立体感知的算法赋能体系在引江济淮工程中的实现与应用

毕文晴，王 哲，崔 朋，花永丽，燕 丽，刘维彬

(安徽省引江济淮工程有限责任公司，安徽 合肥 230000)

0 引言

为了解决安徽中北部和河南东部地区城市供水及农业用水的问题、弥补江淮之间的航运短板、改善江淮流域水生态环境，水利部和交通运输部于2016年批准启动了引江济淮工程。引江济淮工程涉及总面积约7万km2，输水线路总长700多km，成为了国务院确定的全国172项节水供水重大水利工程的标志性工程之一。同时，伴随着信息化的发展普及，水利部于2020年提出智慧水利的先行试点工作，规划到2025年完成对水资源、水工程、水监督、综合决策运维等智能应用[1]。智慧水利借助互联网、大数据、云计算等计算机技术构建出智能化水利系统平台，实现水利信息数据的存储、管理、共享、应用，是实现高质量工程管理的重要手段[2-4]。引江济淮工程也应运而生了《数字引江济淮顶层规划设计报告》，提出了建立“全面感知、高速互联、智能处理、高效协同、智慧应用”的数字引江济淮信息系统。

视频监控作为全天不间断监测水情、水污染、水土保持状况的常规方法之一，是水利工程信息化建设的有效手段，近年来被广泛应用于智慧水利的建设和管理中[5-7]。引江济淮工程已沿途布置上百处低点视频监控，然而传统的低点视频监控缺乏联动、感知不够全面、监控手段单一且调取手段繁琐，及时响应性差，无法实现高效的监控管理和智能预警，导致工程重要节点仍然事故频发[8-9]。因此，遵循《数字引江济淮顶层规划设计报告》中规划的一系列标准规范体系，搭建立体智能化的视频监控管理体系显得尤为必要，这也是数字引江济淮信息系统建设的重要组成部分。

1 算法赋能体系的设计

1.1 总体设计

算法赋能体系的设计基于感知-赋能-应用的三重层级，搭建起视频资源整合、数据赋能中心与业务支撑应用三重架构，如图1所示。

图1 算法赋能体系技术架构

前端感知层的视频图像是算法赋能得以实现的主体资源。因此，对视频资源进行采集、整合、调度是实现算法赋能的基础。感知层需布设具有智能分析功能的高像素监控设备对水利枢纽周边及施工段的情况进行实时监控，并支持图片、视频的高速传输。

数据赋能是算法赋能体系的核心层面，因此，建立计算存储资源池满足多种形式的视频资源存储和调用，提高存储效率、避免数据冗余，并设置合理的视频接口进行接入管理服务。同时建立多维资源调度平台，对平台的计算资源、存储资源、视频资源进行智能分配。赋能的机制通过数据中台和智能中台实现。其中，数据中台负责数据的集中管理，并通过资源平台提供各项数据服务，为后续的算法编排提供数据基础。智能中台运用差分和目标检测等视频分析技术对视频数据进行算法赋能[10-12]，创建算法仓库对算法进行集中管理。最后，整合能力展示、申请管理、算法编排、事件研判、运行管理等智能化功能模块，建立引江济淮视频赋能平台，将算法赋能后的视频数据嵌入平台的各个模块中，以实现对引江济淮工程的立体感知。

业务支撑层开发了一系列基于算法赋能体系的业务，如公共安全管理、非法施工预警、船只/漂浮物监测等，为管理人员提供智能化的辅助决策支持，同时不断对算法赋能的潜力进行拓展。

1.2 基础工程优化配置

1.2.1监控点选择

引江济淮工程皖境输水线路总长587.4km[13]，现存的低点视频监控难以实现对工程沿线的全方位高效监控。为弥补现有系统视野范围窄、监控效率低的问题，在涉及大江大河及防汛A级的标段周围，选择具有30～40m挂高能力的通讯铁塔布设高点视频监控，高点监控的布局遵循视野广阔、无遮挡、角度大、数量精简的原则，尽可能使得每个监控点监控覆盖的区域最大，既减少了立杆成本、扩大了监控视野，也解决了供配电和安全防护等难题[14]。高低联动的视频监控全方位覆盖工程的关键水利枢纽区域，帮助引江济淮工程形成了立体感知系统，是保证算法赋能体系识别准确性的基础。

1.2.2前端感知配套工程

引江济淮工程现存的低点监控设备信息化水准不高，无法实现对事件的自动感知和智能预警功能，增大了监控的人力成本。为满足算法赋能智能监控的要求，高点监控设备选择200万像素重载激光云台摄像机，支持运用智能分析算法提高系统智能化水平，同时搭配先进的编码技术实现算法赋能体系的智能化应用。

1.2.3网络子系统

工程设置的监控点位主要集中在引江济淮重点水利工程枢纽区域，分布范围较广，涉及铜陵、亳州和合肥3个地市。为保证赋能体系中视频数据传输和运算的流畅性和实时性，前端监控点和管理中心分别采用20M和100M带宽的电信互联网专线。

1.2.4存储子系统

为降低算法赋能体系后期运维成本，引江济淮视频存储采用电信天翼云存储[15]。云存储系统将传统数据中心与互联网高速连接结合，组设标准化的云服务，提升信息化能力。安全稳定层面的软硬件按照国际数据中心最高建设标准Tier 4配置[16]，在设施能源、制冷和网络接入采用冗余设计，系统具备DDOS、IDS、漏洞扫描等安全防护能力[17-19]。数据可靠层面，采用集群管理模式，对象存储默认采用多副本备份机制来保证数据的可靠性[20]。此外，云存储产品可通过云主机备份及云硬盘备份实现数据的备份或异地资源池备份，从而进一步保障数据存储的安全性。

1.3 Al视频算法中心建设

AI视频算法中心是建设赋能体系的核心工程，算法赋能体系对视频监控的智能调度、场景治理的统筹整合、智能报警的实时准确、运行管理的数据统计都是建立在算法能力的基础上。因此，视频算法中心需提供合理的算法训练、高效的算法调度和完善的运行模式。

1.3.1算法训练

深度学习是实现算法训练的基础框架[21]。根据引江济淮工程管理部门的初期需求，配置人体图片识别、游泳识别、船只识别、水面漂浮物检测、钓鱼识别、非法采砂识别、安全帽佩戴检测、工程车检测、乱堆物堆料检测、违建检测、管线杆线架设检测、垃圾堆检测、饲养家禽家畜检测、活动目标图片识别的算法模型。将模型推送至前端的监控设备云台中进行样本的智能采集，在后端的算法超市中进行存储，方便进行场景配置和算法编排，支撑快速落地场景化的智能应用。算法训练流程如图2所示。

图2 算法训练流程图

1.3.2算法管理与调度

引江济淮工程在不同时期、不同工况下的监控内容纷繁复杂，如果没有恰当的管理模式极易造成算法的冗余和算力的降低，基于此设计了算法管理、智能调度系统、智能基础服务三重协同工作机制[22]。如图3所示，智能算法均上传至算法超市，根据不同监控场景的特殊需求，可从算法超市中任意调取所需的目标算法，超市自动将目标算法传递到智能设备上完成点对点的算法赋能。

图3 算法超市架构

算法都可以注册到算法超市中进行统一的管理。算力模型保证任务能够正常派发和执行。算法管理服务主要包括算法管理和算法编排模块。其中，算法管理主要实现对算法的增、删、改、查操作，以及算法分类、资源下载管理；可以突破单一算法的功能限制，配备监控点所需的多重算法，实现算法功能的动态扩展，满足复杂场景的监控需求。另一方面，通过智能基础服务实现算法编排，合理、高效的利用有限的智能分析资源，如图4所示。

图4 算法编排流程图

算法资源管理模式如图5所示，智能调度系统负责确保算法调用的时效性和流畅性[23]，资源管理调度平台对不同智能芯片的智能设备进行统一管理，提供统一的外部功能接口，同时满足算法资源的灵活扩展和联动其他资源平台的算力变化，确保算法资源调取的稳定性。各计算资源向智能调度系统统一注册，智能调度系统将智能分析需求发送到指定设备上，实现算法调用资源的合理分配和便捷调取。

图5 资源管理示意图

1.3.3算法运行模式

引江济淮工程视频监控的算法主要基于AI开放平台的图像分类模型、物体检测模型、图像文字识别模型等实现。如图6所示，将一系列智能算法导入引江济淮视频赋能平台后，平台调度AI服务器进行视频流/图片的智能分析和识别，并对智能事件进行展示和报警联动。服务器也能通过样本数量的持续采集，进行算法更新迭代优化，提高报警识别准确率。

图6 算法运行模式图

1.4 视频赋能平台功能设计

视频赋能平台立足于智慧水利顶层设计总体要求，基于前端设备感知、物联传输、算法赋能、智能识别功能，实现对引江济淮工程范围内的全时段监控及智能预警，为引江济淮集团的日常管理提供高效的辅助决策支持。平台逻辑架构如图7所示，系统支持B/S访问模式、C/S控制客户端以及移动端访问平台。为有效提高开发效率，客户端组件均由集成框架组成[24]。各类设备由对应框架接入，运行管理中心提供平台运维能力。数据存储层面，由PostgreSQL储存视频监控、基础信息、流域事件等业务数据；组织、区域等资源数据储存在LDAP[25]；CVR、NVR、云存储协同负责存储录像数据；用redis缓存实现热点数据的快捷调用[26]。

图7 视频赋能平台逻辑架构

赋能平台的业务功能基于总览-监控-析-运维四大工程模块，采用依托集成环境和标准规范的组件架构，分为水利一张图、视频应用、能力中心、编排中心、研判中心和监控中心六大业务组件，各组件都以独立数据库的形式存在，为以后的升级维护提供了便利。其中，水利一张图整体展现系统应用和工程运维情况；视频应用实现对水利监控视频和数据信息的统一管理；能力中心主要负责展示各种视频、AI能力服务，提供算法超市；编排中心可审核监控点位的算法场景配置申请，根据业务需求进行场景分析任务的编排下发，有效提高系统算力；管理人员在研判中心可对视频AI分析产生的各类智能事件进行集中研判、管理，形成报警事件知识库，利于后期的AI算法优化和报警准确度提升；监控中心提供多类型数据统计报表，以数据可视化的方式帮助用户快速了解系统当前监控资源运维情况。以上业务组件通过基础环境组件与通用服务组件来实现。

2 应用效果评估

平台对水利枢纽事件的报警，管理人员可在研判中心对该事件进行实时回溯、标记和管理。

针对各监控点设备的运行状况，平台提供多类型数据统计报表，以数据可视化的方式帮助用户快速了解系统当前监控资源运维情况，具有分区域查看运维统计信息、图像正常率、录像完整性、监控在线/离线状态、监控达标统计等功能，提供一站式运维管理服务。

引江济淮工程的算法赋能体系自2021年10月投入运营后，为人员入侵、航运调度、船只识别、污染物识别、污染行为的抓取和分析、电子围栏的划定、险情或事故预警等提供了有效的可视化决策辅助。视频赋能平台在运营管理期主要实现了如下功能：

(1)时刻监控河湖水位，水位达到警戒线后立即触发报警，对汛期防卫工作提供了坚实有效的辅助决策支持。

(2)对闸门、大坝的实时监控加强了对运河沿线重点区域的防范。

(3)通过监测河道水面的漂浮物、漂流物，维护了河道沿线水生态环境和枢纽安全。

(4)对岸上的人为入侵和可疑情况进行监控，保护了周边人员的人身安全，并制止了对河道的破坏行为。

(5)通过监测违建行为、非法采砂、管线架设、乱堆物料等行为的监控，能够保证河道周边的环境，保障在建工程施工安全性。

(6)识别河道行驶船只闯入危险/禁停等区域、对船只异常行为进行报警，为航运安全保驾护航。

3 结论

为了实现引江济淮工程重点区域立体覆盖式信息化监管，采用高低联动和智能监控结合的方式搭建了立体感知的算法赋能体系，显著提高了引江济淮工程在汛期、工程建设期、运营期等阶段的信息化智慧管理水平。在《数字引江济淮顶层规划设计报告》的指导下，通过规范化和智能化监督，助力工程运行达到“全面感知、可靠传递、智能处理、高效协同、智慧应用”的目标，全面提高了水利主管部门的监测、预警、调度、监控、决策、指挥能力。基于该体系打造的视频赋能平台为引江济淮工程体系的安全运行提供了坚实保障，开拓了新的互联网水利管理模式，打造出安徽省乃至全国水利信息化建设的新模范。