视频AI识别预警在水环境管控中的应用探讨

2023-03-06李翠萍王利平管运涛

智能城市 2023年11期

李翠萍王利平管运涛

（1.清华大学深圳国际研究生院，广东深圳 518055；2.万科企业股份有限公司，广东深圳 518000；3.深圳市万物云城空间运营管理有限公司，广东深圳 518049）

视频监控被广泛应用于道路、建筑、公园绿地、工业厂房等众多场所，为交通安全、社会治安、物业服务、生产管理等各领域提供保障。随着通信技术、人工智能（AI）的发展，视频监控向着高清化、网络化、智能化不断发展，被拓展应用到更多场景。在水环境（如河流、湖泊等）的管控中，视频监控的重要性也得到显著提高，逐渐从辅助手段转变为水利安全、水质污染等方面的主要管控技术之一，以弥补传统人工监控的不足，从而提高管控效率。

1 视频监控和AI识别预警技术发展

1.1 视频AI识别预警的发展历程

视频监控作为一种感知手段，具有直观准确、信息丰富、实时可视等特点，大致经历了3个发展阶段，即模拟监控、数字监控和网络监控[1]。

模拟监控主要指传统模拟闭路视频监控系统（CCTV），由前端设备和监控中心两部分组成，依赖摄像机、线缆、录像机以及监视器等专用设备，监控和传输范围有限。数字监控主要指以数字硬盘录像机（DVR）为核心的“半模拟-半数字”监控系统，利用DVR对视频进行数字处理和存储，方便浏览查询，但是稳定性较差，监控和传输范围依然有限。网络监控主要指完全IP网络视频监控系统，由前端设备、服务器、客户端三部分组成，以网络（有线和无线IP网络等）为依托，以数字视频的压缩、传输、存储和播放为核心，视频连接、传输快速简便，布控区域广阔，远程监控能力强。

在视频监控数字化、网络化的基础上，随着计算机视觉、人工智能、大数据、云计算等新技术的快速发展，视频AI识别预警功能也得到深入发展，实现了视频监控的智能升级，标志着视频监控正在进入第4个发展阶段，即智能监控阶段，视频监控也在智慧城市建设中发挥越来越重要的作用。视频AI识别预警是利用计算机图像视觉分析技术对视频监控获取的影音资料进行采集、识别、分类、分析，生成图像内容和行为的描述信息，并根据预定的分析规则，指出可能存在的违反规则的风险目标或行为[2]，同时发出预警信息，协助相关人员进行日常管理。

1.2 视频AI识别预警的优势

在保证前端摄像头和存储设备正常工作的前提下，可以获得24 h不间断视频监控影像，但依靠人力24 h实时查看监控较为困难，特别是接入视频点位较多的情况下。AI算法则可以根据设定好的程序快速处理大量影像数据，实现全天候实时监控。

1.2.2 全面快速识别异常情况

传统的视频人工排查方式容易造成信息遗漏、报警不及时等问题，视频AI识别预警则可以在精确设置特殊事件的定义和算法的情况下，全面快速识别异常情况，并向管理员实时发出预警信息。

1.2.3 被动响应升级为主动预警

传统视频监控的信息多用于事后查阅和取证，属于被动监控，视频AI识别预警可将被动响应升级为主动分析、实时预警，实现高效智能监控[3]。

1.2.4 助力智慧城市建设发展

具有AI识别预警功能的视频监控可以为城市安防、交通管理、市政运营等提供智能、高效、可视化的解决方案，同时海量的音视频数据可在公安、城管、消防、水务、环保、民政等各部门之间实现联网共享，属于智慧城市的核心环节。

1.3 视频AI识别预警的分类

视频AI识别预警方案可以分为前端智能和后端智能。前端智能是将AI算法嵌入前端摄像头自身芯片中，对采集的影像进行实时分析预警，如车牌识别、人脸识别等时效性强、算法成熟的高频场景一般应用前端智能摄像头，是摄像头设备厂商的研发重点，也是未来技术发展方向。后端智能是将摄像头采集的影像通过网络上传至后台智能分析服务器进行深入分析。后台服务器计算能力强、可以应用更复杂的算法，AI识别预警软件开发周期短、可快速优化迭代、在各类项目中应用灵活，因此多数场景的后端智能效果要优于前端智能，也是目前视频AI识别预警的主要方式。另外前端和后端智能也可以相结合，摄像头设备负责预处理，后端服务器进行深度处理。

回顾文献结合病例资料显示，MS可发生于任何部位，既可作为白血病的首发表现，也可作为APL复发的临床表现[14]。部分患者血常规和骨髓涂片并未发现异常，但可以检测到PML/RARα融合基因或是APL的特征性染色体易位。因此，对于MS患者的诊断，应结合形态学、细胞免疫学、细胞遗传学和分子生物学等，包括外周血，骨髓涂片、流式、基因、染色体、肿块病理、免疫组织化学和FISH等检测，以期避免漏诊和误诊。通常MS被认为是一种预后较差的肿瘤[15-16]，未经治疗的孤立性MS大多在6个月左右转化为急性白血病。对于MS的治疗主要采取手术切除、放疗、全身性化疗和造血干细胞移植等方法[17]。

2 视频AI识别预警在水环境管控中的应用

2.1 AI识别预警系统视频传输链路

随着各地智慧水务、智慧环保系统陆续建设，河流、湖泊等水环境区域内视频监控点位建设越来越多，水环境监管拥有了“千里眼”，视频AI识别预警的应用则将其进一步升级为“智慧眼”。

水环境管控视频的AI识别预警一般使用后端智能的方式，在河道、湖泊岸边的前端网络摄像头通过4G/5G无线网卡或有线网络实时传输视频至摄像头设备厂商平台，再通过有线网络传输至政务云平台服务器及智慧环保视频平台，最终在PC用户端和App用户端展示[4]。

视频AI识别预警系统的视频源可有多种取流路径，若AI识别预警系统包含在智慧环保平台中，则由智慧环保平台直接取流分析；如AI识别预警系统为单独开发，则可采用前端摄像头IPC取流或设备厂商平台SDK取流方式。PC用户端可对AI识别预警系统分析的结果进行展示、统计分析、问题甄别、派发报警工单，一线人员的App用户端则进行预警工单接收、问题处理、工单关闭。

视频AI识别预警系统视频传输链路如图1所示。

2.2 视频AI识别预警场景分类

视频AI识别预警系统的开发包括场景需求分析、模型算法设计、数据采集标注、模型测试、模型训练及迭代、模型验证与发布、模型优化升级等多个阶段。针对水环境管控场景的AI识别预警技术发展较晚，不同场景下识别的对象类型、属性、关系和行为差异较大，数据和算法一般不能通用，因此水环境管控中AI识别预警系统目前成熟应用的产品并不多。但随着智慧水务和智慧环保建设需求的增加，水环境管控视频AI识别预警系统也成为各个科技公司的研发热点之一。

水环境管控中需要进行视频AI识别预警的场景一般包括水质异常、漂浮物、排水口溢流、水位测量、流速/流量测量、人员入侵、人员落水、违规垂钓、岸堤塌陷、岸边垃圾等3个类别10个场景。其中水质异常、漂浮物、排水口溢流与水体水质的变化直接相关，人员落水识别预警可协助涉水治安管理，岸堤塌陷与水务安全密切相关。水环境视频AI识别预警场景如表1所示。

表1 水环境视频AI识别预警场景

其中漂浮物、排污口溢流、人员入侵、人员落水、违规垂钓等场景的模型算法比较成熟，而水质异常模型的算法准确率通常不高，其主要基于水体颜色种类及颜色变化识别水质是否异常，而光与水有丰富的交互作用，因此模型容易受到空中和岸边各种物体（如白云、树丛、建筑物等）的倒影、水体中生长的水草以及河道底部的影响。水位测量场景通过定时抓拍识别水尺影像，并自动上传水位数据，可以实现恶劣天气下的远程精准识别和水位预警。流速/流量测定则是应用影像测流技术进行，即通过影像识别计算水体的表面流场，进行水体表面和垂向流速计算；进一步可结合影像识别得到的水位数据、断面提前实测的形态参数计算流量。

AI识别预警全天24 h不间断，对于精准度较低的场景，需要对系统发出的AI预警信息适当增加人工筛查核对流程，从而避免错误或不必要的警报。

2.3 提升和发展方向

2.3.1 模型精准度提升

AI模型算法的精准度是影响视频AI识别预警系统应用效果的一个主要因素，算法精准度提升需要通过海量数据的采集、标注、训练迭代。但某些需要识别预警的水环境管控场景较为复杂且为小概率事件，同时相关部门的环保数据具有敏感性、保密性，能够提供的数据有限，在一定程度上限制了视频AI识别预警模型的开发和优化。因此，在已经成熟应用水环境视频监控的城市，需要相关部门和科技企业合力持续进行AI识别预警系统的开发、应用和优化，不断积累高质量数据作为训练数据集，才能够提高算法精准度，降低误报率和漏报率，减少无效识别，提高管控效率。

2.3.2 应用场景拓展

对于水库、景观湖等水体，可在周边合适的位置部署全景高点视频监控[5]，俯瞰整个湖库范围，实现大场景覆盖，对湖库的藻类暴发、漂浮物、污水溢流等情况进行可视化监控和AI识别预警，在一定程度上可代替无人机巡检等方式。监控设备可采用能够360°旋转的高清云台摄像机，也可以进一步结合多光谱或高光谱成像设备，利用AI识别预警系统对影像和光谱信息进行智能分析，深度解析叶绿素、高锰酸盐指数、透明度等相关水质指标。