視(shì)頻(pín)结构化解析平台的关键技術(shù)——北京明(míng)景科技

• 2019/07/29

視(shì)頻(pín)结构化解析平台，是基于深度学习、大數(shù)据和(hé)云存储的視(shì)頻(pín)结构化服务系统，作(zuò)為(wèi)視(shì)頻(pín)监控系统的提档升级手段，為(wèi)用户提供視(shì)頻(pín)、图片、特征解析功能(néng)，实现從(cóng)海(hǎi)量监控图像资源中提取有价值信息，过滤冗余數(shù)据，形成視(shì)頻(pín)结构化數(shù)据积累，支撑政府实战应用。

明(míng)景視(shì)頻(pín)结构化解析平台对于視(shì)頻(pín)图像中尤其关注的人(rén)、车、非机动车类别的目标提供更深层次的结构化解析。对于視(shì)頻(pín)图像中的人(rén)物(wù)，可(kě)进行(xíng)人(rén)脸检测、人(rén)脸识别從(cóng)而分析出人(rén)物(wù)的具体身份，并可(kě)提供行(xíng)人(rén)的各种特征属性信息，包括衣着和(hé)装饰物(wù)特征：上(shàng)衣、裤子、裙子和(hé)连衣裙、鞋子、帽子、太阳镜墨镜、围巾、皮带腰带；携带物(wù)特征：单肩挎包、双肩背包、手提包、拉杆箱、雨伞；人(rén)体特征：头发、面部。

对于視(shì)頻(pín)图像中的车辆，可(kě)进行(xíng)多车道(dào)车辆检测、车头车尾检测识别功能(néng)，能(néng)够提取识别车辆的10多项属性信息，包括车辆号牌、车身颜色、车辆品牌、车辆类型、子品牌、车辆年(nián)款及各种车辆特征物(wù)信息，如(rú)：年(nián)检标、遮阳板、挂件、摆件、紙(zhǐ)巾盒、安全带等。

視(shì)頻(pín)结构化解析平台的关键技術(shù)

1、深度学习

深度学习是指机器通(tōng)过模拟人(rén)脑建立的深度神经网络，模仿人(rén)脑机制来进行(xíng)学习、判断、决策的技術(shù)，目前已被广泛应用于人(rén)脸识别、语音识别、筆(bǐ)记识别等领域。

通(tōng)过深层神经网络训练出来的人(rén)脸识别算法能(néng)极大地(dì)提高识别精度。简而言之，就是让已经在网络结构中预设了(le)人(rén)脸识别先验知识的神经网络，大量“阅读”很(hěn)多人(rén)在各种环境（例如(rú)光(guāng)照，視(shì)角，表情）下(xià)被拍摄到的不同人(rén)脸图片，自(zì)动学习并提取人(rén)脸各个部位和(hé)尺度的低(dī)、中、高层特征，在大量学习之后，机器便能(néng)根据所提供的样板信息區(qū)分不同的人(rén)員(yuán)。

如(rú)何准确地(dì)将視(shì)頻(pín)中人(rén)、车、物(wù)等的关注目标进行(xíng)结构化描述？這(zhè)与深度学习算法密不可(kě)分。针对人(rén)脑可(kě)以分析非结构化、半结构化視(shì)頻(pín)资源這(zhè)一(yī)特性，科学家们对人(rén)脑的信息处理流程进行(xíng)模拟，抽象出神经网络架构下(xià)的深度学习算法，实现視(shì)頻(pín)图像结构化解析。深度学习通(tōng)过构建模拟人(rén)脑进行(xíng)分析学习的神经网络来模仿人(rén)脑的学习机制，從(cóng)而识别和(hé)解释非结构化或半结构化的視(shì)頻(pín)资源。

深度学习算法具有自(zì)动学习的特征，通(tōng)过对大量的训练數(shù)据的学习，不断提高算法的准确度和(hé)效率。同時(shí)深度学习算法具有很(hěn)强的泛化能(néng)力，即使同一(yī)类物(wù)体处于不同尺寸、不同視(shì)角、不同光(guāng)照、遮挡等条件下(xià)也能(néng)准确识别。影响深度学习算法准确度和(hé)效率的最核心的两个因素是：训练數(shù)据的规模和(hé)算法模型的结构。其中算法模型采用的是最先进的模拟人(rén)脑构建的神经网络架构下(xià)的深度学习算法。

通(tōng)过視(shì)頻(pín)图像结构化技術(shù)，实现視(shì)頻(pín)智能(néng)分析和(hé)數(shù)据挖掘，让視(shì)頻(pín)從(cóng)人(rén)工(gōng)抽检向智能(néng)提取转变，实现智慧化的信息提取、分析、应用，让人(rén)從(cóng)观看(kàn)視(shì)頻(pín)监控劳动中解脱出来，进行(xíng)高效、准确的視(shì)頻(pín)图像实战应用。

2、大數(shù)据技術(shù)

大數(shù)据技術(shù)是使大數(shù)据中所蕴含的价值得以挖掘和(hé)展现的一(yī)系列技術(shù)与方法，包括數(shù)据采集、预处理、存储、分析挖掘、可(kě)視(shì)化等。在本系统中采用的大數(shù)据技術(shù)，是结合综治視(shì)頻(pín)监控业务的实际需求，基于分布式计算、大數(shù)据检索等技術(shù)进行(xíng)设计的，主要(yào)解决海(hǎi)量结构化、半结构化視(shì)頻(pín)资源的快(kuài)速检索、分析统计应用需求，并通(tōng)过大數(shù)据的深度关联分析，支撑综治机关開(kāi)展視(shì)頻(pín)图像信息实战应用。

（1）分布式计算技術(shù)

海(hǎi)量視(shì)頻(pín)资源通(tōng)过本系统的结构化解析，形成海(hǎi)量结构化、半结构化有价值數(shù)据的积累，针对這(zhè)些有价值的大數(shù)据进行(xíng)快(kuài)速检索、分析统计需要(yào)巨大的计算能(néng)力，需要(yào)极大的成本的同時(shí)也极其耗時(shí)。分布式计算负责将一(yī)个需要(yào)非常巨大的计算能(néng)力才能(néng)解决的問(wèn)题分成许多小的部分，然后把這(zhè)些部分分配给许多计算机进行(xíng)处理，最后把這(zhè)些计算结果综合起来得到最终的结果，节约计算成本的同時(shí)也提高处理效率。

（2）大數(shù)据检索技術(shù)

大數(shù)据检索是针对大數(shù)据搜索业务需求而打造的一(yī)套搜索引擎，具有专业精准、高扩展性和(hé)高通(tōng)用性的特点。全文检索作(zuò)為(wèi)大數(shù)据检索技術(shù)的实现与应用，能(néng)够快(kuài)速生成海(hǎi)量文件对应的索引數(shù)据，同時(shí)对搜索引擎的配置管理进行(xíng)人(rén)性化的定制，使全文检索集群的管理、监控与扩展都(dōu)变得十分简单，极大提高了(le)系统的维护性与可(kě)用性。

3、云存储技術(shù)

云存储是在云计算（cloud computing）的概念上(shàng)延伸和(hé)发展出来的一(yī)个新概念，是指通(tōng)过集群应用、网格技術(shù)或分布式文件系统等功能(néng)，应用存储虚拟化技術(shù)将网络中大量各种不同类型的存储设备通(tōng)过应用软件集合起来协同工(gōng)作(zuò)，共同对外(wài)提供數(shù)据存储和(hé)业务访問(wèn)功能(néng)的一(yī)个系统，也可(kě)将云存储理解為(wèi)是配置了(le)大容量存储设备的一(yī)个云计算系统。

系统针对综治应用特点，采用面向业务的设计思路，融合集群化、虚拟化、离散存储等技術(shù)，规划图片云存储，可(kě)将网络中大量各种不同类型的存储设备集合起来协同工(gōng)作(zuò)，共同对外(wài)提供高性能(néng)、高可(kě)靠、不間(jiān)断的图片存储和(hé)业务访問(wèn)服务。

联系我们 

北京总部：  

张先生：13911129392    zhangchi@botechnic.com