浅析人工智能视频监控系统在风洞中的应用

单永正

（中国航空工业集团公司空气动力研究院，黑龙江 哈尔滨 150000）

随着科技的进步，人工智能技术不断发展，在改变各领域智能化水平的同时，也对这些领域的现代化发展产生了巨大的推动作用，特别是在视频监控领域的应用，能够推动视频监控系统向着高清化、数字化以及智能化的方向发展，这对于视频监控系统在风洞中的监控效果的提升具有非常积极的作用。因此，针对人工智能背景下视频监控系统在风洞中的具体应用进行深入的研究是很有必要的。

1 人工智能技术

人工智能技术涉及内容较为广泛，包含人脸识别技术、虹膜识别技术、声纹识别技术、步态识别技术以及静脉识别技术等等，这些都属于典型的智能生物识别技术。其中人脸识别技术在现代社会中的应用较为广泛，主要是因为其核心算法具有较快的发展速度，具有较高的实效性，是成熟度较高的人工智能技术，所以其应用前景非常的广泛。而随着科学技术的发展，人工智能技术也逐渐成为了视频监视领域发展的重要方向，这使得智能视频监视系统被广泛的应用在了各个领域当中。

在深度学习被广泛应用以后，人像识别技术获得了更大的发展空间，例如慧视人像平台，在实践应用当中获得了较为显著的效果。该平台涉及到高性能计算、大规模运维以及人像识别算法等内容，而算法不同，其使用范围也会存在一定的差异，具体需要根据实际的视频监控工作合理的选择相关算法。

对核心算法进行创新。在对人像识别技术进行应用的过程中，需要对统计学习图以及深度学习进行融入，以此来创新核心算法，如此才能保证数据的精准性，确保在任何情况下都能获得良好的人像识别效果。

首先，在深度学习方面，人像识别的过程中通常会涉及两个方面，即人像监测定位和对比识别。因此，在获取人像特征时，可以对神经网络、变形模型、弹性模型、几何特征以及代数特征等方法进行应用，而以神经网络为基础的深度学习在人像识别当中属于较为特殊的一项，其不需要获取人工特征，就可以在样本训练期间完成学习，并获得更为准确的信息。另外，在深度学习期间，并不需要进行督促和干涉，从某种程度上来讲，是对机器学习研究的一种创新，能够将模拟人脑作为根本，所以，其在实际应用中具有较高的监控识别率。

其次，在统计学习模型方面。虽然在人工智能技术中，深度学习的应用非常广泛，但随着数据数量的不断增多，学习以及训练所要耗费的时间也在不断延长，为了对这种问题加以解决，相关领域对人工智能技术进行了相应的创新和升级，也就是在视频监控系统当中对统计学习图模型算法进行应用，通过这种方法，仅需要得到一个小样本就能确保识别的效率和精确性。所以，相比于深度学习，尽管统计学习模型的普及程度相对较低，但其作用及研究价值仍然是不容忽视的。

2 应用智能视频监控系统的优势

相比于将监控画面传送到显示屏幕，由专人值守判断是否异常的传统形式的视频监控系统，智能视频监控系统的应用优势主要有以下几点：（1）智能视频监控能够实现全天候监控。智能视频监控系统，可以全天候24小时进行可靠监控，能够实现无人监控模式，大大节约人力成本。智能视频监控系统通过嵌入在前端设备中的智能视频模块、或者中心安装的智能分析服务器，对所监控的画面进行不间断分析。（2）提高报警的精确度。智能视频监控系统前端设备可以集成强大的图像处理能力，并运行高级智能算法，使用户可以更加精确的定义视频特征，降低误报情况，避免出现大量无用视频。（3）及时处理突发事件。系统可以达到毫秒级的报警触发反应时间，并且能够设置和识别可疑活动，在安全风险发生前提示管理人员，在相关特定威胁出现前做出处理预案。（4）强大的数据检索和分析功能：能提供快速调查检索。（5）丰富的其他应用。除了能够应用在安防领域，智能视频监控系统还能够被应用到其他方面，比如姿态识别等，发挥更大作用。

综上，智能视频监控系统与传统视频监控系统对比，可以参见下表。

表1 两种视频监控系统对比

3 人工智能视角下视频监控系统的具体应用

（1）物像静态识别。从本质上来看，对物像进行静态识别的过程，实际也是对物像进行对比的过程，其主要是以物像库为基础，对物像进行对比，根据相似度进行筛选的。静态识别具有强大的分析功能，其能够从海量的数据资料当中迅速找出所需目标的资料，并对其进行相应的处理。首先对带入风洞的所有物体建立物像库，然后对风洞内物体进行物像静态识别，可以通过高新科技提高图像的清晰度，恢复物像的外部轮廓，从而实现对风洞内物体进行准确的识别，避免出现在风洞试验前带入风洞的扳手、改锥、梯子等工具遗落在风洞内从而导致发生危险的情况。

（2）人像动态识别。对人像进行动态识别，能够实现风洞门口人像的捕捉和获取，能够对风洞内人流状况进行实时的跟踪，并对人员进行轨迹查询。可以将进入风洞人的人员的体态特征以及面部特征录入到数据库当中，并在风洞范围内进行视频监控，通过智能视频监视系统，在实验开始前，将离开风洞的人员的人像数据与进入风洞时的储存数据进行对比和筛选，确认人员全部离开，避免发生有人员被误关在风洞内的情况。

（3）姿势识别。当前阶段，风洞应用范围越来越广，已经不限于传统的航空航天领域，在体育娱乐领域也已经得到了广泛的应用，相关设备以及技术手段也变得越来越成熟。例如，在为跳台滑雪运动员训练建造的跳台滑雪风洞，如果应用传统形式的视频监控系统，往往需要应用人工的方式进行监控及筛选，这不仅会增加教练员和运动员的工作量，还不能同步实时叠加天平系统采集的升力、阻力数据，影响到运动员的训练效率。而如果使用智能视频监控系统，则可以识别运动员姿势动作，并将其三维建模重构，同时可以在视频流数据中同步实时添加升力、阻力等数据，为运动员科学训练提供依据。

（4）信息查询。应用智能视频监控系统，能够对海量视频资源进行筛选和提取，从而在其中找到具有应用价值的信息，例如，跳台滑雪运动员、翼装飞行运动员以及跳伞运动员等在风洞训练的过程中，借助智能视频监控系统，教练员能够在视频监控系统中对多次训练数据进行阻力和升力的极大极小值检索，获得相应时刻的运动姿态信息，从而在最小阻力或最大升力当中确定运动员最佳姿态动作，达到科学训练的目的。

（5）突发事件的快速处理。在风洞试验中，经常会遇到各种各样的突发事件，包括设备故障，模型部件脱落，桨叶损坏，模型碰撞、运动员摔倒等，由于是突发事件，所以相关人员往往不能及时达到现场，但这种情况危害巨大，处理的越及时，就能把可能的危害程度控制的越小。所以，在遇到突发事件以后，应用智能视频监控系统，就可以实现对现场的快速临时部署，例如对风洞风机进行紧急停车、将模型紧急复位等措施，并利用视频网络对现场情况进行实时的监测和回传，使相关人员能够及时了解现场情况，实现远程指挥，达到有效控制现场，为后续工作提供有效支持的目的。

4 结语

综上所述，在人工智能背景下，将视频监控系统应用到风洞中，不仅能够提高现代视频监控系统的智能化水平，还能使其应用范围变得更加广泛。因此，风洞试验应该对智能视频监控系统保持高度的重视，不仅要结合实际情况，对智能视频监控系统进行合理的应用，还要结合现代科技的发展情况，对相关技术进行不断改进和深化，使其能够在风洞中发挥更大的作用。