关键词： 高清视频   智能视频分析   分布式混合架构体系  

摘要： 针对高清视频流数据量大、对处理平台要求高的特点,提出基于DSP+ARM+PC搭建分布式混合架构体系的硬件平台,研制一种经济适用、性能稳定的高清智能视频分析系统,实现对1 080 P及以上的高清视频流进行采集、编码、智能分析、报警、压缩、网络化传输等功能,为高清视频图像的智能分析处理提供一体化的解决方案。

关键词： 智能视频分析技术   安防系统   应用  

摘要： 传统视频监控系统只提供视频的捕获、保存、传输、显示画面等功能,而视频内容的分析识别等需要人工实现,工作量巨大且容易出错。智能监控系统是指在特定的监控区域内实时监控场景内的永久或是临时的物体,通过对视频传感器获取的信息进行智能分析来实现自动的场景理解、预测被观察目标的行为以及交互性行为。针对智能视频分析技术在安防系统中的应用进行了详细的阐述,内容仅供参考。

关键词： 智能视频   煤矿监控   应用场景  

摘要： "煤矿视频监控系统"是井下安防必不可少的一部分,近几年技术更新迅速。此外,智能视频分析技术炙手可热,融入各大安防体系势在必行。文章首先阐述了智能视频分析技术的行业现状与未来发展趋势,其次对智能视频的主要功能模块在煤矿中的应用前景进行具体的分析。

关键词： 智能视频分析   高压开关柜   隐患   故障  

摘要： 基于智能视频分析技术,研究了高压开关智能视频分析系统及配套的新式高压开关柜内部照明系统。该系统的智能视频分析功能,一方面,可以对柜内隔离开关和接地开关位置状态进行识别、判断,在隔离开关和接地开关位置状态异常时进行告警,可以避免因传动系统异常导致五防闭锁装置失效和设备误操作情况;另一方面,结合示温蜡片,还有助于发现柜内载流故障隐患。同时,全方位、多角度布置的前端摄像头,可对高压开关柜内整体情况进行可视化视频监控,有助于发现开关柜内存在的其他异常情况,并且,大量存储的高清晰度影像资料,在开关柜遭遇故障后,有助于对故障发生位置和故障发生原因进行分析。

关键词： 大数据   智能视频分析技术   博物馆安防   应用  

摘要： 视频监控是博物馆安全管理的主要手段。传统的博物馆视频监控存在着效率低下、无法快速提取有用信息、图像品质不高等问题,无法适应博物馆安防工作的需要。智能视频分析技术具有目标自动识别、行为分析、图像增强、分类检索等功能。在大数据时代背景下,博物馆应将智能视频分析技术深入应用到安全防范、火灾监测、秩序维护、观众人数统计等工作中,提升安全管理和运行管理的效率。

关键词： 井下视频监控   智能视频分析   数字网络  

摘要： 随着计算机应用在各行各业的逐步普及,视频监控技术在煤炭工业中得到了广泛应用,已成为煤矿安全生产和管理的重要技术手段之一,基于网络的智能视频监控技术已成为矿用视频监控系统发展的必然趋势。重点说明了以智能视频分析技术为核心的视频监控系统的基本原理,分析了其总体结构,并对监控系统进行了初步的设计与实现。

关键词： 智能视频分析   智能视频监控系统   视频监控   摄像头   监狱   国家机器   安防  

摘要： 2014年9月2日,黑龙江延寿县看守所发生一起"越狱"事件,三名在押人员杀死一名民警后脱逃;11月1日,广东韶关北江监狱又有两名犯人"越狱",其中一人逃脱,一人被电网击倒。这两起"越狱"事件,再次给我国监狱安防敲响了警钟。我国监狱安防现状我国监狱大都分布在经济欠发达地区,由于经济条件的制约,不少监狱没有建立起全覆盖的监控摄像机、对讲系统,有的监狱甚至门禁采取的是铁将军把门,有的监狱防

关键词： 视频地理围栏   智能视频分析   LBS   安防  

摘要： 经济发展所带来的信息多元化,活动场所扩大化,人类行为活动复杂化给我国当前的治安安防、城市管理、公民服务造成了巨大的压力。视频传感器的大面积覆盖以及智能视频分析的发展使得此问题得以缓解。它借助于计算机强大的计算处理能力,过滤视频图像无用或干扰信息、自动分析视频信息并抽取关键有用信息,从而使摄像机不仅成为人的眼睛,且具有一定的分析能力,是当前重要的治安安防辅助手段。但当前智能视频分析仍然存在诸多问题,如较多的固步于“视”、“存”等技术方法,而欠缺“监”、“智”的能力,尤其是在地理场景辅助方面的匮乏,使其难以满足场景日趋复杂的监控服务需求,因此将智能视频分析向更高层次发展是当前迫切的社会需求。随着计算机视觉、地理信息科学的不断发展,智能视频分析与地理数据的结合逐渐成为当前的研究热点。基于位置的服务(LBS)的迅速发展以及应用普及为该问题提供了解决思路。尤其是在传统LBS应用扩展而来的地理围栏技术,将特定预置区域内的目标作为地理服务对象的技术思路,可以更好的将地理空间信息融入智能视频分析技术,增强二者的耦合性。基于以上研究背景与意义,本文研究定位于结合地理围栏与智能视频分析的视频地理围栏技术,主要研究视频地理围栏的概念原理,组成要素,关键技术,应用方向等内容。本文研究内容与成果如下:1)视频地理围栏基本原理。研究视频地理围栏的原理概念、要素组成、技术特点。结合地理围栏技术方法与智能视频分析手段,对视频地理围栏进行了定义。以行业的实际需求为出发点,分析得出视频地理围栏应具有围栏目标,围栏位置,围栏时间,围栏规则等组成要素。提出了基于视频地理围栏组成要素的“3WR”按需分析模式。分析了视频地理围栏双向联动、被动定位、目标可视、按需服务的技术特点。构建了以行业需求为基础的视频地理围栏规则库。2)视频地理围栏的关键技术。以视频地理围栏原理为理论依托,分别研究了视频地理围栏的被动定位技术、围栏要素解析方法、围栏服务规则算法。实现了以视频传感器代替移动终端对围栏目标进行地理被动定位,并以可视化为主导对定位信息进行了扩展。实现了通过交互设置,文本信息录入,受限语言解析等多手段的围栏要素解析方法,设计了一组以文本信息为基础的围栏边界自动生成算法。设计了以安防警戒为主的围栏规则底层算法。3)视频地理围栏原型系统。基于以上研究成果设计并研发了该原型系统,具备系统通用设置、视频地理围栏要素设置、视频地理围栏目标提取与定位、视频地理围栏目标安防预警等功能模块,可为安防领域提供实时的预警辅助决策。

关键词： 流式计算   内存计算   大规模视频流分析   智能视频分析  

摘要： 大规模智能视频分析已经成为视频监控的迫切需求,但是具体实现面临两个问题:首先是智能算法的准确性。准确高效的算法可以减少误报、错误率,真正发挥智能监控的效果;其次是分析平台的构建。在进行大规模视频分析时如何解决所需要的计算能力、IO等问题。本文着眼于后者,通过基于流式的方式探讨如何解决大规模监控视频实时分析面临的计算和IO等问题。我们设计并实现一种基于流式计算的大规模监控视频分析系统。该系统的设计与实现主要关注三个关键的问题:1)避免IO的瓶颈。相比日志文件的小文件,监控视频流的数据量大,因此首要解决如何将大规模的监控流导入到分析平台;2)如何为大规模监控视频分析组织所需要的计算能力。智能视频分析算法都是计算密集型工作,需要消耗大量的计算资源;3)实现计算可扩展性来满足用户对视频分析规模的需求变化,需要探究计算可扩展性。我们的方案是基于SPARK分析平台,融合了流式计算技术、内存计算技术,通过优化SPARK使之适合大规模视频智能分析应用,并开发了一个原型系统验证了我们的想法。概况起来,主要完成的工作如下:第一,在大规模视频流汇聚导入到分析平台时,采用基于计算能力感知的接收器位置分配策略。该策略能够依据计算节点的能力将视频流导入的IO分散在不同的计算节点之上,解决IO分布的问题。第二,在实现视频流数据的实时性处理时,采用基于数据本地性的实时任务调度策略,将改进的实时任务调度算法应用在数据的快速处理上,解决延时调度策略产生的数据等待处理的长延时问题。在数据访问上,基于内存计算技术有效降低IO访问时间,提高大规模视频处理效率,有效转化监控视频流的实时价值。第三,在计算扩展性方面,实现了1)自适应的任务计算。通过基于优先级的丢帧策略来保证系统的稳定运行;2)系统的水平可扩展性。通过动态的添加机器来增加系统的计算能力。初步的研究成果表明基于流式计算的大规模监控视频分析能够使得大型视频联网智能监控系统工作,达到对大规模监控视频进行实时智能分析的效果。

关键词： 深度学习   卷积神经网络   迁移学习   视频内容分析   模型可视化  

摘要： 在视频信息快速膨胀的今天,如何快速有效的对视频进行标注,快速定位出视频关键内容是多媒体处理和计算机视觉领域的一大挑战,视频热点内容检测也因此成为最新的研究热点之一。深度学习(deep learning)在计算机视觉领域取得了辉煌的成绩,多层CNN模型已经广泛应用于图像分类、物体检测、人脸检测和识别等领域。 本文深入分析了深度卷积网络在体育类型检测中的应用,结合迁移学习的概念,成功解决了CNN模型在小规模数据集上的优化问题,提出了多种迁移学习方法,利用CNN模型在ImageNet大规模标准数据集上训练的模型检测体育类型。作者使用了预训练结合模型微调的方法,使得CNN模型既保留了对复杂场景分分辨能力,又能够很好的处理体育类型场景和其他场景,间接验证的深度模型具有较强的泛化能力。(Google距离和WordNet距离的引入,很好的将图像语义和文本语义结合在一起,通过文本相似度推算图像语义,很好的解决了跨数据集分类的问题。同时,将CNN模型作为特征提取器,采用相同的简单分类器,与传统的手工设计的特征相比较,极大的提高的深度模型的适用性,同时试图将深度模型与传统机器学习算法结合在一起。 针对深度模型过于抽象,内部特征不够透明,本文设计了反卷积网络,将深度模型提取的高层抽象特征重构到RGB空间,从而实现对深度网络的可视化,为优化和修改模型提供依据。同时,利用反卷积网络,本文分析了CNN网络中每一层学习到的特征,研究CNN网络的特征抽象过程,直观的展示了CNN学习到的part信息。此外,本文分析了单个神经元的重构信息,发现只需要单个神经元就可以重构出某些关键的part信息,因此如何有效的利用CNN提取的特征是提升网络性能的关键。同时,根据视频内容的连续性,提出了一些简单的平滑去噪和过滤算法,去除噪声片段,使得最终标注的视频片段更加纯净和连贯。