积分商城

最新搜索： HDMI2.1 环形队列 ZXDN10 定位 ADS1115 TM1723
您现在的位置是：首页 > 技术资料 > 面向智能监控摄像头的监控视频大数据分析处理
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

面向智能监控摄像头的监控视频大数据分析处理

更新时间：2019-12-25 14:22:06 大小：682K 上传用户：zhiyao6查看TA发布的资源 标签：智能监控摄像头 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

视频监控是安防的重要组成部分,智能监控摄像头以其丰富的异常行为识别功能,极大地增强了监控场所的安全。随着部署的智能摄像头日渐增多以及视频监控网规模的不断扩大,海量的视频数据给存储、检索及分析带来了巨大挑战。该文提出智能摄像头异常报警事件驱动的监控视频大数据智能处理方法,具体包括:多点关联分析的异常事件自动预警、事件驱动的监控视频选择性存储以及异常行为事件约束的关联检索,以期提高大数据时代监控视频数据的深度利用效率。实践案例证实,所提方法能够实现异常事件的可信预警,录像视频选择性的高效保存和破案线索的快速发现。


部分文件列表

文件名 大小
面向智能监控摄像头的监控视频大数据分析处理.pdf 682K

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
第39 卷第5 期  
2017 年5 月  
电 子 与 信 息 学 报  
Vol.39No.5  
May 2017  
Journal of Electronics & Information Technology  
面向智能监控摄像头的监控视频大数据分析处理  
①③  
①③  
②
邵振峰  
蔡家骏  
王中元*④  
马照亭  
①
(武汉大学测绘遥感信息工程国家重点实验室 武汉 430079)  
②
(中国测绘科学研究院 北京 100830)  
③
(地球空间信息技术协同创新中心 武汉 430079)  
④
(武汉大学国家多媒体软件工程技术研究中心 武汉 430079)  
摘
要：视频监控是安防的重要组成部分，智能监控摄像头以其丰富的异常行为识别功能，极大地增强了监控场所  
的安全。随着部署的智能摄像头日渐增多以及视频监控网规模的不断扩大，海量的视频数据给存储、检索及分析带  
来了巨大挑战。该文提出智能摄像头异常报警事件驱动的监控视频大数据智能处理方法，具体包括：多点关联分析  
的异常事件自动预警、事件驱动的监控视频选择性存储以及异常行为事件约束的关联检索，以期提高大数据时代监  
控视频数据的深度利用效率。实践案例证实，所提方法能够实现异常事件的可信预警，录像视频选择性的高效保存  
和破案线索的快速发现。  
关键词：监控视频大数据；关联分析；异常事件预警；智能检索；智能监控系统  
中图分类号：TP391  
文献标识码：A  
文章编号：1009-5896(2017)05-1116-07  
DOI: 10.11999/JEIT160712  
Analytical Processing Method of Big Surveillance Video Data  
Based on Smart Monitoring Cameras  
①③  
①③  
④
②
SHAO Zhenfeng  
CAI Jiajun  
WANG Zhongyuan  
MA Zhaoting  
①
(State Key Laboratory for Information Engineering in Surveying, Mapping and Remote Sensing,  
Wuhan University, Wuhan 430079, China)  
②
(Chinese Academy of Surveying and Mapping, Beijing 100830, China)  
③
(Collaborative Innovation Center for Geospatial Technology, Wuhan 430079, China)  
④
(National Engineering Research Center for Multimedia Software, Wuhan University, Wuhan 430079, China)  
Abstract: As an important part in the security and protection system of cities, smart monitoring cameras which are  
equipped with intelligent video analytics ability can monitor in different scenes and pre-alarm abnormal behaviors  
or events. Nevertheless, with the growing number of smart monitoring cameras, the challenges to analytics, storage  
and retrieval of massive surveillance video data need to be solved in the big data era. This paper proposes an  
intelligent processing method which makes full use of smart cameras to big surveillance video data. The method  
consists of three parts: the intelligent pre-alarming for abnormal events, smart storage for surveillance video and  
rapid retrieval for evidence videos, which aim to improve the utilization efficiency of surveillance video data.  
Experimental results prove that the proposed approach can reliably pre-alarm abnormal events, efficiently reduce  
storage space of recorded video and significantly improve the evidence video retrieval rates associated with specific  
suspects.  
Key words: Big surveillance video data; Association analysis; Pre-alarming of abnormal events; Intelligent retrieval;  
Intelligent surveillance system  
第5 期  
邵振峰等：面向智能监控摄像头的监控视频大数据分析处理  
1117  
1 引言  
k 中心点(k-medoids)、基于半径(radius-based)和基  
于蚁群(ant-based)等不同原理的聚类方法对异常行  
为进行识别[8-10] 。这些算法侧重于单方面的视频分  
析，并未考虑视频数据的时空关系将监控视频的处  
理连接为一个整体。  
公共场所的安全保障是智慧城市的主要特征之  
一[1]，但近年来全球范围内社会治安形势日趋复杂，  
交通事故、恐怖袭击、犯罪事件频发等现象严重影  
响了社会的稳定。为了遏制和打击犯罪、降低社会  
安全风险，重要场所都安装了视频监控系统，实现  
监控音、视频资料的录像保存。 视频监控系统在危  
险行为预警和事后破案中正发挥重要作用。  
与此同时，相继有很多智能视频监控系统被开  
发，如卡内基梅隆大学早期开发的 VSAM(Visual  
Survelliance And Monitoring)系统[11]，该系统的应  
用场所主要是战场，采用了一种自动化的视频解析  
技术以及分布式监控摄像头网络来识别单个人在复  
杂环境下的行为并进行持续的监控，以及时收集战  
场上的实时信息从而为军队的指挥提供决策上的辅  
助；中科院自动化所研发的Vs-star 系统[12]利用目标  
的检测、分类、识别、跟踪与分析技术来确定目标  
的行为，从而在各种场所的安全保障方面发挥作用。  
在应用方面，Garcia 等人[13]介绍了相关系统在高速  
公路附近的公共区域中的应用，主要是为了确保行  
人的安全，监视各项异常行为；Huang 等人[12]介绍  
了相关系统在地铁、大型活动中的应用，实现了24  
h 对室外的车辆与行人，室内的活动人员全面的智  
能化监控。为了满足实际需求，部分场所已经安装  
了智能监控摄像头，现有的主流智能监控摄像头产  
品大多具有针对银行这类特殊场所异常行为提供警  
示功能。Hancked 等人[14]认为通过监控人们的行为  
并进行分析，在较大程度上能及时发现对社会治安  
构成威胁的犯罪行为。然而，使用这些智能监控摄  
像头监测异常事件时存在以下局限：(1)现有的智能  
监控系统只能就单个异常事件进行检测和告警，不  
能建立多个异常事件间的时空关联关系。(2)大数据  
时代信息区域整体获取方式推动存储成本加速增  
长。Heibing 等人[15]指出：数据表达的广泛异构性使  
得任何形式的整体处理和存储都异常困难。(3)数据  
快速增长导致虚警搜索输出规模大大超出人工处理  
的极限。传统的事后取证方法主要是调阅案件或事  
故发生点及周边监控点的视频监控录像，当事件涉  
及的时空范围比较广时，需要查看海量的监控录像。  
为解决上述问题，本文基于大数据的理念，提  
出智能摄像头异常报警事件驱动的监控视频大数据  
智能处理方法。提出方法不是简单被动地接收和处  
理单个智能摄像头的异常报警信息，而是将具有时  
空属性的多点智能摄像头的识别结果再次进行协同  
关联分析，试图找出异常行为发生的规律和模式，  
挖掘表面孤立的异常行为间的内在联系，用于智能  
监控系统的事前风险预警、事中智能存储和事后的  
快速取证，从而提升有内在关联的异常行为的预警  
精度、与异常行为相关联的视频录像保存效率、异  
常行为约束下的案件线索发现效率。  
我国已安装的监控摄像头目前已超过 3000 万  
个，每年产生数万PB(PetaByte)的数据量，视频监  
控的覆盖范围和监控点、卡口的数量都以30％以上  
的增长率在快速增加。由于视频是非结构化数据，  
很难从中自动分析出蕴含的丰富信息，庞大的数据  
量给监控视频的存储、分析、检索造成巨大的技术  
挑战。近年来，在机器学习和大数据技术的驱动下，  
视频监控系统的智能化过程发展迅速，任务处理的  
智能化和自动化程度不断提高[2]。  
单摄像机监控向多摄像机监控网络的转变[3]使  
得视频数据量变得更为庞大，如何让视频分析技术  
在大数据中发挥作用也成为人们关注的一个方向，  
学者们也提出了自己的解决方法。在大数据存储与  
检索方面，Guo 等人[4]设计了一种名为SVIS 的视频  
数据存储方式，能够快速调用各种格式的视频数据  
以供分析平台的后续操作；Shavachko 等人[5]设计了  
HDFS 系统有效地存储大数据，以解决视频信息存  
储冗余的问题。在异常行为检测方面，Kim 等  
人[6]提出了基于行为模板的方式，获取不同动作的特  
征从而设立各自的模板，实际使用时将捕捉到的动  
作与模板进行匹配，以达到对各种行为进行准确地  
识别的效果；Chen 等人[7]提出了一种基于加速度特  
征的异常行为检测方法来检测移动的人群中加速度  
异常的可疑目标，有效地标记出逆行或者快速移动  
的人，从而进行预警；在其他一些工作中还用到了  
收稿日期：2016-07-07；改回日期：2016-12-13；网络出版：2017-02-09  
*通信作者：王中元
基金项目：中央高校基本科研业务费专项资金(2042016kf0179,  
2042016kf1019, 2042016gf0033)，2016 年广州市科技计划资助项目  
(201604020070)，测绘地理信息公益性行业科研专项经费项目  
(201512027)，湖北省自然科学基金(2015CFB406)，武汉市应用基础  
研究计划项目(2016010101010025)  
Foundation Items: The Fundamental Research Funds for the  
Central Universities (2042016kf0179, 2042016kf1019, 2042016  
gf0033), The Guangzhou Science and Technology Project (2016-  
04020070), The Special Funds Project on Public Welfare Industry  
Research of Surveying and Mapping Geographic Information  
(201512027), The Natural Science Fund of Hubei Province  
(2015CFB406), The Applied Basic Research Program of Wuhan  
City (2016010101010025)  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号