大数据在视频图像信息分析中的运用

马 宁

辽宁警察学院鞍山分院，辽宁 鞍山 114051

目前视频监控系统被大范围地应用，客观真实地记录着在特定时空范围内发生着的一切，视频图像信息在公安工作中发挥着越来越重要的作用。随之而来的是，面对庞大且快速增长的视频数据，完全依赖公安民警，运用传统人力分析的模式已经不能适应当前大规模视频分析的需要，只有充分运用大数据技术，才能有效整合海量视频图像信息，切实提高视频分析的效率和精度，从而提升公安机关的打击和预防犯罪能力。

一、视频图像信息的特点

(一)数据体量巨大

首先，我国视频数据生成点的规模在不断扩大。目前我国已安装的监控摄像头已超过3000万个，而且视频监控的覆盖范围和监控点、卡口的数量正在以30%以上的增长率在快速增加。第二，高清化带来单个监控点的数据量以指数级增长。高清视频的编解码能力不断提高，导致数据生成的厚度和精度不断提升，进而导致视频数据体量增大。第三，视频监控系统正在由单摄像机监控向多摄像机监控网络转变。在“视频监控大联网”背景下，所有视频监控数据将实现深度共享和统一处理，从单摄像机监控向多摄像机监控网络系统的融合将催生更丰富的数据，使得视频数据量变得更为庞大。

(二)非结构化的数据类型

从数据类型上看，视频图像数据都是无法用二维表形式描述的非结构化数据，数据模型复杂，不能直接被计算机系统处理，从而很难从中自动分析出其蕴含的丰富信息。当案件事实涉及的时空范围比较广，需要查看分析海量的视频数据时，单纯依靠人工的方式，消耗大量的人力资源且效果也不理想。因此将海量的非结构化视频数据转化为机器能够自动处理的结构化数据，是目前视频图像信息应用的必由之路。

(三)数据价值密度低

高清摄像头24小时不停地工作，客观真实地记录着镜头覆盖范围内所发生着的一切，然而海量的视频数据中与案件有关的有价值信息往往只出现在某一瞬间，其他绝大部分时间内产生的数据所反映的信息跟案件并无关系。在视频监控业务中，数据价值密度的高低与数据总量的大小成反比。数据价值密度低的特点，决定着海量视频数据需要通过强大的机器算法，迅速地完成数据的价值“提纯”。

(四)处理效率要求高

在视频监控系统，对视频处理的效率决定了视频图像信息的价值，更低的延迟、更准确的分析是视频信息分析的普遍需求。随着视频数据体量的不断增加，即使是对TB数量级别的数据进行视频内容的分析和检索，采用传统的串行计算模式也需要花费数小时的计算，显然已经不能适应海量视频图像信息的检索和分析要求，只有借助大数据系统，提升视频图像信息的处理速度，才能满足海量数据实时分析的高效率需求。

二、视频图像信息分析中的大数据技术

(一)大规模视频解析计算技术

大规模视频解析计算技术是指“云+计算”，即云端的存储空间与海量数据的计算分析相结合。视频数据体量巨大，任何单个节点的存储设备都无法满足海量视频数据的管理要求，数据存储必须通过云存储模式解决。云存储是将网络中大量不同类型的存储设备通过软件集合起来，共同对外提供数据存储和业务访问功能的系统。视频云存储系统是将多个存储服务器的磁盘空间和内存资源聚集成一的虚拟存储资源池，对外提供整体的存储空间而屏蔽了底层的物理硬件，实现了大容量存储系统的集中管理。另一方面视频数据价值密度低而处理效率要求高，要实现海量数据的高效处理，必须借助于机器强大的计算能力。云计算是通过网络系统将庞大的计算处理程序自动分拆成无数个较小的子程序，交由多台服务器所组成的系统进行计算分析，并将处理结果回传给用户，达到和“超级计算机”同样强大的功能和服务。

(二)人像识别技术

人像识别技术作为视频图像领域的一项新兴技术，随着深度学习的引入，在公安实战应用中发挥着越来越大的作用。人像识别技术是从视频图像信息中检测出人像，提取人像特征并进行比对的过程。它是以传统的人脸识别技术为基础，依托大数据中深度学习的人像结构化算法，模拟神经网络对整体人像信息进行学习，在识别标准人脸基础上，实现对侧脸、半遮脸、模糊人脸等情况的检测，并且对视频图像中的人像信息进行结构化处理，实现对可疑人员的身高体态、步频步速、习惯性动作、异常行为等特征信息进行实时识别。综合人脸与人体特征信息，通过整体特征比对进行识别判断，实现人像智能存储、检索和比对，由像到人，查明人员真实身份，进而实施有效预警和防范打击。

(三)视频结构化描述

视频图像信息是计算机不能直接分析和处理的非结构化数据，视频结构化描述是通过时空分割、对象识别、特征提取等方法对原始视频数据中关注的人员、车辆、行为进行智能分析，提取出关键信息，并组织成计算机系统可以分析和处理的结构化数据的过程[1]。对于人员的描述包括人员的面部精确定位、面部特征提取、面部特征比对，人员的性别、年龄范围、大致身高、发饰、衣着、物品携带、步履形态等多种可结构化描述信息；对于车辆的描述信息包括：车牌、车颜色、车型、品牌、子品牌、车贴、车饰物信息等多种车辆描述信息；对于行为的描述信息包括：越界、区域、徘徊、遗留、聚集等多种行为描述信息。视频结构化处理后，在结构化数据基础上进行检索查询，既满足了快速目标查找的要求，同时又大大降低了存储容量，解决了视频长期存储的问题。

三、大数据在视频图像信息分析中的运用

(一)人、车、物品特征辨认

所谓特征辨认是对视频图像信息中犯罪嫌疑人的体貌特征、步态特征、行为举止特征或对可疑车辆车标、型号、年款、年检标志、车内挂件、摆件等特征以及可疑物品的形状、尺寸、大小、颜色等特征进行刻画[2]，依托大规模视频解析计算技术，通过人像识别、视频结构化描述等技术实现对视频图像信息进行自动分析、提取和比对，并结合辨认、摸排等传统侦查措施，将特定的目标从海量视频背景信息中分离出来，进而确定进一步分析的目标，提高整个案件侦办的效率和水平。

(二)人员关系多维分析

将汇集到系统中的人脸、人体特征信息和结构化属性信息进行深度的数据分析，整合公安系统内常驻人口、暂住人口、全国在逃、重点人员以及其他各类资源库内数据，构成以时间、地点、特征为基础的人员排

查、布控大数据视频应用系统。对目标群体内部人员之间的未知关系进行梳理和确认，通过人员活动轨迹、区域内频繁出没分析、人员出现频次分析、人员之间伴随关系分析、特定区域碰撞分析、人员落脚点分析等多个不同维度，快速分析出群体内各个目标对象之间存在的关联关系。

(三)车辆轨迹时空分析

将汇集到系统中的所有与可疑车辆相关的视频图像信息和结构化属性信息进行深度的数据分析，整合公安系统内被盗抢汽车信息库、车驾管库等系统数据，构建以时间、地点、车牌、车型、特征为基础的车辆分析排查、布控大数据视频应用系统。以可疑车辆为关系主体，通过车辆活动轨迹分析、车辆出现频次分析、车辆尾随跟踪分析、特殊区域徘徊分析、昼伏夜出情况分析、车辆落脚点分析等车辆轨迹时空分析，快速分析出车辆之间相关关系、车辆与人员之间关系等，由车到人进一步锁定可疑人员。

传统视频监控系统解决的是“看得见”的问题，高清摄像设备解决了系统“看得清”的问题，大数据在视频图像信息分析中的运用，实现了对海量视频图像信息的关键信息提取、自动比对、智能分析和深度挖掘，解决了系统“看得懂”的问题，节约了警力资源，提高了工作效能，是视频监控系统发挥其最大效能的必然选择。