浅析视频结构化在公安领域中的应用

□文/王炜 李雁

随着AI技术在安防行业的落地，基于视频图像分析的人工智能技术的发展逐渐变得成熟，包括人脸识别，车辆识别，人体识别等技术逐渐被应用在安防行业中的各个领域，同样，视频结构化技术也不例外，近两年也犹如雨后春笋般在安防行业应运而生，尤其是在公安领域中发挥了重要的作用。

安防监控行业的现状分析

视频监控是安防行业的核心，已成为治安防控、侦查破案的重要手段。在公安机关部署视频监控系统的前期，虽然在一定程度上实现了警务信息化，提高了工作效率，但随着视频监控系统规模的不断扩大、公安信息化应用的持续深入和公安机关业务需求的日益增长，现有的视频监控系统已经不能满足，普遍存在“注重数量，轻视应用”的现象，面对数量巨大的视频监控图像数据，人工操作无法及时获取有价值的信息，没有针对性的智能技术做支撑，案发后人工调阅方式耗时耗力，大量视频还未经梳理便因存储时间限制而被循环覆盖，巨大的图像资源缺乏深度应用模式，未能得到充分挖掘利用，严重影响了监控系统的建设成效，降低了公安机关的核心战斗力。因此，如何让计算机自动“理解”视频，实现对海量视频图像资源快速而有效的管理成为公安研究领域一个亟需解决的重要问题。

视频结构化在公安领域应用的必要性

在警务应用和视频侦查实战中，视频监控系统主要关注人、车等活动目标，在刑侦破案中也往往根据关键区域视频中的人、车等关键信息来分析疑犯去向和相关线索。海量的视频数据作为物联网视觉感知的重要基础资源，提供了大量的图像信息，在公共安全领域发挥着越来越重要的作用。但也存在不足，具体表现在以下几方面：

视频监控视频调阅耗时耗力，以人工方式进行检索，效率低下。现有的高清视频图像仅仅停留在事后查看的层面，远没有被利用起来。通过人为的数据回溯，不仅占用了大量的人力、物力和时间，同时由于人员能力的差异也会导致针对视频的认知偏差。如何解决海量视频监控数据与人力分析瓶颈之间的矛盾是技术升级的主要方向。

按照公安机关对视频监控系统建设的相关规定，一般要求视频监控系统具备至少30天连续视频图像存储能力，并能自动循环覆盖存储。实际工作中，只有在查处重要案事件时才会调阅视频监控资源，查找嫌疑人或可疑物品，并随案保存相应视频资料。多数视频图像没有经过信息梳理、采集、保存使用，有价值的视频图像信息存在被覆盖、被流失、被放弃等问题，造成大量有价信息淹没于数据海洋中，成为数据垃圾，严重降低了视频监控系统的建设成效。

现有视频监控系统更多的起到的只是“威慑”作用，当真正有案件发生时，受到存储时间不够以及人力资源不足的影响，很多案事件不能得到及时有效的处理，存在缺乏深度应用模式、视频数据智慧化程度不高等突出问题。随着智能化技术普及使用，市场渐渐不再满足于现有的智能化技术种类，如何通过对视频内容的分析和处理，快速准确地发现有效线索，充分发挥视频资源的作用是当前迫切需要解决的问题。

视频结构化在公安领域中的应用

视频结构化既是海量视频实现信息化、情报化转化行之有效的技术，也是当前公共安全领域中对视频结构化处理的一个指向性方案。在视频结构化描述的内容方面，公共安全关注的视频信息主要是：人员、车辆、行为。当前，许多国内监控企业正在全面开展视频结构化技术研究和产品开发，可以实现同时提取视频中人员、车辆、行为的特征信息。对于人员的特征信息包括：性别、年龄段、上身颜色、上身纹理、下身颜色、下身类别、头部特征、附属物品、目标方向、目标速度等；对于车辆的特征信息包括：车牌、车身颜色、车型、车辆品牌、子品牌、车贴、车饰物信息等；对于行为的特征信息包括：越界、区域、徘徊、遗留、聚集等。通过对视频中人员、车辆、行为的结构化特征信息提取，可解决不同种类目标的特征识别和快速检索，以实现预警、布控、研判等多种应用，提高办案效率。

经过视频结构化处理后，可以达到如下目的：

首先是视频查找速度得到极大的提升。视频结构化之后，从百万级的目标库中（对应数百到一千小时的高清视频）查找某张截图上的行人嫌疑目标，数秒即可完成，在结构化基础上进行检索查询，可以解决快速目标查找问题。

其次，结构化视频数据的存储占比可以极大的降低。经过结构化后的视频，存储人的结构化检索信息和目标数据不到视频数据量的2%；对于车辆，不到1%；而对于行为的则降得更多。存储容量极大地降低，可以解决视频长期占用存储空间的问题

最后，视频结构化可以盘活视频数据，可作为数据挖掘基础，视频经过结构化处理后，存入相应的结构化数据库和结构化视频图像资源服务器，对各类的结构化数据库可以进行深度的数据挖掘，充分发挥大数据作用，提升视频数据的应用价值，提高视频数据的分析和预测功能。

视频结构化需要突破的瓶颈

海量的视频图像数据是公共安全部门信息化建设中积累的重要数据，通过对视频内容的分析和处理，快速准确的发现有效线索，能够充分发挥视频资源的作用。然而，在公安信息化建设深入开展的背景下，现有视频资源缺乏深度应用的模式，其应用的瓶颈是视频信息如何高效提取，如何同其他信息系统进行标准数据交换、互联互通及语义互操作。解决这一问题的核心技术即是视频结构化技术。但是作为一项视频处理的核心技术，目前仍有部分瓶颈需要突破。

首先是视频结构化核心算法技术的突破。视频结构化技术与视频智能分析技术息息相关，但是当下视频智能分析技术受到各种应用环境的制约，以人脸识别为例，当下的人脸识别多半是配合式、重复式应用场景，在这种应用场景下，人脸的识别率基本能达到实用要求，而在无配合、多人脸、动态视频的场景下就很难达到实用目标。为了解决这类问题，人脸识别的算法也从最初的模式识别进化到深度的神经元网络学习模式，使得人脸检测和识别的准确度大大地提高，但是由此带来的负面效应也相当明显，首当其冲的就是运算复杂度的提升，需要耗费大量的计算资源，针对这一瓶颈很多监控企业推出了各种解决方案，如计算前端推移，后端借助GPU实现集群化计算等，所有的这些方向都为后续的视频结构化的实际应用做前瞻，实现高效精准的视频结构化技术成为今后一段时间各个算法研究机构的努力方向。

其次是视频结构化数据存储，检索和应用技术，随着数据容量的快速增长，如何实现视频结构化数据的大容量、高效存储、高效检索以及快速实现数据应用，为最终用户提供高效灵活的服务，都将成为今后各大视频监控企业面临的问题。

再次是顶层设计，构建标准体系。通过对视频结构化技术自身特点和应用模式的研究，建立有关视频结构化的标准体系模型，制定覆盖技术实现和应用系统的标准化体系，有步骤地制定相关标准，以规范技术研究和设备开发，指导系统建设、运行以及评估的各个方面，从源头上为视频信息情报化应用的全面展开打好基础。

最后是视频结构化数据应用大平台建设，随着视频结构化技术的日趋成熟，如何采集和管理这些巨量的视频结构化数据，如何面向公共安全部门提供快速、高效、专业、个性化的服务也是摆在服务商与业主面前的难题。例如许多监控企业采用“云”和“大数据”框架模型做视频结构化技术的平台架构来满足大数据量的数据存储、生命周期管理以及数据的快速响应。

视频结构化技术的发展趋势

随着近年视频监控系统的建设，社会上已经存在巨量的视频数据并且仍然在成指数倍增长。从海量视频到结构化技术提取关键信息数据，再到大数据平台及其行业应用，这个是监控企业的产品发展主线，也代表了新时期下关乎于安防创新的新思路。视频结构化技术紧紧贴合视频内容的分析、提取，将非结构化视频数据处理成可供快速检索定位的信息化数据。随着视频结构化技术的发展和成熟，必然为视频数据的信息化、情报化、智能化提供强有力的支撑，变视频的“被动防御”为“主动识别”。全面实现监控视频信息的情报化、视频监控网络的智慧化，强化警务视频应用的普适性；全方位拓展视频在警务工作中的应用模式，大幅度提高技术的易用性，实现以业务民警为中心的随时随地的灵活、简单、多样的视频按需服务应用。未来，视频结构化技术还需要构建自身的标准化发展体系，不断突破与创新，将智能安防推向更高的发展层次。