ＥＬＥＣＴＲＯＮＩＣＳ ＷＯＲＬＤ・ 索与豫寡 视频监控系统发展历程及趋势浅析 浙江省慈溪市慈溪高中 洪翌滔 【摘要】文章从视频监控系统发展历程及现状分析，对当下海量视频类非结构化数据应用难度大、智能化程度低的问题进行来了阐述，并结 合主流的人工智能技术，提出了人工智能＋数据挖掘的新一代视频监控系统构建模式，供读者分享。 【关键词】视频监控；人工智能；数据挖掘 是“智慧城市”发展的重要载体。视频监控不仅可以满足城市管 一、视频监控系统发展史 理、反恐维稳、应急指挥等需求，也可以启到治安防控、预防打击 违法犯罪行为，提供破案所需的视频图像信息线索等作用，能作为 从上世纪九十年代开始，视频监控系统正式进入中国，并在国 内相关领域内得到了快速发展，从以矩阵为核心代表的模拟系统， 人防、物防之外的另一大防控手段一一技防。同时，通过视频监控 系统建设能构筑城市的立体化防控网络，提升城市可视化管理水平 发展到了以硬盘录像机为代表的半数字化监控系统，再到如今以网 络摄像机为代表的全数据监控系统。视频监控已存在于社会公共安 和政府应急处置能力，对于维护城市公共安全具有重大的意义。 国内的平安城市建设起源于“科技强警”战略和城市报警与 监控系统建设（“３１１ｌ”试点工程）两大项目，从最初的前端点位 全的每一个角落。视频监控的发展历程主要分为三个阶段： 第一阶段为模拟监控时代，主要由模拟摄像机、专用同轴电 缆、视频矩阵、显示器、模拟录像设备及录音带等组成。系统定位 为解决小范围区域内、短距离的视频监控需求。 第二阶段是以硬盘录像机为核心的半数字化监控时代，主要由 模拟摄像机、专用同轴电缆、硬盘录像机、显示器等组成。系统优 势在于充分发挥了计算机技术的功能，能为用户提供相对人性化的 预览、视频管理方式，在一定程度上解决了模拟矩阵技术无法解决 的难题。 建设到近几年的联网整合，视频监控技术已经成为政府部门可视化 管理的技术支撑点。近年来，随着人民生活水平的提高、国民经济 的高速发展，人们的生活、学习和工作条件均有了很大的改善，越 来越多的人成为了有车一族；私家车保有量的增多无疑给人们出行 带来了很大的便利，但与此同时，私家车发展所带来的问题，也日 益严重。从近年的公安刑事案件规律来看，车辆成为了犯罪分子作 案、生活中必不可少的工具。同时，随着经济的快速发展，以及城 镇化建设步伐的加快，各地城市的人口流动频率越来越大，人口组 成也变得越发复杂，城市公共安全领域的人员安全防范与管理面临 着巨大的挑战，而现有的网络视频监控系统虽能解决视频采集、预 览、控制等应用需求，但面对越来越多的视频资源，以及信息化、 智能化的管理需求，笔者认为亟需引入人工智能（Ａｒｔｉｉｆｃｉａｌ Ｉｎｔｅ１． １ｉｇｅｎｃｅ，即ＡＩ）来自动消化海量监控视频数据，将网络视频监控系 第三阶段则是以网络视频为核心的全数字视频监控时代，也是 网络时代，视频从前端视频图像采集、传输就是数字信号，同时以 网络为传输介质，实现视频图像的传输，并通过部署在相应网络内 的控制主机来实现系统的显示、控制、存储、应用。 视频监控系统发展历程示意图如图ｌ所示： 统升级为以结构化数据为核心，以精确数据生产为目标的智慧监控 系统。 三 视频监控发展趋势分析 在中国的平安城市建设中，会部署大量的摄像机，这些摄像 机每天将采集海量的视频数据。我们以首都北京举例，据不完全 统计，属于政府和社会公共机构的建设摄像机，体量己超过２００万 图１视频监控系统发展历程示意图 个，这些摄像机与我们的手机不一样，它每分每秒都在进行视频采 集，北京２００多万个摄像机一天将会产生２００多万天的录像，折合成 二 国内视频监控系统发展背景 年，也就是５０００多年的视频。所以在视频监控系统中，从前端摄像 机到存储都是一个拥有海量数据的网络。那么这些数据最终由谁消 视频监控系统是保障城市安全和维护社会稳定的基础设施，也 是“平安城市”的核心组成部件，更是未来“城市大脑”的眼睛， 费呢？唯一的消费者就是监控中心的工作人员，简单来说就是政府 工作人员（例如民警），他们在日常工作的中需要去浏览很多实时 电．７．－ｍｉ￣ｌｔ ・７７・ ＥＬＥＣＴＲＯＮＩＣＳ ＷＯＲＬＤ・探索与观察 视频／录像，但是目前视频监控系统生产数据的速度，已经远远超 过了数据消化的速度，这也就导致了当今视频监控行业的一个主要 矛盾：我们采集了太多的视频，但这些视频的价值却没有办法得已 最大的发挥。 院，则系统就会进行自动预警，医院的保安能第一时间得到预警信 息，及时将不稳定的因素扼杀在摇篮里。事实上，还有很多更为复杂 的数据关系的分析挖掘手段，例如医院会有很多号贩子，这些人的存 在会饶仑医院正常的挂号服务秩序，那么如何通过人工智能技术将 这些号贩子找出来呢？怎么样能够区分号贩子与普通挂号病人的差 别呢？这就需要对挂号人的行为进行分析，从海量的人脸数据和行 为数据中，自动将经常在医院挂号，但又不看病的人员筛选出来， 然后纳入特殊人群管控起来。未来，以人工智能＋数据挖掘模式构 建的视频监控系统，将帮助各行业更好的实现视频增值服务。 在《碟中谍》里面有一个场景，任务情报署的特工卢瑟，通 过天眼视频，应用人脸检索、人脸识别技术，完成了对目标伊莎的 位置锁定 该电影片段中呈现了几个核心技术，例如人脸检测、人 脸识别、步态识别等，这些技术在三到五年以前，识别的精确度并 不足以支撑广泛应用。但随着人工智能技术，尤其是深度学习的成 熟，现在车辆识别、人脸识别这些基础模块的性能、精度已大大提 升。综上所述，笔者认为，将人工智能引入视频监控领域，自动对 视频数据里面的内容和目标进行结构化分析，提取有价值的属性、 身份信息等结构化数据，并通过计算机进行海量结构化数据的检 索、分析、统计应用，是未来视频监控系统发展的必要趋势。这中 四，结论 通过本文的分析，笔者提出了人工智能＋数据挖掘的新一代视频 监控系统构建模式，建议对海量视频类结构化数据进行解析，结合 业务需求挖掘数据价值，催生数据应用，实现视频数据增值效益。 间的一个关键环节，是如何充分挖掘数据背后隐藏的价值，因为当 人工智能将视频类非结构化数据，解析成结构化数据后，将会产生 一个新的结构化数据池，这些数据如果没有经过关系的挖掘，那么 作者简介： 洪翌滔（２ｏ００一），男，浙江慈溪人，浙江省慈溪市慈溪高中 高三学生，对视频监控系统发展和主流的人工智能技术特别感兴 趣，研究方向：智能城市。 就无法形成真正有意义的情报。 目前，在视频监控领域会应用一些相对成熟且简单的挖掘手段， 例如在医院里经常会有一些医闹人员，我们可以尝试将这些人员的信 息录入到“医闹库”中，也就是俗称的黑名单，一丹这些人来到医 （上接第７６页） 来。通过分析ＩＰＩＸ雷达数据结果表明，基于分形理论用ｈｕｒｓｔ正常化 指数，可以获得更好的测试结果㈣。 ２０１６年Ｖａｌｅｆｉａ Ｇｒａｃｈｅｖａ建立了多通道分析和抑制海杂波的机载 微波雷达时空白适应处理系统，通过该系统演示了海杂波多通道特 工程舆雹子技衔，２００６，２８（８）：１１６１—１１６３． ［４】王宏强，姜斌，黎湘，等．基于改进支持向量机的海面目标检测方 法Ⅱ】．信号处理，２００７，２３（４）：５９８—６０２． 【５］Ｌｏ Ｔ，Ｌｅｕｎｇ Ｈ，Ｌｉｔｖａ Ｊ，ｅｔ ａ１．Ｆｒａｃｔａｌ ｃｈａｒａｃｔｅｒｉｓａｔｉｏｎ ｏｆ ｓｅａ— ｓｃａｔｔｅｒｅｄ ｓｉｇｎａｌｓ ａｎｄ ｄｅｔｅｃｔｉｏｎ ｏｆｓｅａ—ｓｕｒｆａｃｅ ｔａｒｇｅｔｓ［Ｃ］／／ＩＥＥ Ｐｒｏｃｅｅｄｉｎｇｓ Ｆ（Ｒａｄａｒ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ）．ＩＥＴ Ｄｉｓｔｌａ Ｌｉｂｒａｒｙ，１９９３，１４０（４）：２４３—２５０． 性，帮助计算和模拟不同海洋情况下的海杂波通道特性 ”。 ３结束语 【６】Ｇａｏ Ｊ，Ｙａｏ Ｋ．Ｍｕｌｔｉｆｒａｃｔａｌ ｆｅａｔｕｒｅｓ ｏｆ ｓｅａ ｃｌｕｔｔｅｒ［Ｃ］／／Ｒａｄａｒ Ｃｏｎｆｅｒｅｎｃｅ，２００２．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ ＩＥＥＥ．ＩＥＥＥ，２００２：５００—５０５． 从文章可以看出许多国内外专家都在不遗余力的对海杂波进行 研究，期望得到能够正确的分析海杂波特性并得到其模型，但是到 目前为止还没有统一有效的模型可供大家参考，从而降低海杂波在 海面小目标检测中带来的影响。而对于需要对３．２万公里的海岸线 进行防卫的我国来说，对海杂波的研究更为迫切。 【７］Ｚｈｅｎｇ Ｙ，Ｇａｏ Ｊ，Ｙａｏ Ｋ．Ｍｕｌｔｉｐｌｉｃａｔｉｖｅ ｍｕｌｔｉｆａｃｔｌａ ｍｏｄｅｌｉｎｇ ｏｆ ｓｅａ ｄｕｔｔｅｒ［Ｃ］／／Ｒａｄａｒ Ｃｏｎｆｅｒｅｎｃｅ，２００５ ＩＥＥＥ Ｉｎｔｅｎａｒｉｔｏｎａ１．ＩＥＥＥ，２００５：９６２—９６６． 【８］Ｍａｒｔｏｒｅｌｌａ Ｍ，Ｂｅｒｉｚｚｉ Ｆ，Ｍｅｓｅ Ｅ Ｄ．Ｏｎ ｔｈｅ ｆｒａｃｔａｌ ｄｉｍｅｎｓｉｏｎ ｏｆ ｓｅａ ｓｕｒｆａｃｅ ｂａｃｋｓｃａ￣ｅｒｅｄ ｓｉｇｎａｌ ａｔ ｌｏｗ ｇｒａｚｉｎｇ ａｎｇｌｅ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ａｎｔｅｎｎａｓ ａｎｄ Ｐｒｏｐａｇａｔｉｏｎ，２００４，５２（５）：１ １９３—１２０４． ［９］ＥｌＤＣ，ＳｈｕｉＰＬ．Ｆｌｏｍ￣ｇ ｓｍａｌｌｔａｒｇｅｔ ｄｅｔｅｃｉｔｏｎｉｎ Ｓｅａ ｃｌｕｔｔｅｒ ｖｉａｎｏｘｍａｌｉｓｅｄ 参考文献 【１］Ｈａｙｋｉｎ ｓ，Ｐｕｔｈｕｓｓｅｒｙｐａｄｙ Ｓ．Ｃｈａｏｔｉｃ ｄｙｎａｍｉｃｓ ｏｆ ｓｅａ ｃｌｕｔｔｅｒ［Ｊ］． Ｃｈａｏｓ：Ａｎ ＩｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙＪｏｕｒｎａｌ ｏｆＮｏｎｌｉｎｅａｒ Ｓｃｉｅｎｃｅ，１９９７，７（￣：７７７—８０２． Ｄｏｐｐｌｅｒ ｐｏｗｅｒ ｓｐｅｃｍｕｎ［Ｊ］．ＩＥＴ Ｒａｄａｒ，Ｓｏｎａｒ＆Ｎａｖｉｇａｔｉｏｎ，２０１６，１０（４）：６９９—７０６． ［１０］Ｌｉ Ｄ，Ｓｈｕｉ Ｐ．Ｆｌｏａｉｔｎｇ ｓ１１１埘ｎｒ ｄｅｔｅｃｔｉｏｎ ｉｎ ｓｅａ ｃｌｕｔｔｅｒ ｖｉａ ｎｏｒｍａｌｉｓｅｄ Ｈｕｒｓｔ ｅｘｐｏｎｅｎｔＪ［］．Ｅｌｅｃｔｒｏｎｉｃｓ Ｌｅｔｔｅｒｓ，２０１４，５０（１７）：１２４０—１２４２． 【１ １］Ｇｒａｃｈｅｖａ Ｖ，Ｅｎｄｅｒ Ｊ．Ｍｕｌｔｉｃｈａｎｎｅｌ ａｎａｌｙｓｉｓ ａｎｄ ｓｕｐｐｒｅｓｓｉｏｎ ｏｆ ｓｅａ ｃｌｕｔｔｅｒ ｆｏｒ ａｉｒｂｏｍｅ ｍｉｃｒｏｗａｖｅ ｒａｄａｒ ｓｙｓｔｅｍｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０１６，５４（４）：２３８５—２３９９． 【２】董华春，宗成阁，权太范．高频雷达海洋回波信号的混沌特性研 究．电子学报，２０００，２８（３）：２５—２８． 【３】余薇，田建生．高频雷达中提取海洋回波信号的新方法Ｕ１．系统 ・７８・电－ Ｉ●