基于云计算的视频监控和资源整合优化系统

孙 伟

（1.苏州工业职业技术学院 软件与服务外包学院，江苏 苏州 215104；2.苏州大学 计算机科学与技术学院，江苏 苏州 215006）

基于云计算的视频监控和资源整合优化系统

孙 伟1，2

（1.苏州工业职业技术学院 软件与服务外包学院，江苏 苏州 215104；2.苏州大学 计算机科学与技术学院，江苏 苏州 215006）

视频监控系统在日常生活中担当着越来越重要的作用，将云计算技术应用于视频监控系统中，以此构建了基于云计算的视频监控和资源整合优化系统；然后，改进了视频监控中的一个重要的算法—动态目标检测算法，以提高视频监控的准确性；最后，研究了如何对于云计算平台中的服务器资源进行整合优化，并对所实现的系统进行了测试，结果表明，该系统可以提高视频监控的准确性和服务器的响应时间。

云计算；视频监控；资源整合；动态目标检测

目前，平安城市、智慧城市的建设工作正在如火如荼地开展，随着视频监控的规模越来越庞大，随之也带来很多问题，如何通过现代通信、网络技术将各个区域内的各项关系安全的视频资源进行整合以及如何利用物联网、云计算等相关技术将视频监控数据进行统一管理，已经是一个急需解决的问题[1]。

1）摄像头的数目异常庞大，视频的数据量仅靠纯人工监控已经变得不现实，同时数据存储和网络传输等方面带来很大的压力[2-3]。因此，现代化的大规模视频监控系统势必要引入一个高效的处理分析系统。

2）在视频监控系统的建模过程中，由于系统分析或者其他原因会导致部分摄像头、服务器等资源闲置或者紧缺的现象，这样会造成资源配置不合理[4]。

3）各种监控系统各自为政，缺乏有效整合资源的能力[5]。

基于上述原因，本文提出了一种基于云计算技术的视频监控系统，并且将云计算平台应用于视频监控和资源整合优化。

1 系统模型设计

视频监控系统借助云计算平台强大的计算处理能力，在设备兼容、服务器的数量以及区域联网等方面有其独特的优越性。本系统主要由以下模块组成：视频采集模块、数据存储模块、云计算资源优化模块以及客户端组成。

其中，视频采集模块采用流媒体技术，将采集到的视频信息通过网络连接将视频信息压缩后放置到服务器上，并采用流媒体技术使用户边下边看，以缓解客户端主机处理的压力。

数据存储模块主要用于对视频文件进行备份存储，并可以对视频采集设备如摄像头等发送指令，采集设备可以将视频文件传输到存储模块进行数据备份。

云计算资源优化模块可以提供用户管理和权限的分配，并能够对其定期进行统计分析，并基于各种参数的统计分析结果，有效地整合计算机资源，提高设备的利用率[6-7]。系统框架如图1所示。

图1 系统框架图

2 系统关键技术

2.1 云计算资源整合优化方法

在视频监控系统中，可以依据时间的类别和监控的用途来对监控事件进行分类，如消防突发事件、治安突发事件及交通突发事件等。本系统的云计算资源整合优化方法具体可以描述为：

1）采集监控范围内的视频信息，根据不同的突发事件类型划分将视频存入数据库或者进入下述处理。

2）将第1）步中获得的突发事件存入至缓冲分析队列，并向云计算资源优化模块发出分析请求指令，云计算资源优化模块可以读取突发事件的视频，并根据其不同的事件类型和预定的分析算法对于突发事件进行分析计算，并将分析的结果和原始的视频信息按照预定的规则存储到数据存储模块。

3）云计算资源优化模块定期地对于突发事件的类别、视频流编码码率以及各服务器的计算能力或视频来源的地理位置灯预定的参数信息进行分析统计。其中，分析统计的步骤如下：

由上述的预定参数信息计算得到服务器的利用率；

根据服务器的利用率和个数计算缓冲分析队列中突发事件视频的对应概率；

计算处于缓冲分析队列中队列长度的数学期望值；

根据缓冲分析队列长度的期望值计算突发事件视频的平均处理的时间；

计算得到满足平均处理时间的最小的服务器的数目。

4）根据3）中的分析计算结果调整云计算平台中的虚拟服务器的数目。

5）周期性地重复上述步骤，以保证平台中各设备的利用率[8-10]。

2.2 云计算资源整合优化方法

本文的视频监控系统融合了云计算技术，能够通过划分视频段、图像识别等技术实现视频监控并能够准确地识别视频突发事件以及运动目标[11]。具体实现方法如下（见图2）：

1）采集监控区域内的实时视频信息，并将此视频信息进行视频段的划分；

2）分理处理视频段中每帧的图像信息，检测是否存在运动目标，如存在则选取代表帧的图像信息发送至云计算资源优化模块；

3）云计算资源优化模块根据预定信息转发代表帧图像至用户的客户端，客户端进行自动或人工识别，并发送结果至云计算资源优化模块；

4）云计算资源优化模块对于突发的事件识别后，能够报警或者进行处理。

图2 监控系统实现方法

2.3 动态目标检测方法

动态目标的检测是视频监控系统的重要技术之一，传统的动态目标检测主要使用帧差法、背景差法、光流法等。本文的视频监控系统融合帧差法和背景差法两种方法，主要分为以下几个步骤：

1）背景帧的提取方法

根据目标在视频帧中出现的情况可以大体分为，前N帧中出现目标和前N帧中没有出现目标。对于第一种情况，由于背景可能发生了很大的变化，采用了众值法和中值法结合的方法来提取背景，将N帧的像素值的中值和众值求和并取其平均值，并将结果作为提取出的背景。通过此种方法可以有效地解决众值法带来的残影问题[12-13]。对于第二种情况，则仅仅采取众值法来提取背景，以减小计算的复杂度。

2）背景的更新方法

背景一直是处于变化之中的，因此为了保证视频监控系统的准确性需要定期地对背景进行更新处理[14-15]。本系统采取的背景更新方法使用加权融合旧背景得到新背景，其计算公式如下所示：

式中：BackGcur（x，y）表示当前帧提取的背景；BackGcur-1（x，y）为前一帧提取的背景；a表示加权率。其中，加权率的选取至关重要，经过大量的实验数据，本文提取了两种情况下的加权率分别为0.35和0.15。

3）二值化法阈值的选取方法

阈值对于图像的二值化处理具有至关重要的影响，本文系统采用根据不同的情况选取不同的阈值来对图像进行二值化处理。

首先，在前景目标图像的二值化阈值选取时，选取较小的阈值；其次，将检测后的图像分为不同的区域，并根据判断区域是否为主要区域设置不同的阈值，如对于主要区域选取较小的阈值，而对于其他区域则选取较大的阈值。本系统采取重要程度函数的方法来判断区域是否是主要目标所在区域。其中重要程度函数为二值化后各区域内像素值的总和/区域大小。

如将图像分为N个区域，各区域分别为S1～SN，则重要程度函数为

式中：S为各个区域的面积；I表示二值化之后的像素值。因此，二值化后图像中重要程度函数最大的区域就是目标所在的主要区域。而当目标存在于多个区域时，则可以合并相邻的几个区域并进行后续的处理。对于最终得到的结果中目标存在的区域采用较小的阈值，这样能够尽可能地保证检测到的目标能够完整地被选取；而对于剩下的区域，则可以采用较小的阈值，以减小计算量并消除噪声。

3 系统测试

测试基于云计算平台下的视频监控和资源优化系统，打开系统软件，其系统界面如图3所示。

图3 系统界面（截图）

系统可以采集每一个监控点的视频画面，并进行视频数据的传输、回访等操作，并能够实现定时地调整服务器开启的数量以实现功耗的节约。并且测试结果表明，本系统的CPU、内存的利用率以及服务器的响应时间等参数都在预定范围内。通过测试表明，本文实现的系统能够明显地改善视频图像的播放速度以及质量，并拥有较强的数据处理能力，整个系统能够高效并稳定的运行。

4 小结

随着视频的高清化，视频监控系统逐渐向着信息化、智能化的方向发展。因此，需要拥有很大的计算能力，云计算技术运用于其中是必然的趋势。基于云计算的视频监控系统既拥有计算并分析海量数据的能力，又能够满足视频系统的数据量越来越大的需求。同时，也可以在不同的地点对于视频信息进行共享。因此，将云计算和资源整合的技术应用于视频监控系统，能够提高视频的质量和系统的反应速度。

[1] 张艳红，程允丽.城市视频监控系统的研究[J].电视技术，2012，36（21）：160-161.

[2] 王勇，周金和.基于私有云的远程视频监控系统设计[J].电视技术，2013，37（S2）：440-443.

[3] ZHAO Z F，CUI X J，ZHANG H Q.Cloud storage technology in video surveillance[J].Advanced Materials Research，2012（532）：1334-1338.

[4] LIU H，TANG C，WU S，et al.Real-time video surveillance for large scenes[C]//Proc.2011 International Conference on Wireless Communications and Signal Processing（WCSP 2011）.[S.l.]：IEEE Press，2011：1-4.

[5] 于伯寅.基于云计算的港口视频监控系统的研究[D].大连：大连海事大学，2013.

[6]方权亮，余谅.基于云计算的智能高清视频监控系统研究[J].微型机与应用，2013（3）：90-92.

[7]CUCCHIARA R，PRATI A，VEZZANI R.Designing video surveil⁃lance systems as services[C]//Proc.2nd Workshop on Video Sur⁃veillance Projects in Italy（VISIT’11）.[S.l.]：IEEE Press，2011：11-13.

[8] WU P J，KAO Y C.Computing resource minimization with con⁃tent-aware workload estimation in cloud-based surveillance sys⁃tems[C]//Proc.2014 IEEE International Conference on Acoustics，Speech and Signal Processing（ICASSP 2014）.[S.l.]：IEEE Press，2014：5017-5020.

[9] OH S，HOOGS A，PERERA A，et al.A large-scale benchmark dataset for event recognition in surveillance video[C]//Proc.2011 IEEE Conference on Computer Vision and Pattern Recognition（CVPR2011）.[S.l.]：IEEE Press，2011：3153-3160.

[10] 刘建益.云计算技术在城市视频监控系统中的应用[J].中国安防，2014（Z1）：95-97.

[11] 张海天.基于云的大规模高清视频监控系统[D].南京：南京邮电大学，2013.

[12]TASVAKKOLI M N，WANG J，BEBIS G.Applications in video surveillance[J].Background Modeling and Foreground Detection for Video Surveillance，2014（4）：15-18.

[13]WANG L，ZHU H，AGHDASI F，et al.Cloud-based video sur⁃veillance management system：U.S.，13/335，591[P].2011-12-22.

[14]安磊.基于帧差法和背景减除法的视频监控系统设计[D].西安：西安科技大学，2013.

[15] WU P J，KAO Y C.Computing resource minimization with con⁃tent-aware workload estimation in cloud-based surveillance sys⁃tems[C]//Proc.2014 IEEE International Conference on Acous⁃tics，Speech and Signal Processing（ICASSP 2014）.[S.l.]：IEEE Press，2014：5017-5020.

Video Surveillance and Resource Integration System Based on Cloud Computing

SUN Wei1，2
（1.Institute of Software and Service Outsourcing，Suzhou Institute of Industrial Technology，Jiangsu Suzhou 215104，China；2.School of Computer Science&Technology，Soochow University，Jiangsu Suzhou 215006，China）

Video surveillance system is playing an increasingly important role in our life.The cloud computing technology into system is builtin thispaperand the video surveillance and resource integration system is coustructed.And then an important algorithm in video surveillance system is improved.Moving Target Detecting Algorithm，in order to improve the accuracy of the system.Last but not least，this paper researches how to integrate resources of the survey in the cloud computing platform and test the performance of the system.The results show that the system can improve the accuracy and responding time of the server.

cloud computing；video surveillance；resource integration；moving target detecting

TP391

A

10.16280/j.videoe.2015.08.011

2014-08-15

【本文献信息】孙伟.基于云计算的视频监控和资源整合优化系统[J].电视技术，2015，39（8）.

国家自然科学基金项目（61170125）；江苏省高等职业院校国内高级访问学者计划资助项目（2013-FX033）；江苏省教育技术研究所重点项目（2012-R-22370）

孙 伟（1974—），副教授，硕士，CCF会员，主研传感技术、移动技术、异构数据库。

责任编辑：时 雯