CN202120402U - 基于云计算的海量视频分析与快速检索系统 - Google Patents

Abstract

一种基于云计算的海量视频分析与快速检索系统，包括公共安全监视视频网络、网络传输设备、云计算网络，其特征是：在现有公共安全监视视频网络基础上，通过网络传输设备，将全部或者部分监视网点的视频数据接入云计算网络。该系统将现有公共安全视频监视网络中全部或部分重要网点的视频数据接入云计算网络，采用GFS文件系统管理各节点获取的海量视频数据。该系统对现有公共安全监视网络改动较小，仅需要增加网络接入设备，即可依托强大的云计算网络实现对海量监视视频分析能力的飞跃式提高。

Description

基于云计算的海量视频分析与快速检索系统

所属技术领域

本实用新型涉及一种基于云计算的海量视频分析与快速检索系统，尤其是采用云计算的方式进行海量视频数据的管理与智能分析，可对人脸目标、车牌目标、异常行为目标进行有效检测与分析，发现有价值目标时自动报警。 

背景技术

随着公众安全意识的不断增强，安全防控越来越成为公众关注的焦点，视频监视系统得到了普遍的推广应用，我国绝大多数县级以上城市以及乡镇重点场所均已依法建立视频监视体系，实现多方位全天候的视频监视和存储。现有视频监视系统主要采用人工观察的方式对海量监视视频进行过滤和分析，缺乏有效的智能化分析手段，目标检索效率低下，漏报率较高。 

海量视频分析系统是采用机器视觉的方式，以计算机代替人眼、人脑对现有视频监视网络获取的海量视频进行自动化处理，是对现有视频监视体系的有效补充和增强。计算机处理相对人工分析而言，在处理速度和处理效率上有明显的提升。但视频监视系统的特点是点多面广、数据量极大，仅靠架设在监控点或监控中心的有限数量的计算机，依然难以完成海量监视视频的有效分析。另外，现有视频监视系统中每个监视中心的数据采用独立存储方式，在进行跨中心的监视数据分析检索时，效率很低，且一旦存储介质损坏，数据很难恢复。 

云计算(Cloud Computing)是网格计算(Grid Computing)、分布式计算(Distributed Computing)、并行计算(Parallel Computing)、效用计算(Utility Computing)、网络存储(Network Storage Technologies)、虚拟化(Virtualization)、负载均衡(Load Balance)等传统计算机技术和网络技术发展融合的产物。它旨在通过网络把多个成本相对较低的计算实体整合成一个具有强大计算能力的完美系统，并借助SaaS、PaaS、IaaS、MSP等先进的商业模式把这强大的计算能力分布到终端用户手中。Cloud Computing的一个核心理念就是通过不断提高“云”的处理能力，进而减少用户终端的处理负担，最终使用户终端简化成一个单纯的输入输出设备，并能按需享受“云”的强大计算处理能力！ 

采用快速发展的云计算技术，可以大幅提高海量视频分析系统的计算能力，实现对视频监视网络获得的海量、分散的实时视频和历史存储视频进行高安全性、高效率的管理和处理。 

发明内容

为了克服现有公共安全视频监视系统数据存储分散、自动化程度较低，主要依赖人工处理的不足，本实用新型提供一种基于云计算的海量视频分析系统，该系统依托云计算强大的数据管理与处理能力，对海量监视视频进行自动分析，从中检测并分析人脸、车牌、异常行为等目标，并融合多种可疑目标特征，将其与犯罪嫌疑人特征库进行比对，判别其是否为危害公共安全目标，并以声、光、短信息等多种方式报警，简便通用。 

本实用新型解决其技术问题所采用的技术方案是：基于云计算的海量视频分析与快速检索系统，包括公共安全监视视频网络、网络传输设备、云计算网络，其特征是：在现有公共安全监视视频网络基础上，通过网络传输设备，将全部或者部分监视网点的视频数据接入云计算网络。 

依托已存在的云计算网络或自行建立以大型机、集群系统为核心硬件，具备视频信息智能化分析和存储功能的云计算网络；在云计算网络中配置海量视频智能分析所需的软件功能模块；通过现有的国际互联网(Internet)和相关网络传输设备，将公共安全监视系统中的所有监视节点或部分重要监视节点获取到的视频数据传入云计算网络进行智能分析和存储；云计算网络发现输入视频数据存在异常情况时，自动向相关用户发送预设的报警信息；授权用户可以随时随地通过任何一台能够连入宽带互联网的终端设备(个人电脑、上网本、平板电脑、智能手机等)接入云计算网络，查看授权范围以内的所有监视节点的实时视频数据、智能分析处理结果和相关历史记录。 

本实用新型的有益效果是，该系统利用互联网的庞大覆盖范围，将离散的监视终端、监控用户和云计算网络连接成一个有机的整体。依靠云计算网络强大的处理能力，以计算机分布式自动化处理替代人工分析，可大幅提高海量视频分析的效率与准确度；以分布式集群存储替代传统的分散式独立存储，数据传输效率高，存储安全可靠。同时该系统对监控前端设备要求低，用户从云计算网络获取数据渠道多、适用范围广。 

附图说明

图1是本实用新型的系统结构示意图。 

图2是本实用新型的系统流程示意图。 

图3是本实用新型的智能分析处理流程示意图。 

具体实施方式

(一)在图1中，监控点的视频数据通过Internet传送到云计算网络进行分析和存储，用户通过可联网终端从云计算网络获取分析处理后的结果。 

云计算网络由接入服务器、控制服务器、数据存储节点、数据处理节点组成。云计算网络中接入服务器接收到监控节点上传的视频数据后，将数据转发给云计算网络中当前空闲数据处理节点，各处理节点对视频数据进行解码并提取其中的运动关键帧，针对运动关键帧检测其中是否存在人脸、车牌、异常行为等目标。 其中，人脸检测部分首先检测并提取可能存在的人脸区域，然后对人脸图像进行归一化处理，最后综合几何特征和统计特征提取人脸特征；车牌检测部分首先检测并提取车牌区域，然后对车牌图像进行二值化、降噪等预处理，在此基础上分割车牌字符，最后结合统计特征与结构特征对车牌字符进行识别；异常行为检测部分包括暴力行为检测和徘徊、尾随等可疑行为检测，其处理方法是首先检测并提取可能存在的人体区域，然后对人体图像进行归一化和增强处理，在此基础上提取人体图像行为特征，最后对行为特征进行分类，判断其是否为暴力行为或者徘徊、尾随等可疑行为。当处理节点发现异常情况时，通知接入服务器向相关用户发出警报，同时将处理后的数据分类存放在云计算网络中的数据存储节点。 

云计算网络中的数据存储节点采用GFS可扩展分布式文件系统，由一个Master和大量块服务器管理分析处理后的海量视频数据。其中Master存放文件系统的所有元数据，包括视频文件名字空间、存取控制、文件分块信息、文件块的位置信息等。 

监视点的视频获取设备既可以是先进的网络摄像机，也可以是传统模拟摄像机加网络视频传输模块，视频压缩编码格式不限，可直接使用现有监视系统的相关设备，降低系统建设成本。 

接入云计算网络的视频监视节点应具备基本运动侦测功能，当监视场景发生变化时，传送全帧率的压缩视频流到云计算网络；当监视场景处于静止状态时，定时(如每隔5秒)传输一幅监控场景的压缩图像到云计算网络，以实现节约传输带宽的目的。 

(二)在图2中，(1)是视频获取模块，在现有公共安全监视网络的全部或某些监视网点，通过网络将视频数据连入云计算网络。(2)是适用于云计算的分布式视频数据管理模块，云计算网络通过该模块将海量监视网络的视频数据快速分配到空闲的数据处理节点。(3)是视频解码模块，通过该模块获取到用于处理的视频数据。(4)是提取运动关键帧模块，从海量监视视频数据中提取运动关键帧作为后续处理对象。(5)是可疑目标检测与特征提取模块，用于检测并分析图像帧中可能存在的人脸、车牌和异常行为目标，提取其特征。(6)是特征融合与比对模块，融合获取到的人脸、车牌和异常行为特征，将其与犯罪嫌疑目标特征库进行比对。(7)是报警模块，当发现可能危害公共安全的目标时，以声、光、短信等方式报警。(8)是分布式视频数据存储模块，用于存储分析处理后的海量视频数据，以备后期检索。 

(三)在图3中，云计算网络的数据处理节点获取视频数据后，首先进行运动侦测处理，提取其中的运动关键帧作为分析对象，从而可进一步大幅缩小处理范围。可疑目标检测与特征提取模块对输入的运动关键帧图像进行处理，检测并智能分析其中可能存在的人脸目标、车牌目标、异常行为目标，提取各种目标特征。其中人脸目标检测与分析的实施方式是：首先检测并提取可能存在的人脸区域，然后对人脸图像进行归一化处理，最后综合几何特征和统计特征提取人脸特征；车牌目标检测与分析的实施方式是：首先检测并提取车牌区域，然后对车牌 图像进行二值化、降噪等预处理，在此基础上分割车牌字符，最后结合统计特征与结构特征对车牌字符进行识别；异常行为目标包括暴力行为和徘徊、尾随等可疑行为，其检测与分析的实施方式是：首先检测并提取可能存在的人体区域，然后对人体图像进行归一化和增强处理，在此基础上提取人体图像行为特征，最后对行为特征进行分类，判断其是否为暴力行为或者徘徊、尾随等可疑行为。 

Claims (1)

1.基于云计算的海量视频分析与快速检索系统，包括公共安全监视视频网络、网络传输设备、云计算网络，其特征是：在现有公共安全监视视频网络基础上，通过网络传输设备，将全部或者部分监视网点的视频数据接入云计算网络进行处理。 

Images