重慶監(jiān)控系統(tǒng)：摘要：面向公共安全領(lǐng)域內(nèi)的重慶監(jiān)控系統(tǒng)主要應(yīng)對(duì)違法犯罪及社會(huì)管理等公共安全問題。傳統(tǒng)視頻監(jiān)控系統(tǒng)具有前端攝像機(jī)內(nèi)置計(jì)算資源較少、數(shù)據(jù)量較大、傳輸帶寬延遲較高、目標(biāo)跟蹤效率較低等不足，為此，需構(gòu)建基于邊緣計(jì)算的新型重慶監(jiān)控系統(tǒng)的軟硬件服務(wù)平臺(tái)。本文主要從針對(duì)重慶監(jiān)控的邊緣計(jì)算系統(tǒng)、基于邊緣計(jì)算的重慶監(jiān)控系統(tǒng)協(xié)同處理、基于邊緣計(jì)算的攝像機(jī)網(wǎng)絡(luò)目標(biāo)跟蹤以及基于邊緣計(jì)算的突發(fā)事件處理等方面來介紹邊緣計(jì)算在重慶監(jiān)控系統(tǒng)中的應(yīng)用及其優(yōu)勢(shì)。

01

背景介紹

重慶監(jiān)控系統(tǒng)主要用于視頻處理、目標(biāo)查詢和人員跟蹤等方面，并逐漸成為城市公共安全的重要保證。基于傳統(tǒng)視頻監(jiān)控系統(tǒng)前端攝像機(jī)所采集的視頻分辨率較高，視頻數(shù)據(jù)量較大，現(xiàn)有智能監(jiān)控系統(tǒng)的視頻處理能力不足，傳統(tǒng)云模式視頻監(jiān)控系統(tǒng)的計(jì)算和傳輸帶寬負(fù)載較重。

現(xiàn)有攝像機(jī)存在計(jì)算能力以及上傳數(shù)據(jù)的時(shí)延和帶寬等不足，造成目標(biāo)信息檢測(cè)漏檢較大和檢測(cè)效率低效等問題。此外，視覺目標(biāo)跟蹤通常是對(duì)攝取的圖像或視頻進(jìn)行分析計(jì)算，識(shí)別與跟蹤場(chǎng)景中的目標(biāo)，如何構(gòu)建基于邊緣計(jì)算的多攝像機(jī)組成的攝像機(jī)網(wǎng)絡(luò)，以實(shí)現(xiàn)監(jiān)控范圍大、全方位的監(jiān)控系統(tǒng)，克服單攝像機(jī)容易受到復(fù)雜背景、光照變化等局限，成為監(jiān)控系統(tǒng)的研究熱點(diǎn)之一。

邊緣計(jì)算指從數(shù)據(jù)源到云計(jì)算中心數(shù)據(jù)路徑之間的任意計(jì)算資源和網(wǎng)絡(luò)資源，實(shí)現(xiàn)數(shù)據(jù)的就近處理方式。邊緣計(jì)算的基本理念是將計(jì)算任務(wù)在接近本地?cái)?shù)據(jù)源的計(jì)算資源上運(yùn)行 [1]。邊緣計(jì)算可以實(shí)現(xiàn)對(duì)視頻數(shù)據(jù)傳輸流過程中的本地化處理，為視頻監(jiān)控系統(tǒng)帶來低時(shí)延和高效資源利用性等優(yōu)點(diǎn)，可以很好地用來解決現(xiàn)有視頻監(jiān)控系統(tǒng)所遇到的技術(shù)挑戰(zhàn)和問題?；谶吘売?jì)算的新型視頻監(jiān)控系統(tǒng)較好地滿足了這些公共安全方面視頻數(shù)據(jù)處理實(shí)時(shí)性、完整性等需求。

本文主要闡述面向視頻監(jiān)控的邊緣計(jì)算系統(tǒng)，本文提出邊緣計(jì)算在視頻監(jiān)控系統(tǒng)中的應(yīng)用及其優(yōu)勢(shì)，從面向視頻監(jiān)控的邊緣計(jì)算系統(tǒng)、基于邊緣計(jì)算的新型視頻監(jiān)控系統(tǒng)協(xié)同處理、基于邊緣計(jì)算的攝像機(jī)網(wǎng)絡(luò)目標(biāo)跟蹤以及基于邊緣計(jì)算的突發(fā)事件處理等方面來介紹。

02

面向重慶監(jiān)控邊緣計(jì)算系統(tǒng)

2.1 現(xiàn)有方法的問題

隨著城市規(guī)模擴(kuò)大所帶來的公共安全問題[2、3]越來越受到重視。傳統(tǒng)城市安全視頻監(jiān)控系統(tǒng)[4]前端攝像機(jī)內(nèi)置計(jì)算能力較低，以邊緣計(jì)算和萬物互聯(lián)技術(shù)為基礎(chǔ)的新型視頻監(jiān)控系統(tǒng)是未來發(fā)展趨勢(shì)。

2.2 智能邊緣視頻終端解決方案

針對(duì)海量視頻數(shù)據(jù)，云計(jì)算中心服務(wù)器計(jì)算能力有限[5、6]，為此：（1）構(gòu)建基于邊緣計(jì)算的視頻預(yù)處理技術(shù)，去除視頻圖像冗余信息，使得部分或全部視頻分析遷移到邊緣處，由此降低對(duì)云中心的計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)帶寬需求，提高視頻圖像分析的效率；（2）構(gòu)建基于行為感知的邊緣預(yù)處理功能，實(shí)現(xiàn)視頻數(shù)據(jù)彈性存儲(chǔ)。根據(jù)行為特征決策功能，實(shí)時(shí)調(diào)整視頻數(shù)據(jù)，既減少無效視頻的存儲(chǔ)，降低存儲(chǔ)空間，又最大化存儲(chǔ)“事中”證據(jù)類視頻數(shù)據(jù)，提高視頻數(shù)據(jù)存儲(chǔ)空間利用率。

如圖1所示，利用邊緣計(jì)算模型，將具有計(jì)算能力的硬件單元集成到原有的視頻監(jiān)控系統(tǒng)軟硬件平臺(tái)上，實(shí)現(xiàn)具有邊緣計(jì)算能力的新型視頻監(jiān)控系統(tǒng)。在邊緣計(jì)算模型中，計(jì)算通常發(fā)生在數(shù)據(jù)源的附近，即在視頻數(shù)據(jù)采集的邊緣端進(jìn)行視頻數(shù)據(jù)的處理。一方面，基于智能算法的預(yù)處理功能模塊，執(zhí)行模糊計(jì)算，對(duì)實(shí)時(shí)采集的視頻數(shù)據(jù)執(zhí)行部分或全部計(jì)算任務(wù)，這能夠?yàn)閷?shí)時(shí)性要求較高的應(yīng)用請(qǐng)求提供及時(shí)的應(yīng)答服務(wù)，Sun等人[7]提出基于邊緣計(jì)算的視頻監(jiān)控系統(tǒng)內(nèi)容可用性研究，內(nèi)容的可用性包括靜態(tài)故障及動(dòng)態(tài)內(nèi)容兩個(gè)方面；另一方面，需要設(shè)計(jì)具有可伸縮的彈性存儲(chǔ)功能模塊，利用智能算法感知監(jiān)控場(chǎng)景內(nèi)行為變化，實(shí)現(xiàn)較高的空間存儲(chǔ)效率。

03

基于邊緣計(jì)算的重慶監(jiān)控系統(tǒng)協(xié)同處理

3.1 現(xiàn)有方法的問題

在目前的視頻監(jiān)控系統(tǒng)中，絕大多數(shù)攝像機(jī)并不具備車輛識(shí)別功能，通常只根據(jù)少量從高速公路等關(guān)鍵路口采集的車輛信息，來初步判斷車輛的路過時(shí)間，并以此為起始點(diǎn)，人工搜索周邊攝像機(jī)，該方法追蹤效率低下且無法達(dá)到實(shí)時(shí)跟蹤。此外，同時(shí)追蹤多路的視頻流，會(huì)加劇網(wǎng)絡(luò)的負(fù)擔(dān)，導(dǎo)致延遲和丟包[8]。

3.2 安珀警報(bào)助手（A3）解決方案

邊緣計(jì)算將計(jì)算推至靠近數(shù)據(jù)本地端，進(jìn)而降低了數(shù)據(jù)傳輸和帶寬[1]。隨著一些車輛識(shí)別算法的成熟[9、10]，使用普通攝像機(jī)的數(shù)據(jù)對(duì)車輛進(jìn)行實(shí)時(shí)的跟蹤，成為一種可能。如目前公共交通車輛[11]（如出租攝像機(jī)，家用車輛的行車記錄儀）。Zhang[12]等人因此提出了一種利用攝像機(jī)周邊的邊緣計(jì)算設(shè)備，安珀警報(bào)助手（A3）來實(shí)時(shí)追蹤車輛。

利用靜態(tài)和移動(dòng)攝像機(jī)周邊的邊緣設(shè)備，安珀警報(bào)助手對(duì)攝像機(jī)的視頻數(shù)據(jù)進(jìn)行分析，實(shí)時(shí)跟蹤特定車輛的應(yīng)用。同時(shí)，該應(yīng)用還可以自定義跟蹤策略，以優(yōu)化參與追蹤的節(jié)點(diǎn)數(shù)量，提升系統(tǒng)效率。

圖2是A3的系統(tǒng)結(jié)構(gòu)圖。整個(gè)系統(tǒng)主要基于煙花模型編程框架[13]，根據(jù)功能將系統(tǒng)分為三種角色——任務(wù)發(fā)布者、任務(wù)接收者和數(shù)據(jù)處理節(jié)點(diǎn)，其中任務(wù)發(fā)布者供警察使用以提供追蹤任務(wù)的管理，任務(wù)接收者用于接受任務(wù)、擴(kuò)散任務(wù)、獲取視頻流以及部分任務(wù)處理，而數(shù)據(jù)處理節(jié)點(diǎn)為一群和任務(wù)接收者相近的純計(jì)算節(jié)點(diǎn)。實(shí)驗(yàn)證明A3系統(tǒng)具有較好的易部署性、高效性和追蹤實(shí)時(shí)性。

04

基于邊緣計(jì)算下攝像機(jī)網(wǎng)絡(luò)目標(biāo)跟蹤

4.1 現(xiàn)有方法的問題

視覺目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要分支，其主要任務(wù)是通過對(duì)攝取的圖像或視頻進(jìn)行分析計(jì)算，達(dá)到對(duì)場(chǎng)景中的目標(biāo)進(jìn)行識(shí)別與跟蹤的目的?；诙鄠€(gè)攝像機(jī) [14]組成的攝像機(jī)網(wǎng)絡(luò)在擴(kuò)大監(jiān)控范圍的同時(shí)也產(chǎn)生了海量視頻數(shù)據(jù)，給視頻的傳輸、存儲(chǔ)以及實(shí)時(shí)目標(biāo)跟蹤應(yīng)用，帶來了極大挑戰(zhàn)。若將視頻都上傳云中心，云中心將面臨數(shù)據(jù)洪流的挑戰(zhàn) [15]。需就近對(duì)視頻進(jìn)行處理，而現(xiàn)有攝像機(jī)端計(jì)算資源不足。因此，需針對(duì)大規(guī)模攝像機(jī)網(wǎng)絡(luò)，以降低通信負(fù)載、計(jì)算負(fù)擔(dān)和提高算法實(shí)時(shí)性為目標(biāo)，提出適合大規(guī)模環(huán)境下目標(biāo)跟蹤的方案。

4.2 目標(biāo)跟蹤解決方案及實(shí)現(xiàn)

近來，邊緣計(jì)算模型為該類問題的解決提供了新的思路[1]，將數(shù)據(jù)處理本地化，有利于解決較高傳輸代價(jià)、帶寬需求以及較長(zhǎng)的響應(yīng)延遲，解決目前大規(guī)模實(shí)時(shí)跟蹤中的短板。如，當(dāng)選擇尋找或跟蹤一個(gè)目標(biāo)P，其初始位置可以通過常規(guī)的監(jiān)控信息得到（如報(bào)警信息），記為(Px, Py)。為了能實(shí)時(shí)不間斷地進(jìn)行目標(biāo)跟蹤，需要協(xié)調(diào)周圍其他攝像機(jī)參與跟蹤，故以(Px, Py)為中心，半徑為R的區(qū)域內(nèi)所有攝像機(jī)組成攝像機(jī)網(wǎng)絡(luò)。由于控制中心與目標(biāo)P之間存在傳輸和計(jì)算延遲，因此用RP作為補(bǔ)償半徑。值得注意的是，RP的值與目標(biāo)P的運(yùn)動(dòng)速度成正比。 如果服務(wù)延遲越小，R P的值就越小，因此有必要將計(jì)算前置。在時(shí)刻k，形成的緊急監(jiān)控區(qū)域內(nèi)，會(huì)涉及NC(k)個(gè)攝像機(jī)組成的網(wǎng)絡(luò)，如圖3所示。

如圖3中的攝像機(jī)，在采集端增加視頻處理的硬件單元，對(duì)采集到的視頻信息進(jìn)行復(fù)制，然后進(jìn)行預(yù)處理（比如目標(biāo)檢測(cè)），這部分工作使用目前已有算法進(jìn)行此項(xiàng)工作[16]。在得到目標(biāo)位置后，攝像機(jī)將有用的信息傳輸給其鄰居節(jié)點(diǎn)，同時(shí)接收鄰居節(jié)點(diǎn)發(fā)送過來的信息，該節(jié)點(diǎn)將對(duì)接收到的信息和自身測(cè)得信息進(jìn)行信息融合，從而提取有用信息，再將融合后的信息發(fā)送給鄰居節(jié)點(diǎn)。在相鄰時(shí)刻內(nèi)完成多次類似的信息傳輸，就可以使得整個(gè)網(wǎng)絡(luò)信息達(dá)到一致[17]。因此，可以融合各個(gè)攝像機(jī)的信息用分布式的方式實(shí)現(xiàn)全局信息共享。最后使用狀態(tài)估計(jì)算法[18]組成魯棒的目標(biāo)跟蹤系統(tǒng)。

05

基于邊緣計(jì)算的突發(fā)事件處理

5.1 現(xiàn)有方法的問題

像Uber和滴滴打車等共享出行工具服務(wù)已經(jīng)受到大眾歡迎，并在日常生活中得到普遍應(yīng)用。如何能有效保障旅客和司機(jī)的安全仍然是安全出行所遇到挑戰(zhàn)。

共享汽車上主要存在兩種人身攻擊[19]，司機(jī)被乘客攻擊或乘客被司機(jī)襲擊。為解決安全問題，滴滴公司采用臉部識(shí)別、行程共享、SOS呼叫等手段為行車駕駛提供安全保障[20]?，F(xiàn)有主要的安全狀態(tài)判斷和檢測(cè)方案是在駕駛端采集[21]，在云端判斷和檢測(cè)，然后將判斷結(jié)果反饋給駕駛終端，但其實(shí)時(shí)性較差，在大規(guī)模車載設(shè)備中，其運(yùn)行環(huán)境較不穩(wěn)定[22]、傳輸帶寬的延遲較大、不利于實(shí)時(shí)處理突發(fā)事件。

為此，Liu[19]等人提出了一種基于邊緣計(jì)算方法的共享出行服務(wù)的實(shí)時(shí)攻擊檢測(cè)框架SafeShareRide，該框架可以檢測(cè)危險(xiǎn)事件的發(fā)生，而且檢測(cè)效率實(shí)現(xiàn)了近乎實(shí)時(shí)性的效果。SafeShareRide主要由三個(gè)階段組成，語音識(shí)別檢測(cè)、駕駛行為檢測(cè)和視頻采集與分析。這三種階段所采用的算法是基于開源的算法架構(gòu)，測(cè)試實(shí)驗(yàn)證明了SafeShareRide具有較好的適用性。

5.2 突發(fā)事件處理方案及實(shí)現(xiàn)

SafeShareRide架構(gòu)主要包括三個(gè)階段的處理。具體而言，第一階段使用語音識(shí)別的方法對(duì)車內(nèi)的聲音進(jìn)行判斷，主要關(guān)鍵詞有“幫助”或“大聲”等做判別。第二階段是駕駛行為的判斷。SafeShareRide可以從從車載診斷、智能手機(jī)的傳感器上收集駕駛數(shù)據(jù)，根據(jù)車速的行駛速度、加速度和角速度等結(jié)果來檢測(cè)異常駕駛行為。第三個(gè)階段通過分析車載視頻數(shù)據(jù)以確定車內(nèi)是否有緊急情況。每次檢測(cè)開始的時(shí)候，前兩個(gè)階段獨(dú)立運(yùn)行，以檢測(cè)并捕捉車輛危險(xiǎn)情況。當(dāng)在前兩個(gè)階段檢測(cè)到攻擊時(shí)，第三階段的視頻采集和分析功能將被觸發(fā)，并將所獲取的車載視頻以及前兩個(gè)階段的檢測(cè)結(jié)果上傳到云或邊緣服務(wù)器。

總之，通過三個(gè)階段的安全性檢測(cè)，SafeShareRide可提供準(zhǔn)確性較高、視頻傳輸帶寬需求較低的高精準(zhǔn)突發(fā)事件檢測(cè)服務(wù)。

06

總結(jié)

重慶監(jiān)控系統(tǒng)在公共安全領(lǐng)域的應(yīng)用越來越受到重視，基于邊緣計(jì)算的新型重慶監(jiān)控系統(tǒng)為視頻數(shù)據(jù)處理增加了更高的計(jì)算能力、更低的傳輸延遲以及更精準(zhǔn)的處理能力。隨著邊緣計(jì)算系統(tǒng)架構(gòu)的發(fā)展和定制化功能的完善，邊緣計(jì)算能夠更好地推動(dòng)新型重慶監(jiān)控系統(tǒng)在公共安全領(lǐng)域更好地應(yīng)用。

重慶監(jiān)控系統(tǒng),重慶監(jiān)控公司版權(quán)申明:本文章來源于網(wǎng)絡(luò),如有侵權(quán),請(qǐng)聯(lián)系我們,我們收到后立即刪除,謝謝!特別注意:本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn),本站所提供的攝影照片,插畫,設(shè)計(jì)作品,如需使用,請(qǐng)與原作者聯(lián)系,版權(quán)歸原作者所有。