視(shì)頻(pín)結構化解析平台的關鍵技術(shù)——北京明(míng)景科技

• 2019/07/29

視(shì)頻(pín)結構化解析平台，是基于深度學習、大數(shù)據和(hé)雲存儲的視(shì)頻(pín)結構化服務系統，作(zuò)為(wèi)視(shì)頻(pín)監控系統的提檔升級手段，為(wèi)用戶提供視(shì)頻(pín)、圖片、特征解析功能(néng)，實現從(cóng)海(hǎi)量監控圖像資源中提取有價值信息，過濾冗餘數(shù)據，形成視(shì)頻(pín)結構化數(shù)據積累，支撐政府實戰應用。

明(míng)景視(shì)頻(pín)結構化解析平台對于視(shì)頻(pín)圖像中尤其關注的人(rén)、車、非機動車類别的目标提供更深層次的結構化解析。對于視(shì)頻(pín)圖像中的人(rén)物(wù)，可(kě)進行(xíng)人(rén)臉檢測、人(rén)臉識别從(cóng)而分析出人(rén)物(wù)的具體身份，并可(kě)提供行(xíng)人(rén)的各種特征屬性信息，包括衣着和(hé)裝飾物(wù)特征：上(shàng)衣、褲子、裙子和(hé)連衣裙、鞋子、帽子、太陽鏡墨鏡、圍巾、皮帶腰帶；攜帶物(wù)特征：單肩挎包、雙肩背包、手提包、拉杆箱、雨傘；人(rén)體特征：頭發、面部。

對于視(shì)頻(pín)圖像中的車輛，可(kě)進行(xíng)多車道(dào)車輛檢測、車頭車尾檢測識别功能(néng)，能(néng)夠提取識别車輛的10多項屬性信息，包括車輛号牌、車身顔色、車輛品牌、車輛類型、子品牌、車輛年(nián)款及各種車輛特征物(wù)信息，如(rú)：年(nián)檢标、遮陽闆、挂件、擺件、紙(zhǐ)巾盒、安全帶等。

視(shì)頻(pín)結構化解析平台的關鍵技術(shù)

1、深度學習

深度學習是指機器通(tōng)過模拟人(rén)腦建立的深度神經網絡，模仿人(rén)腦機制來進行(xíng)學習、判斷、決策的技術(shù)，目前已被廣泛應用于人(rén)臉識别、語音識别、筆(bǐ)記識别等領域。

通(tōng)過深層神經網絡訓練出來的人(rén)臉識别算法能(néng)極大地(dì)提高識别精度。簡而言之，就是讓已經在網絡結構中預設了(le)人(rén)臉識别先驗知識的神經網絡，大量“閱讀”很(hěn)多人(rén)在各種環境（例如(rú)光(guāng)照，視(shì)角，表情）下(xià)被拍攝到的不同人(rén)臉圖片，自(zì)動學習并提取人(rén)臉各個部位和(hé)尺度的低(dī)、中、高層特征，在大量學習之後，機器便能(néng)根據所提供的樣闆信息區(qū)分不同的人(rén)員(yuán)。

如(rú)何準确地(dì)将視(shì)頻(pín)中人(rén)、車、物(wù)等的關注目标進行(xíng)結構化描述？這(zhè)與深度學習算法密不可(kě)分。針對人(rén)腦可(kě)以分析非結構化、半結構化視(shì)頻(pín)資源這(zhè)一(yī)特性，科學家們對人(rén)腦的信息處理流程進行(xíng)模拟，抽象出神經網絡架構下(xià)的深度學習算法，實現視(shì)頻(pín)圖像結構化解析。深度學習通(tōng)過構建模拟人(rén)腦進行(xíng)分析學習的神經網絡來模仿人(rén)腦的學習機制，從(cóng)而識别和(hé)解釋非結構化或半結構化的視(shì)頻(pín)資源。

深度學習算法具有自(zì)動學習的特征，通(tōng)過對大量的訓練數(shù)據的學習，不斷提高算法的準确度和(hé)效率。同時(shí)深度學習算法具有很(hěn)強的泛化能(néng)力，即使同一(yī)類物(wù)體處于不同尺寸、不同視(shì)角、不同光(guāng)照、遮擋等條件下(xià)也能(néng)準确識别。影響深度學習算法準确度和(hé)效率的最核心的兩個因素是：訓練數(shù)據的規模和(hé)算法模型的結構。其中算法模型采用的是最先進的模拟人(rén)腦構建的神經網絡架構下(xià)的深度學習算法。

通(tōng)過視(shì)頻(pín)圖像結構化技術(shù)，實現視(shì)頻(pín)智能(néng)分析和(hé)數(shù)據挖掘，讓視(shì)頻(pín)從(cóng)人(rén)工(gōng)抽檢向智能(néng)提取轉變，實現智慧化的信息提取、分析、應用，讓人(rén)從(cóng)觀看(kàn)視(shì)頻(pín)監控勞動中解脫出來，進行(xíng)高效、準确的視(shì)頻(pín)圖像實戰應用。

2、大數(shù)據技術(shù)

大數(shù)據技術(shù)是使大數(shù)據中所蘊含的價值得以挖掘和(hé)展現的一(yī)系列技術(shù)與方法，包括數(shù)據采集、預處理、存儲、分析挖掘、可(kě)視(shì)化等。在本系統中采用的大數(shù)據技術(shù)，是結合綜治視(shì)頻(pín)監控業務的實際需求，基于分布式計算、大數(shù)據檢索等技術(shù)進行(xíng)設計的，主要(yào)解決海(hǎi)量結構化、半結構化視(shì)頻(pín)資源的快(kuài)速檢索、分析統計應用需求，并通(tōng)過大數(shù)據的深度關聯分析，支撐綜治機關開(kāi)展視(shì)頻(pín)圖像信息實戰應用。

（1）分布式計算技術(shù)

海(hǎi)量視(shì)頻(pín)資源通(tōng)過本系統的結構化解析，形成海(hǎi)量結構化、半結構化有價值數(shù)據的積累，針對這(zhè)些有價值的大數(shù)據進行(xíng)快(kuài)速檢索、分析統計需要(yào)巨大的計算能(néng)力，需要(yào)極大的成本的同時(shí)也極其耗時(shí)。分布式計算負責将一(yī)個需要(yào)非常巨大的計算能(néng)力才能(néng)解決的問(wèn)題分成許多小的部分，然後把這(zhè)些部分分配給許多計算機進行(xíng)處理，最後把這(zhè)些計算結果綜合起來得到最終的結果，節約計算成本的同時(shí)也提高處理效率。

（2）大數(shù)據檢索技術(shù)

大數(shù)據檢索是針對大數(shù)據搜索業務需求而打造的一(yī)套搜索引擎，具有專業精準、高擴展性和(hé)高通(tōng)用性的特點。全文檢索作(zuò)為(wèi)大數(shù)據檢索技術(shù)的實現與應用，能(néng)夠快(kuài)速生成海(hǎi)量文件對應的索引數(shù)據，同時(shí)對搜索引擎的配置管理進行(xíng)人(rén)性化的定制，使全文檢索集群的管理、監控與擴展都(dōu)變得十分簡單，極大提高了(le)系統的維護性與可(kě)用性。

3、雲存儲技術(shù)

雲存儲是在雲計算（cloud computing）的概念上(shàng)延伸和(hé)發展出來的一(yī)個新概念，是指通(tōng)過集群應用、網格技術(shù)或分布式文件系統等功能(néng)，應用存儲虛拟化技術(shù)将網絡中大量各種不同類型的存儲設備通(tōng)過應用軟件集合起來協同工(gōng)作(zuò)，共同對外(wài)提供數(shù)據存儲和(hé)業務訪問(wèn)功能(néng)的一(yī)個系統，也可(kě)将雲存儲理解為(wèi)是配置了(le)大容量存儲設備的一(yī)個雲計算系統。

系統針對綜治應用特點，采用面向業務的設計思路，融合集群化、虛拟化、離散存儲等技術(shù)，規劃圖片雲存儲，可(kě)将網絡中大量各種不同類型的存儲設備集合起來協同工(gōng)作(zuò)，共同對外(wài)提供高性能(néng)、高可(kě)靠、不間(jiān)斷的圖片存儲和(hé)業務訪問(wèn)服務。

聯系我們 

北京總部：  

張先生：13911129392    zhangchi@botechnic.com