关于提高摄像机利用率的方法研究

何丹娜 黄磊 王伟

1. 四创电子股份有限公司 2. 安徽省合肥市公安局

引言

“城市安全”已成为衡量老百姓生活品质和幸福度的一项重要指标，而视频监控无疑是保障城市安全的重要技术手段之一。以合肥市为例，在城市主干道路、重要场所、重点区域周边已实现“全网共享、全时可用、全程可控”，在城市治理和安全保障方面发挥着重要作用。

但在实际应用中，存在少量摄像机因选点不合理或受周边环境影响导致使用效能不高的问题，从而浪费硬件资源，影响整个视频体系的应用成效。因此需要一种快捷的判定方法，可对上述摄像机进行快速判定和筛选，从而为摄像机的移建和整改提供依据。

一、新型摄像机利用率判定方法

目前，针对摄像机点位选取已有相关的研究，提出从视频资源的覆盖度指标、摄像机的有效距离设置和视频资源的布点目标进行总体把控[1]。在这个基础上，又提出结合单个摄像机覆盖情况和区域点位密度综合进行点位布局规划[2]，并结合本城市特点提出“圈块格线点”前端点位布局模型[3]。

上述均从宏观上为视频资源的总体规划和布局提供了实现路径，存在的不足之处是无法进一步验证单个摄像机选点的合理性，是否满足实际业务使用的需要。为此，本文提出的方法重点针对已建摄像机，从实际业务出发，通过摄像机利用率反推其架设的合理性。

摄像机利用率最直观的反应在视频播放量上，视频架设位置合理且图像有效信息高的视频播放量大，视频架设位置不合理或架设位置合理图像有效信息低的视频播放量小。可通过在视频管理平台中增加摄像机操作记录，用来统计摄像机实时视频点击播放次数，同时考虑操作用户的筛选，过滤非业务用户的操作数据，得出摄像机每日的实时视频播放量，连续一定时间进行实时视频播放量的记录统计，得出该摄像机的播放量数组，取数组平均值得出该摄像机的播放均值。对于多个摄像机，在指定时间段内获取到一组播放均值，针对这组播放均值再次计算其均值和标准差，从而动态设置置信区间。当某摄像机的播放均值低于置信区间的最小值，则将该摄像机标签自动设置为利用率异常，支持人工二次判断，对标签进行重定义。

具体判定步骤如图1所示，获取每个摄像机每日实时播放量并记录，在一段时间周期内可获得每个摄像机的一个播放量数组，数组中每个数值对应该摄像机每天的播放量，接下来对每个数组分别计算均值，将所有数组的均值生成一个均值数组，进一步计算该数组的均值和标准差，并通过均值和标准差设置播放量置信区间，最后将均值数组中每个数值与置信区间进行比对，如果小于该区间的最小值，则其对应的摄像机将会标记为利用率异常。

在应用展示方面，可以区域分为单位进行辖区利用率异常摄像机的统计，形成各区利用率异常摄像机统计分布图，从而有助于优化摄像机分布，进行合理迁建。同时，通过对累积统计数据的环比、同比分析，实现对优化调整的整体评价。

依托单个摄像机在一定时间段内的视频播放量数组，可依次计算两两之间的差值并取绝对值，形成播放差值数组，计算其均值和标准差，动态生成播放差值的置信区间。当播放差值超过置信区间时，自动获取播放差值对应的两个视频播放量及其属性信息，给出播放量异常提示。此时可能是播放量的骤增或骤降，对于骤增的情况则可能该摄像机周边发生重大事件，在这个时间点内进行频繁调阅；对于骤降的情况，则可能该摄像机自身离线或出现故障，导致播放量急速降低。对于摄像机播放量数据足够多的情况下可生成该摄像机的播放预测曲线，提前获知其应用情况。

具体判定步骤如图2所示，同样，先获取每个摄像机在一段时间周期内的播放量数组，接下来对每个数组分别按照顺序从第一位数值开始，计算与后一位数值的差值并取绝对值，依此类推，从而获得播放差值数组，计算其均值和标准差，并通过均值和标准差设置播放差值置信区间，最后将播放差值数组中每个差值与置信区间进行比对，如果不在区间内，则其差值对应相减的两个播放量记为播放量异常，从而锁定具体异常的情况，便于定位和处理。

上述方法也可应用到抓拍量分析中，通过对每日抓拍量和一定时间的抓拍均值进行分析，可获取抓拍异常卡口，从而指导卡口布局的优化。

二、实验对比

目前针对各类视频建设系统的维护，主要还是集中在摄像机在线率的自动监测，可实时进行摄像机离线状态的监测和预警，同时还可对摄像机图像质量进行轮巡分析，对画面黑屏、花屏、颜色异常、模糊等现象进行分析和预警。但对单个摄像机利用率的监测尚未有成熟的系统或功能，一般通过人工巡检的方式进行发现，并将发现的不合规情形进行上报。以1万路摄像机为例，打开一路视频的时间约为2秒（视频流经底层存储、区级视频平台、市级视频汇聚平台到应用平台），人工全部巡检一遍的时间约为2万秒（约为333.33分钟）。

采用本文所提的方法，模拟1万路摄像机的播放量，通过代码分析得出利用率不合理 点位的结果，所需时间约为305毫秒，可根据结果中播放量关联的摄像机编码锁定具体的摄像机；并对播放量异常情况进行分析，所需时间为376毫秒，除了可根据结果中播放量关联的摄像机编码锁定具体的摄像机，还可根据结果中分析的播放量关联定位具体的日期。在实际使用中，由于整体服务的部署环境等因素，运行时间将会有所延长，但一般不超过秒级。

目前，本文提到的方法已在部分地市视频运维系统中进行应用，通过日志数据进行播放量的统计分析，从而筛选利用率异常位置及播放量异常情况，实现精准预警提示，从而提升整个视频监控系统运行和监管的效率，做到智能发现、高效处理。

三、结语

城市级视频建设系统庞大而繁杂，涉及运维的对象繁多，如何实现设备监管智能化、故障处置流程化、运维过程数据化、考核管理自动化是运维工作的核心。当前的运维管理还处在人工管理向智能管理过渡的阶段，过多依赖于设备性能指标的监测，缺少与运维业务的有机结合，使得监测结果无法真正服务于运维工作。

视频建设系统特别是大型系统的运维工作，应结合实际使用情况，以服务于业务应用为目的，进行运维对象和监控指标的合理设置，不断深入总结业务需求点，延伸出运维关注点，并从技术和业务两个维度探讨运维监测方式，从而真正为系统运维管理服务，为实战应用服务。