上海道路监控视频智能分析实测与趋势评估

宋 睿

(中海网络科技股份有限公司，上海 200135)

上海道路监控视频智能分析实测与趋势评估

宋 睿

(中海网络科技股份有限公司，上海 200135)

为从已有的道路监控视频系统中获取分析源进行后台视频分析，达到系统灵活部署、不重复投资的目的，从车辆行为特征智能分析为例进行针对性测试分析。主要阐述利用已建的道路监控视频系统进行后台智能分析的效果,并以上海道路监控视频智能分析为例进行实际测试，比较智能分析系统的架构优劣。同时,结合目前安防市场最新的智能分析系统产品动态，分析今后开放式场景下的智能分析技术的发展趋势。

人脸识别;后台分析;车牌识别;深度学习;前端分析;智能摄像机;嵌入式分析

0 引 言

当前安防视频智能技术已由最初的仅适用于机场、商场、工厂、体育场馆和闸机出入口等简单封闭式场景的简单预设模式学习技术发展为可适用于城市道路、广场、绿地和主题公园等复杂开放式场景的深度学习技术。随着技术的不断发展，视频智能分析的功能已由区域入侵、拌线检测、徘徊检测、物品丢失、物品遗留、离岗检测、车牌识别、车辆拥堵检测、车流统计和静态人脸识别等基础功能延伸到动态人脸识别、人流分析、人群运动分析、车辆逆行分析、车辆滞留分析和让行分析等高级智能分析功能。

目前上海市共有超过10万个公共安全视频监控探头，主要分布在城市公路、铁路、港口和其他重点目标出入口等城市公共区域。尝试通过从已有的道路监控视频中获取分析源进行后台视频分析，实现系统灵活部署、不重复投资建设的高效能。

车辆行为特征智能分析应用一直是安防厂商重点关注的技术领域。近年来，随着深度学习技术兴起，很多厂商通过大规模的数据集训练在车辆行为智能分析方面取得了实质性进展。依靠当前行业水平，可实现对上千种车系和上百种车标的识别，识别的准确率已达到实用程度。随着智能交通设备所能提取的车辆特征更加丰富，将有助于提升业务部门的工作效率，推动智能交通行业的发展。

1 视频素材和检验工具

共截取4段视频，分别为2个道路监控点位的白天和夜间各1段，分辩率均为1 920×1 080。分别对4段视频中出现的机动车辆进行车牌号码、车辆品牌识别和车辆异常行为检测，通过在后台服务器中部署专业的智能分析软件(治安卡口车牌识别软件和电子警察检测软件)检验其基于现有道路监控视频的捕获率和准确率。

2 车牌识别分析

2.1 点位1

1) 对于右侧车道内的车辆，在白天刚进入图像下边缘的时刻，其车牌宽度仅能达到约60像素，且有一定的偏转角度，车牌识别率≤70%(见图1)。

图1 点位1-白天

2) 对于左侧车道内的车辆，车牌宽度、角度均不满足要求，无法处理。

在夜间场景下，图像运动拖影非常严重，无法看清车牌(见图2)。

2.2 点位2

1) 对于左侧车道内的车辆，只有在白天接近图像下边缘时刻，车牌宽度能达到60像素且有一定的偏转角度，预期车牌识别准确率≤60%(见图3)。

2) 对于右侧车道内的车辆，车牌宽度和偏转角度均不满足要求，无法进行处理。

在夜间场景下，也存在图像运动拖影的问题，无法看清车牌(见图4)。

3 车辆品牌识别分析

对于白天位于图像下边缘区域的车尾或车头，基本上可用来进行车辆品牌识别，相较于规范的卡口和电子警察场景，性能会略有下降，车头的品牌识别准确率≥80%，车尾的品牌识别准确率≥70%。在夜间时图像质量较差，可认为不适合进行车辆品牌识别。

4 车辆异常行为检测

车辆异常行为检测主要包括占用公交车道、违章左/右拐弯、压线和逆行等。

由于相机拍摄方向与车辆行驶方向之间存在一定夹角，因此在进行拌线或区域入侵检测时会存在一定的偏差(见图5)。

假定图5中的矩形框为车辆跟踪框，在作压线检测判断时，左侧的车道线可正常处理，而右侧的车道线会存在角度偏差导致误判。在作区域入侵检测时也会遇到这种问题。

若要得到比较理想的用于车辆异常行为检测的场景，相机拍摄角度和车辆行驶方向应尽量保持平行(见图6)。

5 实测结论

综合分析，单纯利用上海已建的道路监控视频进行特定功能的视频智能分析，虽能节省前端和传输链路的投资，但会出现遗漏信息和误判等严重问题，无法满足治安防控预警严谨准确的技术要求和环境条件。

6 行业动态

目前市场上主流的智能分析系统架构有2种,分别是基于后台分析前端高清摄像机传回的纯后台数字监控视频流和分析后的结构化数据传回中心的前端嵌入式后端纯数据应用方式。

1) 从系统灵活性的角度考虑，第一种方式可根据需要快速更新软件算法和软件功能，如2016年做违章停车检测，在违停事件因信息化系统建设产生强有力的警示处罚效力而减少后，系统可立即更新为逆行，实现变道等其他交通电子警察功能。目前违停事件捕获有效率普遍可达白天≥95%，夜间≥90%。而对于人脸识别和人流分析等智能分析功能，违停摄像机安装点位侧重于监控路段一侧机动车辆的特点,不适合对人进行智能分析，此时系统架构虽然灵活，但分析结果价值不大。

2) 从分析效果的角度考虑，第二种方式能针对不同分析功能区分摄像机的功能和性能,从而使分析效果最佳，该方法优点是:

(1) 摄像机安装点位与其自身嵌入的智能分析算法相配套，如人脸识别摄像机安装角度应尽量在水平向下30°以获取正面人脸图像，电子警察摄像机和车辆行驶方向应尽量保持平行;

(2) 摄像机的图像处理功能与所嵌入的分析算法也能搭配契合，如违停摄像机的三维定位功能与抓拍算法相结合能快速抓取最佳位置的车辆特征图像，人脸识别摄像机在补光方面作均匀化处理,能解决阴阳脸等光线影响问题，优化分析效果。

目前深度学习识别软件算法的准确率较高,可实现在百万级图片库中首选查询到目标人员的准确率>90%，查询结果中前30%的数据找到目标人员的概率>90%,实时监控比对报警响应时间≤3 s。

3) 从系统拓扑的角度考虑，第一种方式从前端至后台分析所需的网络传输要求较高，摄像机需输出2组高清码流视频，一路至网络硬盘录像机(Network Video Recorder,NVR)存储，另一路至智能分析平台，网络流量消耗较大，且后台分析需采用价格高昂的图形处理器(Graphics Processing Unit,GPU)服务器实现多路处理，对机房空间要求较大。第二种方式利用摄像机数字化后的直接裸流进行内部差值分析后,再输出结构化数据(图片和文本信息)，简化了系统分析处理流程，网络传输和后台管理需求减少，且单点故障不会影响其他点位的分析运行。

4) 从系统经济性的角度考虑，第二种方式的集成度更高，对配套设备的要求一般，同种分析功能的系统造价较第一种方式更低，目前针对机动车辆的卡口摄像机和违停摄像机均已成熟应用。然而,人脸识别和人流分析功能对硬件设备的性能要求较高，需大量GPU计算处理，目前市场上仍以第二种方式为主，且处于摸索发展阶段。

7 结 语

随着摄像机芯片技术的迭代更新和深度学习视频智能分析技术的发展，上海公安的道路视频安防系统将由被动获取大量监控视频转变为主动感知治安防范真正关心的机动车辆、人和人群活动等特征信息。

传统的单纯监控摄像机和NVR录像技术已相当成熟，价格越趋合理，大量安防厂商都将重点转向视频智能分析，治安防控的市场需求。

On Intelligent Analysis of Background Image and Development Trends

SONGRui

(China Shipping Network Technology Co., Ltd., Shanghai 200135, China)

This paper focuses on three things: Investigating the performance of the background intelligent analysis through processing video recordings from running tgraffic surveillance video systems; Comparing the architectures of intelligent analysis systems; Elaborating the development tendency of the road intelligent analysis technology based on the investigation of the products in the market.

face recognition; background analysis; vehicle license plate recognition; deep learning; front analysis; intelligent cameras; embedded analysis

2016-09-14

宋 睿(1975—)，江西万载人,工程师,从事安防技术工作。

1674-5949(2017)01-0070-04

U495

A