京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代和智能视频分析技术(1)_数据分析师
一、大数据时代产生的背景
近几年,大数据一词越来越多地被提及与使用,涉及到各行业,人们用它来描述和定义信息爆炸时代产生的海量数据,它已经在《纽约时报》、《华尔街时报》的专栏封面出现过,也出现在了中国三大运营商相关报告中,同时也引起中国安防行业相关的企业、大众和行业媒体的高度关注,众多的企业和媒体频繁提到大数据,也标志着大数据时代确实已经到来。正如《纽约时报》2012年2月的一篇专栏中所称,“大数据”时代已经降临,在商业、经济及其他领域中,更多的决策制定将日益基于数据和分析,而并非基于经验和直觉。哈佛大学社会学教授加里·金说:“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程。”
二、大数据时代的智能视频分析技术
在大数据时代,人们对智能视频分析技术越来越看重。智能视频分析依赖于视频算法对视频内容进行分析,通过提取视频中关键信息,进行标记或者相关处理,并形成相应事件和告警的监控方式,人们可以通过各种属性描述进行快速检索。如果把摄像机看作人的眼睛,而智能视频监控系统可以理解为人的大脑。智能视频技术借助处理器的强大计算功能,对视频画面中的海量数据进行高速分析,获取人们需要的信息。
现在智能视频分析技术已经逐渐被人们所接受,但是在智能视频分析技术出现之前,海量视频的分析一直是困扰人们的一个难题,比如人们如果不小心将贵重物品遗留在出租车或公交车上该怎么办?很多人认为有了监控摄像机,事情会好办很多,可事实如此么?对于相关办案人员来说,查询海量的视频监控信息是件苦不堪言的差事,大有茫茫大海捞针之焦虑与纠结。
2012年,南京发生了“1.6”抢劫案件。在案件侦破过程中,南京警方从全市1万多个摄像头共提取了近2000T的视频数据,为了处理这些视频,调动1500多名公安干警查阅搜索视频线索,共耗时一个多月。面对如此多的监控数据,去寻找到证据和线索,无异于大海捞针,但目前的现实情况通常是被迫使用人海战术进行查看。一个案件的审看需要更为广泛的查看相关的摄像机视频,所审看的视频量时常达到数百上千小时。在目前的人工查看模式下,传统的方法需要从头到尾顺序播放,往往需要数倍于原始视频的时间才能审看完成,因此需要大量人员连续加班数周进行视频的审看。为了规避遗漏和误差,很多刑侦队采用加大人力投入的方法。但是经过实践证明,这种方法吃力不讨好,仍然解决不了根本的问题。既影响了破案进度和效率,又使得工作人员疲惫不堪。如果有智能视频分析技术对视频中运动的物体等进行检索和排除,就能大大的提高办案效率。
智能视频分析技术在安防领域的重要作用是毋庸置疑的,其可以从海量信息中迅速搜索到需要的信息。对于重大刑事案件而言,可以协助警方尽快破案,节省了公安干警的办案时间。
另外,利用智能视频分析系统可以进行事前预警防范。比如人脸识别比对系统,公安机关通过搭建人脸识别比对系统,建立人脸捕捉数据库,将人脸信息归档,并与个人身份建立关系,在实际运用过程中采用人脸搜索、黑名单布防、陌生人识别等多项智能分析技术,大大提高视频监控的防范功效,可以让犯罪分子无可遁形。由于和智能视频分析相关的高清产品并未得到真正的普及,社会上的高清监控布局点也并不完善,目前还只是针对某些行业进行使用,还远远未达到全面普及。只有大批量的使用高清摄像机,增大捕获到清晰、正面人脸的可能性,才能有更好的实战效果。此外,还需要公安和企业加强合作,加大监控点的部署密度。由于大量监控点的部署会带来海量视频,需要重视智能视频分析技术的应用,合理利用技术,人机配合,发挥技术的长处,从而有效辅助侦办人员。
目前智能视频分析技术已经逐渐的趋于成熟,这和安防企业的努力和贡献是分不开的,他们是智能视频分析的先行者,比如杭州海康威视数字技术股份有限公司,这些企业的智能视频分析技术的发展或许可以成为榜样,带动业内企业研发的脚步,真正为海量视频分析和检索带来革命性的变化。
四、大数据时代的海康威视智能视频分析
目前智能视频分析技术主要针对实时的视频图像进行分析,起到提前预警的作用,这方面的应用已经逐渐趋于成熟。随着大数据时代的到来,带来海量的数据存储,如何更好的挖掘、利用、分析这些数据是安防企业重点思考的方向。智能视频数据挖掘的应用主要是面向公安刑侦的事后视频分析、管理和实战应用。因为一个案件的发生,有时会伴随着大量的视频录像线索,与案件相关的大量刑侦监控视频基本采用Windows文件目录管理的原始方式,需要通过其他类型的记录文件(如记事本,WORD,EXCEL等)来记录视频内的重点内容(如人物,时间,地点等),这就造成调取关键视频困难、视频管理效率低下,甚至造成重要视频的丢失。在查找之前的线索时,要在繁杂的资料库中检索到该视频并通过特定厂商的DVR播放器定位到对应时间点查看,这样就造成线索与对应的视频资料的映射关系的混乱和检索困难。案件发生后刑侦工作有一定的时效性,需要快速行动。大量的数据信息和需要快速定位之间就形成了矛盾。因此,如何提高快速有效的视频录像检索方式,将成为视频监控行业发展的趋势。
在目前视频数据巨大,且又存在以上这些困局的时候,我们就开始思考如何使用智能视频分析的技术手段来进行深入的视频数据挖掘,对海量的视频数据进行分析和管理,有效提高人们对视频数据的利用,带来更大的价值。
海康威视正在着力于此类应用的研发,并开发出视频检索系统,系统采用海康威视自主研发的高效智能分析算法技术,保证分析信息的全面和准确,同时系统采用集群化计算方式,可提供几十上百倍实时以上的快速分析能力,并可根据应用需要进行线性扩展,提高计算能力。
本系统在视频资料录入的同时,自动对视频中的目标信息进行格式归一化与智能预处理分析,对视频进行快速处理,提取视频中目标的相关信息作为智能元数据保存至数据库中。之后的相关操作,如智能审看、智能检索等等就不用再做复杂的解码以及智能分析的工作,而是直接从智能元数据中提取,大大的提高了工作效率。系统可以与海康威视公安实战平台实现无缝对接,实施案件管理等功能,更加有效、有针对性的去关注和分析某些重要视频,获取有价值的信息,对接之后可实现网络传输,使得传输速度更快,节省存储资源。
根据智能元数据信息,可对目标及目标细化特征等视频内容级别进行筛选,如颜色、人/车分类等。用户还可根据案情的需要自定义设置不同的周界防范规则,通过在数据库中对元数据进行检索提取触发规则的目标信息,达到快速检索的目的,极大地提高了效率。
比如上文提到的2012年南京“1.6”抢劫案件,在办案的过程中需要对案发地点的出现的人,分析他们的行为,如果是异常的行为,则分析他们的身体特征,比如人脸部特征;如果是异常的车,则分析辆的信息,比如车牌、车颜色、车型等等,这对案件的侦破起着至关重要的作用。如果在案件发生后采用海康威视视频检索系统,根据目标的行为特征检测、人脸部特征检测和车辆信息检测很好地将案发地点出现的人和车等信息解析出来,供警察进行分析。具体的使用方法是:首先将全市1万多个摄像头共提取的2000T视频数据,按照自定义的方式放入服务器中,根据目标行为分析、人脸特征检测和车辆信息识别进行分类预处理,最后有系统给出结果。
多媒体音视频信号容量完全取决于数据交换机的容量,单台交换机最高可达512口,多台交换机可以光口交汇级联,单系统理论上支持输入65535,输出屏幕支持1024.
(3)多媒体多屏互动
支持多显示终端显示和管理,实现多屏信号共享,多屏联动,多屏内容相互浏览,支持多用户,分级权限管理,支持各个大屏幕分级管理,可动态增加组屏,便于将不同时期安装的大屏幕融入同一个强大的系统。
(4)任意自由拼接
视频画面任意的开窗、叠加、跨屏漫游等功能,在管理应用层上得以同步实现,并且全方位操作管理设计。而工程的实施和布线都变得更加简洁。
高质量的多屏幕同步,高速运动目标无屏间切裂,支持图像任意缩放、跨屏、漫游、叠加、支持图像信号局部,单独开窗拼接,支持信号任意拖拽,大屏实时显示,支持单屏多路信号上屏。
(5)所见即所得设计理念
传统的方式采用集中管理的方式,把多个设备的遥控器集中到一个专业触摸屏上管理,就像一台集合遥控器,触摸还是一堆按钮;基于大数据交互支撑的所见即所得的设计理念打破了传统的控制方式,通过动态的触摸所见即所得的多媒体音视频,拖拽式的管理,简单易懂,无需更多复杂的动作。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24