
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
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30