淺談視頻分析技術在電廠閉路電視監(jiān)控系統中的應用

淺談視頻分析技術在電廠閉路電視監(jiān)控系統中的應用

Summary：近年來，我國計算機、互聯網等科學技術在飛快地發(fā)展，人們進入人工智能、物聯網大數據時代。在這樣的時代背景下視頻分析技術應運而生，并火速應用至各行各業(yè)，使工作變得更加簡單和高效。本文以視頻分析該技術在電廠閉路電視監(jiān)控系統中的應用為主線，進行了簡要的分析和描述。Keys：視頻分析、監(jiān)控系統、電廠引言由于信息技術的發(fā)展以及安防負擔的加重，傳統的視頻監(jiān)控系統已經不能滿足當前安防的需要，暴露了許多的問題，如過度依賴監(jiān)控人員對危險的識別、報警反應遲鈍、視頻分析水平較低等等。因此而產生了智能視頻分析技術，目前受到安防領域的廣泛應用和歡迎。本文分析了視頻分析技術在電廠閉路電視監(jiān)控系統中的應用研究，以期為今后的安防工作提供參考，提高安防水平。視頻分析技術概述運動目標的捕捉現在有許多方法可以實現對運動目標的檢測，然而在具體的應用中主要有三種：第一種是背景減法。這一算法能夠從背景模型圖像中刪減掉每一幀的圖像，并且當獲得的圖像與背景之間的偏差超過某個閾值時，便能夠準確地對運動區(qū)域實現判斷。第二種是相鄰幀差法。與上述的方法存在部分的差別。其對視頻圖像的內容進行對比，從而發(fā)現兩者之間的差異來實現對運動目標的捕捉，并且比較對象通常是多幀圖像，應用非常廣泛。第三種是光流法。，因為它不直接對視頻圖像進行簡單檢測，而是檢測光流場在視頻圖像中的序列，這種方法能夠獲得精確的數據，但是不足是分析過程耗時較長，且不容易達到實時檢測的目的，所以在目標捕捉中的應用較少。運動目標識別在系統捕獲移動目標后，能夠采用神經網絡算法、貝葉斯算法和支持向量機等算法對運動目標進行識別、分類。對于視頻監(jiān)控系統，運動目標的分類重點體現出了兩種特點，即時間特征和空間特征。其中，系統的時間特征與目標跟蹤過程相關聯，一般表現為移動目標的速度變化情況。而空間特征是指視頻圖像的形狀和大小特征等等運動目標跟蹤通常所說的運動目標的跟蹤是指基于目標的環(huán)境選擇可以體現目標的運動特征，在進行之后的圖像幀中的特征最佳匹配的目標位置。目標跟蹤算法一般包括特征追蹤、三維空間追蹤和基于運動軌跡模型的追蹤等方法。系統總體架構本系統由IPC網絡攝像機、智能算法服務器、Web前端服務器、大數據服務器等硬件以及運行在這些服務器平臺上的算法及軟件組成。算法服務器提供可供調用的智能算法庫，算法調度模塊調用算法并保證算法運行的實時穩(wěn)定，拉推流模塊負責拉取前端IPC的視頻流，以及將處理完成的視頻流推送至總體調度模塊?？傮w調度模塊負責數據的傳輸與調度工作，Web頁面模塊負責產品前端展示部分，此兩者均可運行在Web服務器上。同時，在大數據服務器上加入分布式計算與分布式存儲的內容，分布式計算模塊負責識別、檢索過程中的快速比對計算，分布式存儲模塊負責注冊數據庫與歷史信息數據庫的維護。主要架構如圖所示：視頻分析技術在電廠閉路電視監(jiān)控系統中的具體應用分析車輛識別分析廠區(qū)門崗結合車輛道閘設置車牌識別算法攝像機，對接廠門門禁系統負責識別過崗車輛。主要識別流程如下圖所示車輛一般壓地感線圈感知通過，通過高清攝像抓拍主機對通行車輛進行實時、不間斷記載、搜集；然后進行車牌識別預處理，包括噪聲過濾、自動白平衡、自動曝光以及伽馬校對、邊緣增強、對比度調整等，在通過圖像預處理的灰度圖像上進行掃描，判定車牌區(qū)域，在圖像中定位出車牌區(qū)域后，通過灰度化道閘、二值化等處理，精判定位字符區(qū)域，然后依據字符尺度特征進行字符切開，對切開后的字符進行縮放、特征提取，與字符數據庫模板中的標準字符表達形式進行匹配區(qū)別，最后將車牌識別的效果以文本格式輸出，同時通過算法模塊提取車身顏色、車型以及通過測速雷達記錄車速，方便記錄和后期檢索。另外現場施工安裝中應考慮位置、角度、高度以及網絡帶寬等影響圖像質量和響應速度，所以盡量使用雙機位或多機位以應對車型不同、車牌位置差異等帶來的問題。2.2行為分析、行動軌跡查詢視頻分析技術為解決敵人作案無法預警或響應遲緩等問題提供了一種技術手段。前端攝像機采集視頻數據，傳輸給后臺進行分析比對，算法服務器調用程序分析人員的行為特征、外貌特征與行動軌跡，實現對敵人的實時行為檢測，迅速定位并追蹤，同時對人員的異常行為或異常行動軌跡進行實時報警。另可根據電廠的特殊工作場景定制識別規(guī)則，可增加對安全防護用品、危險作業(yè)區(qū)域人員行為規(guī)范的識別跟蹤。2.3物體移動偵測視頻圖像分析技術中，一般采用目標檢測算法對目標進行檢測，通過分離視頻序列中的移動像素和靜止像素，最終實現目標檢測。針對于倉庫、重要物品臨時存放處或危險區(qū)域等，貨物的移動頻率較低，人員進出頻率較低，畫面檢測對于非存貨或移貨時間內的異常移動進行實時報警，在實現監(jiān)控功能的同時也為庫房的探測提供了一種新型的手段。另除視頻信號輸出外同時可輸出開關量報警信號，接入輸入輸出模塊后可作為區(qū)域周界探測的補充。視頻分析技術應用和實施中的問題視頻圖像背景中，可能出現搖動的樹葉、晃動的波浪、逆光等可能造成畫面像素出現變化，從而導致誤報，因此需要相應的過濾算法器，實現對環(huán)境的自適應；對于場景規(guī)則的制定存在差異性和適用性問題，不同的場景有不同的需求，比如電廠中對于人員、車輛的識別，安全行為的檢測等不同場景下有不同的需求，前期可能存在一定量的定制開發(fā)，市面上現有產品可能并非“即插即用”，需要一定時間模擬、測試、統計的過程。本身監(jiān)控系統采集、編碼、傳輸過程中都可能存在一定的延遲缺點，加入智能分析后每一幀圖像達到幾十或百萬像素，為達到實時性、同步率要求可能需要其他特殊硬件的協助。4.總結：綜上所述，智能視頻分析相比于傳統的監(jiān)控系統，對圖像的識別和處理都更加有效和智能，能夠為用戶提供更先進的視頻分析工具，顯著提高工作效率。從而保障安防系統監(jiān)測的可靠性，隨著視頻分析技術的不斷成熟，算法的不斷優(yōu)化，電廠的安防也