基于智能视频分析系统的智能监控系统构建

王德臣 WANG De-chen；唐宇捷 TANG Yu-jie；赵硕 ZHAO Shuo

（同济大学，上海 200092）

0 引言

目前视频监控的覆盖范围已经遍布在生活的各个角落，但传统的视频监控多作为事后追查、取证等，在海量的视频录像面前，依靠人工处理显得十分无力[1]。而人工智能技术的出现很大改善这一现状，一些企事业单位和政府通过将智能视频分析系统引入到视频监控系统，构建了智能视频监控系统，在社会治安、城市治理、智慧环保等场景落地，将被动通知向主动告警转变，大大提高了视频监控的系统价值[2-3]。在越来越多企业想要用人工智能技术为视频监控系统赋能的背景下，本研究通过对智能视频分析系统的技术原理和系统架构进行总结，并将智能视频分析系统与传统视频监控系统结合来构建了智能监控系统，并从实践的角度提供了一个体系流程来帮助企事业单位构建智能监控业务和应用场景。

1 智能视频分析系统

1.1 技术原理

智能视频分析系统是利用计算机图像视觉分析技术对视频监控画面进行采集、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，同时发出预警信息，协助相关人员进行日常管理。在算法分析平台内，根据配置的设备信息获取视频流。在拉取视频流后，调用告警区域对图像进行逐帧解析。图像处理系统调用算法中心的服务，并构建数据包推送至视频流合成系统。视频流合成系统调用告警规则信息，依据原视频的帧率等信息合成处理后的视频流，包含必要的识别信息，如人脸、告警标记、预警等级等。在视频流合成完成后产生事件告警通知推送至告警中心，其技术原理如图1 所示[4-5]。

图1 智能视频分析系统技术原理

1.2 系统架构

智能视频分析系统可以分为边缘型和平台型两种架构[6]。边缘型架构是面向设备离散的业务环境，比如零售、餐饮、快递、城市治理等，将前端监控设备直接接入智能边缘设备，将相应环境的算法直接部署在边缘设备上对视频图像进行分析处理，并分析后的告警信息向管理平台统一推送，该架构的优点是占用网络带宽少，可以实现轻量化部署，缺点则是需要较多边缘设备的资产投入和配置维护工作。平台型架构面向设备集中的业务环境，比如企事业园区、工厂等，将所有前端监控设备接入到统一算法分析平台，通过算法分析平台对视频图像进行统一分析处理，该架构的优点是可以实现多种算法统一配置维护，但对平台网络和服务器性能提出了更高的要求。这两种架构方式各有优劣，本文选择平台型的架构进行研究。

2 智能监控系统架构

智能视频监控系统基于智能视频分析系统，对监控视频信号进行处理、分析和理解。可以在监控场景中自动分析视频图像，对变化进行定位、识别和跟踪，并进行异常告警[7]。考虑到大部分业务场景下，视频监控管理平台都是单独建设或者是已经投入运营，因此本文提供了一个视频监控管理平台和算法分析平台共存的智能监控系统架构，如图2 所示，下面对系统架构各个层级进行介绍。

图2 智能监控系统架构图

2.1 基础层

基础层包含了网络系统、服务机房、录像存储设备以及各类前端监控摄像机等。其中监控设备主要有枪机、球机、半球等多种形式，目前常见的数字化监控设备主要通过网络协议TCP/IP 接入视频监控管理平台并通过POE供电，大大简化了基础层所需的建设内容。但图像识别技术对画面的清晰度和识别像素有一定要求，因此，在设计和实施过程中要注意配合算法要求的最小像素和识别距离，对于夜间环境则需要设备具有红外或者补光灯来提升夜间监控画面的质量，从而保障算法的准确率。此外，基础层涵盖了系统运行所需的服务器、存储、网络设备、数据机房等数据中心基础环境，为智能监控平台提供算力支持，良好的基础设施是业务连续性保障的基础。

2.2 平台层

2.2.1视频监控平台

视频监控管理平台是一种专门用于管理和控制视频监控系统的平台，通过管理编码设备，制定录像计划、抓图计划等，可以实现实时视频监控、录像/图片查看等功能，平台主要功能如下：

设备管理：管理各种监控设备和系统，包括摄像机、硬盘录像机、监控存储等，实现设备到平台的接入和网络配置。

录像计划：为监控点配置存储和录像计划，使其按照计划时间进行录像。可为不同的设备配置不同的录像存储计划和存储资源池。

视频监测：对于视频资源的巡检结果的应用，如视频图像质量监测、设备在线监测、录像完整性监测等。

存储管理：负责对所有监控点的录像存储进行管理，包括存储空间、存储类型、存储资源池，录像覆盖策略等。

2.2.2智能分析平台

智能分析平台是基于视频监控平台获取视频流，通过叠加不同人工智能算法，使得传统视频监控系统能够自动分析理解视频画面中的内容，并发出实时告警，该平台提供的主要模块有：

接入中心：负责将各种视频监控设备接入到平台中，实现设备的统一管理和控制。接入中心支持多种厂家设备协议和接口，能够接入不同厂家的各种视频监控设备，并对其进行批量管理和参数配置。

应用中心：向用户提供多种智能视频分析系统的智能应用，对告警策略进行应用配置，比如人脸识别白名单库、行为分析的告警信息内容等，同时提供应用服务的API接口方便客户定制个性化场景。

算法中心：提供各种智能视频分析算法，如人脸识别、行为分析、目标检测等。通过算法中心，用户可以根据实际需求选择不同的算法，对监控视频进行分析和处理。

告警中心：负责告警规则的配置、接收和处理各种告警信息，包括：告警类型、告警位置、告警时间、告警图片等，并且可以通过邮件、短信或其他社交软件发送告警通知。

管理中心：管理中心主要方便用户对系统进行全面管理和控制，从告警配置管理到平台运维的管理，负责对整个算法分析系统进行管理和维护，包括：算法配置、服务器管理、用户和权限的管理、日志管理、监控管理等。

报表中心：负责对智能视频分析系统的运行数据进行统计和分析，生成各种报表和图表，比如设备资源报表、告警统计报警、算法运行报表等。用户可以通过报表中心查看系统的运行和告警情况等，为决策提供数据支持。

2.3 应用层

应用层是基于平台层的功能模块，通过各种智能监控业务逻辑来处理和展示数据，如人脸识别、行为分析、告警通知等。这些应用可以通过前端设备、WEB 页面、APP 等方式向用户进行展示和交互。

2.4 管理层

管理层负责对整个智能监控业务进行管理和调度，包括设备管理、用户管理、安全管理和系统监控等方面。智能监控业务规则和告警策略也在此进行管理，以便对数据进行筛选和应用。

3 智能监控体系

智能监控体系是基于智能监控系统构建智能监控业务的一套管理体系，该体系可以根据不同业务场景来部署所需算法，从而构建各种应用场景，下面介绍体系构建的流程和几个应用场景。

3.1 体系构建流程

第一步设备接入：首先明确需求，确定需要借助平台算法进行智能分析的环境。根据这个环境选择合适的监控设备接入到算法分析平台。设备接入可通过视频监控管理平台的接口直接获取设备，也可直接将设备添加到算法分析平台。

第二步告警配置：根据所需的分析算法，配置相应的告警逻辑。比如算法分析的区域、算法分析的时间段、告警推送的时间段、告警的阈值、重复告警推送的频率、接收告警的对象、告警的优先级等等，形成一个完整的告警配置。

第三步告警呈现：平台产生的告警可直接在算法分析平台内直接进行呈现并处理。如果客户有统一的告警管理平台，则可将相应的告警信息通过平台接口推送到相应的告警管理平台，比如将告警内容推送到企业微信或者飞书，让人员能更及时的接收告警信息。

第四步告警测试：根据部署的告警逻辑和分析算法，主动触发告警后验证告警配置的正确性。如未按预期触发告警则需要再次进行调试。基于以上的告警逻辑如运行正常，则可进入正常的运营阶段。

第五步告警处理：在运营阶段，如果产生了告警则需要安排人员进行相应的处置动作，比如人工复核告警是否误报，如果不是误报则需要采取相应的处置措施，形成完整一条告警业务流。

第六步数据分析：在运营中可通过报表中心对相应的数据分析，如果多次误报则需要对算法或者告警逻辑进行优化，如果一类告警频繁出现则加强相关的管理工作等等。

3.2 应用场景

按照上述流程完成业务构建后，便可结合人工智能技术应用至多个领域场景中，从而形成全方位的智能监控解决方案，表1 所示为一些常见的场景举例。

表1 智能监控应用场景

3.3 提升和发展方向

算法准确率的提升。算法准确率是智能监控业务的核心价值所在，如果算法准确率不及预期，则会大大降低该业务的价值。一个成熟的算法模型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场景较为复杂且为小概率事件，能够提供的数据有限，在一定程度上影响了算法的迭代和优化。在不同客户的应用场景中可能需要定制不同的算法，在算法训练上可能不能提供足够的数据支撑，从而导致准确率不足，这就需要用户和供应商双方约定一个算法准确率，共同协作来提高算法准确率。

开放性提升。随着业务需求的复杂性和多样性，对开放性集成系统的需求也在增大，用户更需要统一的集成管理平台，实现视频基础组件模块化服务和开放接口，让所有的视频相关业务应用可以像积木一样快速开发、安装和应用，而不是维护多套功能重复的系统。

云计算服务。随着云计算技术的不断发展，视频监控领域正逐渐向云端转移。未来要将算法分析环节向云端适配，能提供公有云服务的厂商会赢得更多的市场，在提供强大的数据存储和处理能力的同时，提升算法配置的灵活性和扩展性。

4 结语

随着AI 技术在视频监控领域的成熟，给传统的监控业务带来了巨大变化，未来更多企业和政府将会利用人工智能技术来重构传统视频监控业务。各个行业都可以实现智能化识别、预测预警、自主决策及响应、云端部署远程监控等方面的技术性突破。视频监控将突破传统安防领域的边界，智能监控将会在城市治理、零售、能源、交通等多个领域发挥更多的价值。