人工智能技术在通信运营商传统网络视频监控升级改造中的应用研究
时间：2021-01-05 12:02:08 来源：雅意学习网 本文已影响 人 
摘 要：近年人工智能技术在一些产业应用方面已经开始发挥效能，正在推动新的一轮科技革命和产业变革，人工智能赋能安防也已经成为行业的共识。通信运营商在过去网络视频监控系统发展中发挥了重要作用，如何在新时期抓住人工智能作为深化发展的突破口，在高清化、网络化的基础上，加大视频监控系统与用户业务系统的高度融合，向数字化、智能化、个性化发展，文章对此进行了研究。
关键词：网络视频监控；人工智能；升级改造
《中国安防行业市场前瞻与投资战略规划分析报告》显示，目前我国安防领域的市场规模逐渐扩大，预计到2020年将会达到万亿级别，其中视频监控是成为安全防范系统的重要组成部分。2016年安博会上，人工智能在安防行业崭露头角，在目前IT技术支撑起来的安防行业中，AI赋能安防也已经成为行业的共识，2017年工信部出台了《促进新一代人工智能产业发展三年行动计划（2018—2020）》，行动计划从培育智能产品、突破核心基础、深化发展智能制造、构建支撑体系等几个方面，重点阐述了未来3年内，我国人工智能重点关注的领域。在培育智能产品中，安防领域成为重点关注对象，无论是视频图像身份识别系统还是智能家居中智能安防产品。人工智能必将是安防视频监控发展的未来方向。一方面是视频监控自身具备的特点，使其成为人工智能落脚的最佳试验场，另一方面也是视频监控智能化发展到今天的必然需求。
1 通信运营商网络视频监控现状
1.1 发展现状
在发展历程上，视频监控系统经历了3个时代，其中发展到现在第3代的数字视频监控系统，监控前端一体化及后端小型化，具备系统集成程度高、系统稳定性高并能实现远程监控和管理的功能，主要是融入新发展的网络传输技术、数字存储技术、数字图像处理技术及数字视频压缩解压缩技术。
视讯业务是通信运营商比较看好的一项增值业务，各大通信运营商纷纷打造自己的视讯平台，应用于平安城市建设以及公安、金融、教育、保险、酒店、石化等行业应用。以中国电信、中国联通、中国移动为代表的通信运营商大力推广其运营级视频监控服务，分别以“全球眼”“宽视界”“千里眼”作为运营级视频监控业务的推广品牌，伴随着4G移动网络的出现，手机随时随地查看视频监控的创新应用激活了一大批小微企业、中小型商铺及家庭用户[1]。
1.2 存在问题
已建成的传统视频监控系统，基本上是通过人员监控和录像视频图像来实现安全防护，通过人工回放录像取证的方式效率十分低下，“预警预测”的最大诉求无法兑现，并不能主动有效地保障安全。基于智能化的视频分析，需求越来越迫切：一方面实现过滤冗余信息，在发生警报之时及时向监控人员报警，以便提高监控效率。另一方面视频监控升级与用户业务、管理系统融合。
2 视频监控人工智能技术
2.1 人工智能应用于安防行业
随着安防产业技术的日新月异，以往的生态链系统开始逐渐被打破，安防行业从IT化走向DT化，随着产品的同质化现象凸出，整个行业也开始从围绕着产能向用户需求转变，当前产业链的核心已经开始转移，而智能化这是这种迹象的表征。在安防领域，99%以上的数据都是非结构化数据，这是借助人工智能进行视频挖掘的价值所在。很多情况下，深度学习算法的突破，有利于完成如下工作：目标识别、物体检测、场景分割、人物和车辆属性分析等。深度学习技术的突进让安防不再停留在解决用户安全防范的需求，朝着更宽、更广的领域延伸，视频被赋予了更多的价值[2]。
2.2 人工智能视频分析的几种关键技术
2.2.1 大數据
据IHS Markit最新数据显示，中国在公共和私人领域共装有1.76亿个监控摄像头，每年产生数千万PB的数据量。视频监控业务正是一个依靠数据说话的典型数据依赖型业务，大数据与视频图像监控业务有着天然的结合。为网络视频监控数据提供高效、安全、廉价的分布式存储方式和存储体系，实现视频图像模糊查询、快速检索、精准定位，需要大数据技术支撑。
2.2.2 机器视觉
机器视觉能有效地对数据进行“智能化”存储、分析以及应用，它已经成为安防企业下一步突破“更”智能化的重要帮手。机器视觉简单来说就是用机器代替人眼来做测量和判断，对图像进行识别，因此，机器视觉在人脸识别、车牌识别等方面得到大量运用。
2.2.3 深度学习
随着监控摄像头的全面覆盖及大量视频数据的积累，一些大型项目的终端用户（如公安、交警），正在迫切寻找新的视频分析解决方案来重新解读这些数据，获取新的价值。深度学习算法的出现正好解决了海量数据与人力短缺之间的矛盾，有效提高识别准确率，不再需要人工的选择或是创建特征集来描述监控目标，可直接建立起从数据到目标模型的映射。
2.2.4 云边结合
当前云计算是一种集中式中心化的云，但随着IT基础设施逐渐云化，大视频、物联网逐渐兴起，集中式中心化云将不能适应低延迟、大带宽等要求，这时候就需要向“中心化”的云发展。云边结合是将智能算法前置，通过边缘计算，将人脸识别等应用的抓图的压力分摊到前端，解放中心的计算资源。
2.3 应用分类
从广义角度来说，目前智能视频分析技术主要包括视频分析、视频识别以及视频改善3类。其中视频分析类实现目标移动方向检测、周界入侵检测、目标运动、车流量统计、人流量等功能；视频识别类包括人脸识别、步态识别和车牌识别，其主要的技术是在大量视频流图像找出局部中的一些画面的共同特性；视频改善类可以针对或者是对振动的图像进行一部分的优化处理，以达到增强视频可监控性能，包括：车辆牌照识别影像消模糊处理、红外夜视图像的增强处理、图像光变与阴影抑制处理等[3]。
3 人工智能视频分析系统架构设计
人工智能视频分析系统的架构设计主要分为3层架构：前端设备接入层、视频媒体处理层和用户表示层。前端接入层主要负责来进行前端的视频信息、报警信息获取，通过智能分析单元及编码单元进行信息处理，接入业务中心，构成单元有：视频采集单元、智能分析单元、编码单元、报警单元等。第二层媒体处理层由中心业务平台、媒体处理分发平台和网络存储单元构成，负责视频业务处理控制、视频音频的传送与存储，以及系统管理。第三层中心业务平台作为整个人工智能视频分析监控的核心，实现用户前端设备的接入认证、设备的综合管理、流媒体分发转发及业务的控制等功能，网络媒体数据的数字化录像、存储、检索、回放和管理由网络存储单元实现[4]，如图1所示。
