杨 子 毛
(万达信息股份有限公司, 上海 200233)
“智慧”实现的关键是以全新的角度把以往那些被分别考虑、分别建设的领域(如交通、能源、商业、通信、机电设备等)综合起来考虑,并发现这些领域之间的关系。借助新一代的云计算、物联网、决策分析优化等信息技术,通过感知化、互联化、智能化的方式,将安防、服务、节能、营销、管理等业务连接起来,将传统弱电设施智慧化,使之成为可以指挥控制、辅助决策、实时反应、协调运作的安防系统。
在现有安防设施及安防系统的基础上,建设信息化智慧安防综合管理平台(下文简称智慧安防平台),充分利用现有视频监控数据资源,提升整体安防智慧化程度,实现投资价值最大化。具体如下:
(1) 满足智能需求,可快速迭代。针对现有的视频监控,通过视频流智能分析,解析出用户关心的信息,并能随着技术和需求的变更不断迭代。
(2) 沉淀数据、不断迭代、灵活扩展新场景。对视频监控进行智能分析,形成图像智能化数据资源。依托图像智能化数据资源作为AI智能分析与应用[1-2]的大数据基础。
(3) 视频建设价值最大化。充分利用现有视频采集、传输、存储的建设资源,在既有监控摄像头的基础上叠加智能分析和智能应用,对视频监控资源进行智能化升级。在利旧资源的基础上实现投资价值最大化。
1.1 总体架构
总体集成方案架构图如图1所示。整个系统即完整的智能化管理平台,通过该平台打造了多种智能化应用场景。它由以下几个部分组成:
(1) 接入层设施和数据。目前在建的有15个子系统,分为两大类:一类是基础建设,一类是平台建设,包括视频监控系统、入侵报警系统、门禁及一卡通管理系统、电子巡更系统、无线对讲系统、客流分析系统、停车管理系统等。这些前端感知设备和子系统产生的物联网数据构成了整个智能化管理平台的数据基础。其中和此次智慧安防系统直接相关的数据包括视频监控、门禁系统、人脸PAD等设备。
图1 总体集成方案架构图
(2) 基础云服务。前端的感知数据和物联网数据通过运营商的有线、无线或物联网链路上云,为数据提供基础的管理、存储、计算、网络服务。
(3) BOS建筑大脑。云上数据为上层的智能化应用提供了基础的数据支撑,这些原始数据需要经过相应的分析处理后才能对业务支撑。基于云上不同的数据类型,构建各种服务模块,对原始数据进行精细化加工,构建各类服务模块,对原始数据进行梳理,整合、通过智能算法引擎对数据进行深层次的加工和挖掘,形成成果类数据。
(4) Web Portal入口。将各智能应用场景进行功能集成、网络集成、界面集成、业务集成等,并通过统一的Web Portal入口进行输出,用户可以通过该入口进行统一的授权登录、访问和应用。进行“跨界融合”,各类业务数据和智能应用全量汇聚,实现统一的数据标准和语言,将所有的应用集成在一个运营管理平台上,实现园区可视、可管、可控,业务全数字化、系统全联接、数据全融合,形成物联网、云计算、大数据和人工智能等新一代信息技术的智能化管理平台。
1.2 应用架构
平台应用架构图如图2所示。
图2 平台应用架构图
(1) 接入层。接入各类安防设施及数据,包括视频监控、人像抓拍、人脸门禁、无线对讲、入侵检测、电子巡更、一卡通等。
(2) 服务层。服务层位于第二层。各类数据在此接入汇聚后,实现分散资源的集中管理以及集中资源的分散服务,实时处理前端设施传入的视频信息、报警信息、其他传感数据信息以及由应用层下达的对各类设施的控制指令信息,支撑各类资源的规范接入、标准化处理与高效能信息发布,从而实现各类数据的基础信息管理,为应用层提供全面的支撑服务。
服务层的另一个功能是在该层搭建了智能算法引擎。引擎由多个不同的智能化算法模块组成,每个算法模块用于处理不同的安防感知设施回传的数据。不同的算法针对不同类型的数据进行解析、结构化信息的提取、行为属性和特征值的计算,形成重要的智能分析结果集数据。通过算法之间的组合应用,可以将不同的结果集数据进行再次加工与分析,深度挖掘数据之间的关联,提取更富有价值的数据。
(3) 业务应用层。业务应用层将服务层处理的各类数据按智慧安防需求进行整合。针对各个不同区域的安防重点和出入人员的特性设计不同的功能场景,形成不同场景下的功能场景。
(4) 业务展现层。业务展现层是功能场景的具体业务展现,通过该层提供统一的Web Portal入口。该层支持多级用户共享资源,加强异构数据间的融合,为用户提供了检索、比对、分析、研判、预警、处置、管理、统计及可视化展现等应用支撑。通过该层实现统一接口与上层应用,消除传统意义上的信息孤岛,达成不同系统间的应用集成与共享;充分发挥平台信息汇集、统筹指挥的作用,多级用户共享资源、协同工作,增强各级中心日常管理和突发事件处置的反应能力。
1.3 数据架构
数据从来源到展现自下而上可以分为基础数据层、成果数据层、业务数据层。
基础数据层:数据来源于各类感知设备采集和传输的感知数据,其中最主要的是视频监控和人脸采集的数据。
成果数据层:在基础数据层采集的原始数据经由设备传递到服务层,服务层的五大智能算法模块对原始数据进行初步的加工,通过筛选、格式标准化等步骤,将符合进一步处理分析要求的数据进行格式规整,规整后各算法模块对数据进行分析、挖掘、碰撞、关联、聚类等计算,产生出结构化或半结构化数据,生成的数据保存在成果数据层。
业务数据层:业务应用层共有七大功能场景,基于不同的场景功能,每个业务模块会从成果数据层抽取相关的数据,通过业务模块的流程逻辑对成果数据进行逻辑加工和业务展现,最终生成业务数据。
本次建设的智能分析子平台要求采用边云结合的架构,充分结合边云各自的优势,通过预分析在边缘侧的视频,实现园区内视频监控场景实时感知异常事件,实现事前布防、预判,事中现场可视、集中指挥调度,事后可回溯、取证等业务。智能分析子平台(视频云)架构图如图3所示。AI智能分析平台的应用场景需求如表1所示。
图3 智能分析子平台(视频云)架构图
表1 AI智能分析平台的应用场景需求
边云协同,智慧分层的理念是:边侧实现视频的浅层智能分析,检测出价值图片(如人脸、入侵等)上云;云端实现图片的深度智能分析(如人脸识别、比对等)。
园区边缘侧视频节点完成摄像头的接入、管理及本地存储;云端应用可以通过云端视频接入服务来调取指定摄像头的视频,观看实时监控。
边缘摄像头或VCN的视频流通过RTSP接入EI边缘视频分析,进行边缘处理;针对人脸识别,边缘进行人脸图片抓取,图片送到云上做比对。
3.1 重点人员目标识别与预警
当发现园区内有可疑目标出现时,通过两种方式对可疑人员的身份进行核查。重点人员通过人脸识别与预警如图4所示。
图4 重点人员通过人脸识别与预警
将人脸采集设备采集到的人脸数据与重点人员库(含人脸信息)进行比对匹配,查看是否是关注的重点人员。
将采集到的可疑人员人体数据(来源包括视频监控与人脸采集设备)与人脸采集设备中的人体数据进行比对匹配,查看人脸采集设备采集的数据中是否有匹配的人体数据。如有,根据人体数据当时的场景照提取人脸信息,通过人脸进行比对匹配,查看是否是关注的重点人员。
为了及时发现重点人员进入园区,还可以将重点人员库中的人脸数据进行布控,实时处理、分析、比对人脸采集设备采集的人脸信息,若发现有匹配的人员,通过屏幕弹窗展示,也可以通过 API 接口推送到其他关联信息系统或移动端应用。
3.2 人员目标智能搜索
将人脸识别算法、跨镜头人体识别算法及人脸-人体聚类算法组合,提供智能搜索功能[3-4]。人员目标智能搜索如图5所示。具体如下:
(1) 提交目标人员的人脸信息,查询该目标人员在区域内出现的情况,通过人脸采集设备判断目标人员的大致位置情况(曾经出现的位置、设定时间出现的位置、最后出现的位置)。
(2) 提交目标人员的人体信息,查询该目标人员在区域内出现的情况,通过视频监控判断目标人员的大致位置情况(曾经出现的位置、设定时间出现的位置、最后出现的位置)。
(3) 提交目标人员的人脸或人体信息,在全域内所有的人脸采集设备及视频监控中查询目标人员出现的位置情况(曾经出现的位置、设定时间出现的位置、最后出现的位置)。
图5 人员目标智能搜索
3.3 受控区域越线闯入预警
整个区域中的能源中心、设备用房、物业管理办公室、中控室、核心机房、财务室等都是安防重点。通过这些区域安装的人脸识别PAD可以让授权的内部人员进入,但是难保有人企图翻越或闯入这些区域从事非法行为。为了及时发现有人员企图非法闯入受控区域,对部署在这些区域的视频监控进行实时处理与分析,通过智能周界分析算法实时检测,判断是否有非授权人员闯入,一旦发现后实时预警,屏幕弹窗展示,也可以通过API接口推送到其他关联信息系统或移动端应用。
根据总体建筑规划及管理需要,选择核心机房(1个)、汇聚机房(南北地块各1个)、暖通机房(6个)、运营商机房(6～7个)、管理办公室及财务室(2～3个)共20个重要机房及部门作为受控区域,对所在区域的视频监控实时码流实时分析,及时发现非授权闯入或靠近行为并进行预警。
3.4 人员目标时空轨迹溯源
与人员智能搜索的应用场景类似,在一些场景下(如发生治安案件)需要回溯目标人员在整个区域的时空轨迹,通过时空轨迹对目标人员的行踪进行研判。时效依然是非常重要的,传统的视频监控调阅方式费时费力,通过人脸识别算法、跨镜头人体识别算法及人脸-人体聚类算法的组合,提供快捷的人员时空轨迹溯源[5]。
提交目标人员的人脸或人体信息,在全域内所有的人脸采集设备及视频监控中查询目标人员出现的时间和空间位置,并将两者之间的对应关系与二维地图相结合,在二维地图中进行标定,并基于时间维度绘制目标人员的历史活动轨迹。人员目标轨迹回溯如图6所示。
根据总体建筑规划及管理需要,计划在商场各层主要出入口及通道、车库电梯厅、车库通往商场的扶梯、塔楼进出商场的通道等重要位置,选择覆盖相关区域的共30路视频监控码流进行实时处理分析,回溯目标人员出入的时空轨迹。
图6 人员目标轨迹回溯
3.5 人员一人一档大数据积累
针对地下车库、商业区域等人流量比较大的区域,以人为核心,围绕“人-脸-体”之间的关系进行大数据关联整合与聚类计算,通过聚类算法实现多维数据关联,勾勒目标图谱。通过人脸-人体时空归档,形成以人为核心的实名与非实名档案,从而实现更大规模的数据检索、比对。
完成聚类的人员大数据将人员从时间和空间串联起来,基于时间和空间中的任意一点,将目标人员的人脸或人体信息作为检索条件查询历史活动轨迹。同时在大数据技术上结合安防需求衍生出更多的分析模型,例如同伴分析、滞留分析、出入规律分析等,为决策及分析提供更有价值的数据支撑。
3.6 园区热力图
商业核心区域及地下停车库的出入口位置往往是人流量比较大的区域,这些区域容易发生拥挤踩踏事故。此外,针对商业核心区的人流现状,不同日期不同时间段的人流变化往往缺乏有效的手段进行统计、展现和分析,也就无从下手来提高安保人员的部署效果。
利用上述这些区域的视频监控进行实时处理与分析,通过人员计数与密度分析算法实时检测区域内人员数量,人员数量的规模情况以热力图的方式进行展现。热力图中红色代表人员密度较大,蓝色代表人员密度较低。根据安保工作分析的需要,设定不同的采集周期对人流进行检测计数,例如以小时为单位进行检测计数,以天为单位建档保存统计数据及热力图。人员计数和热力图显示如图7所示。
图7 人员计数和热力图显示
智慧安防综合管理平台如图8所示,该平台能实现摄像头及相关信息可视化;视频及相关事件联动;安防事件(不限于门禁、消防、人车布控、黑/白名单等)的报警消息展示和提示;人员异常行为分析内容展示;可根据异常行为数据进行预警;支持室内楼层分层监控信息查看;客流热力图展示;支持视频巡更;摄像头事件管理等。
综上所述,通过视频全面云化,可实现视频联网和资源共享,人脸统一智能分析,实现视频的全生命周期管理,让视频产生更多的价值。在原有视频安防系统加上AI应用,实现数据统一格式,以此驱动大数据的应用和AI智慧化,实现数据价值挖掘,将海量信息和行业智慧,经过智能计算分析反馈于物理世界。
图8 智慧安防综合管理平台
猜你喜欢人脸监控智能The Great Barrier Reef shows coral comeback疯狂英语·新读写(2021年10期)2021-12-07有特点的人脸少儿美术·书法版(2021年9期)2021-10-20一起学画人脸小学生必读(低年级版)(2021年5期)2021-08-14你被监控了吗？新世纪智能(英语备考)(2019年4期)2019-06-26Zabbix在ATS系统集中监控中的应用铁道通信信号(2019年11期)2019-05-21智能前沿文苑(2018年23期)2018-12-14智能前沿文苑(2018年19期)2018-11-09智能前沿文苑(2018年17期)2018-11-09智能前沿文苑(2018年21期)2018-11-09三国漫——人脸解锁动漫星空(2018年9期)2018-10-26