，提高
用户的查询效率。

154 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