目录
一、视频结构化分析技术介绍
1、概述
2、定义
3、核心环节
4、应用领域
二、视频中车辆和人的结构化
1、需求
2、信息内容
3、功能说明
（1）信息智能识别功能
（2）智能检索功能
（3）数据统计功能
（4）布控报警
（5）任务管理
（6）资源管理
（7）系统管理
（8）接口管理
三、应用实例
1、人员参考场景
（1）人员卡口
（2）出入口
（3）主要路口
（4）点位要求
2车辆参考场景
（1）车辆卡口
（2）车辆出入口
（3）主要路口
四、发展
1、技术挑战
（1）识别算法开发难
（2）大规模数据处理难
（3）环境干扰大
2、未来展望
一、视频结构化分析技术介绍
1、概述
视频结构化分析技术是指将视频内容转化为结构化数据的过程，这些结构化数据可以进一步用于目标检测、目标分类、目标跟踪等任务，以提高视频内容的可搜索性和可分析性。
2、定义
视频结构化分析技术是一种通过智能分析原始视频，提取出关键信息，并进行文本语义描述的技术。它利用目标检测、特征提取、对象识别、深度学习等分析手段，将视频内容组织成可被计算机和人识别、理解、检索的文本信息。
3、核心环节
视频结构化分析技术的核心环节主要包括以下几个步骤：
（1）目标检测：
在视频帧中检测出目标对象，如人、车、动物等，并给出目标对象的位置和大小。这通常使用深度学习模型，如卷积神经网络（CNN）等，来训练模型并进行推理。
（2）目标分类：
在目标检测的基础上，对检测出的目标对象进行更加具体的属性识别，如识别出车辆的品牌、颜色等。这也依赖于深度学习模型来进行特征提取和分类。
（3）目标跟踪：
在连续的视频帧中，对同一目标对象进行连续的跟踪和识别。这有助于建立目标对象在时间上的关联关系，从而更好地理解视频内容。
4、应用领域
视频结构化分析技术在多个领域有广泛应用，包括但不限于：
（1）智能监控：实现对监控视频中目标对象的自动识别和跟踪，从而实现对异常行为的自动检测和预警。
（2）智能交通：通过视频结构化分析技术，可以实现对车辆和行人的自动识别和跟踪，有助于交通拥堵和交通事故的自动预警和处理。
（3）智能安防：在安防领域，该技术可以实现对安全区域中目标对象的自动识别和跟踪，从而实现对安全事件的自动监测和报警。
二、视频中车辆和人的结构化
1、需求
对视频中车辆和人体特征信息的结构化提取；
实现对视频中活动目标特征的结构化提取；
实现智能结构化分析后文本信息和图片信息的存储和检索；
实现动态扩容，智能分析性能随着设备数量增加做相应提升；
实现第三方标准视频流的接入和智能分析应用；
实现本地录像的智能分析，支持无插件播放，
实现智能检索、数据统计、布控报警、任务管理、资源管理、集群管理、系统校时、日志查询等功能。
配合视频监控管理平台，根据车辆、人员的特征信息，实现对人员、车辆的轨迹搜索等应用。
2、信息内容
车辆特征信息包括：车辆车牌号码、号牌颜色、车辆颜色、车辆类型、车辆品牌、车辆子品牌等。
人员特征信息包括：行人衣着颜色、性别、是否骑车、是否背包、是否拎东西等。
3、功能说明
（1）信息智能识别功能
功能描述如下表：
| 功能项 | 功能说明 |
| 车辆信息识别 | 支持车辆车牌号码、号牌颜色、车辆颜色、车辆类型、车辆品牌、车辆子品牌等信息的识别提取 |
| 支持600种以上机动车车辆品牌的识别 | |
| 支持6500种以上车辆子品牌识别 | |
| 支持红、黄、绿、橙、蓝、紫、金、银、粉、棕、白、灰和黑11种车身颜色的识别 | |
| 支持车、商务车、面包车、皮卡车、微型货车、轻型货车、中小型客车、大型客车、微型轿车、重型货车、中型货车、电动四轮车、专用车辆的功能;车辆使 用性 质支持 识别校车、集装箱运输车、体车、搅拌车出租车、消防车、警用车、工程抢险、军用车、渣土车、公交车、长途客车、教练车、救护车、运钞车、环卫车、宣传车、蓄禽运输车、厢式运输车、殡仪车、工业工程车、执法车等多种车型的识别 | |
| 支持主驾驶未系安全带检测识别 | |
| 支持主、副驾驶遮阳板打开检测识别 | |
| 支持黄标车的检测识别 | |
| 支持危险品车辆的检测识别 | |
| 支持车辆背向品牌、子品牌、颜色识别 | |
| 人体特征识别 | 支持行人属性包含:性别、年龄段、帽子、帽子颜色、头发长度头发颜色、眼镜、口罩、双肩 背包和颜色、单肩挎包和颜色手提包(袋)和颜色、伞、工作服款式、鞋子款式、上衣纹理上衣颜色、下身服饰颜色、人员姿态等属性的识别 |
| 活动目标信息识别 | 支持活动目标（车和行人）颜色、大小、方向、速度的识别 |
（2）智能检索功能
功能描述如下表：
| 功能项 | 功能说明 |
| 目标类型检索 | 支持以人、车为条件进行智能检索； |
| 按时间段检索 | 支持按时间段检索车辆、活动目标的分析结果，可设置检索的起始和结束时间 |
| 车辆信息检索 | 支持以通道、过车时间、车牌号、车牌颜色、车辆颜色、车辆类型、车辆品牌为条件对车辆进行检索 |
| 支持车牌号码模糊检索功能 | |
| 行人信息检索 | 支持以通道、经过时间、颜色、大小、运动方向、速度、年龄段、性别、是否戴眼镜、是否骑车、是否背包、是否拎东西进行人体特征检索 |
| 检索结果 | 车辆检索结果应包括过车的时间、车牌号、车辆颜色、车辆类型、车辆品牌，车辆子品牌、车辆方向，遮阳板，安全带，打手机，危险品车，黄标车以及对应的过车图片等信息 |
| 行人检索结果应包括时间、颜色、大小、运动方向、速度、年龄段、性别、是否戴眼镜、是否骑车、是否背包、是否拎东西及对应的图片等信息 | |
| 车辆、人、活动目标的检索结果支持以缩略图形式展现 | |
| 数据导出 | 支持将检索到的结构化数据和图片结果以Excel表格形式导出 |
（3）数据统计功能
功能描述如下表：
| 功能项 | 功能说明 |
| 数据统计功能 | 支持按车辆类型、车辆方向、车流量、人员性别、人流量、人员年龄段统计 |
| 支持按年报表、月报表、周报表、日报表方式统计 | |
| 支持统计结果以饼状图显示 |
（4）布控报警
功能描述如下表：
| 功能项 | 功能说明 |
| 布控报警 | 支持布控报警信息按车牌号、开始时间、结束时间检索 |
| 支持布控报警信息确认 |
（5）任务管理
功能描述如下表：
| 功能项 | 功能说明 |
| 智能分析功能 | 支持对视频中的车辆信息做结构化识别和提取 |
| 支持对视频中的行人信息做结构化识别和提取 | |
| 支持对视频中的活动目标特征信息做结构化识别和提取 | |
| 任务类型 | 支持对实时视频做智能结构化分析 |
| 支持对历史录像视频做智能结构化分析 | |
| 支持对本地录像文件做智能结构化分析 | |
| 支持新建多个智能分析任务 | |
| 支持统一配置任务列表中的所有智能分析任务 | |
| 支持配置检测区域、屏蔽区域规则 | |
| 支持删除任务、暂停任务、启动任务功能 | |
| 优先级设定 | 支持任务优先级设定功能，分析任务的优先级分高、中、低三个级别，可根据需求设置 |
| 实时视频结构化任务无优先级选项，优先级别默认为高 | |
| 任务检索 | 支持智能分析任务状态的查看，可通过智能分析类型、优先级、视频源类型、任务运行状态等条件进行检索 |
| 支持任务分析结果的实时动态展示； |
（6）资源管理
功能描述如下表：
| 功能项 | 功能说明 |
| 数据同步 | 支持监控点信息同步功能，能够从接入平台同步监控点的组织树信息 |
| 支持视频接入网关，通过GB28181级联第三方平台和非标准码流转码。 | |
| 设备管理 | 支持IPC、NVR等设备通过onvif协议直接添加、删除和修改等功能 |
| 支持第三方标准视频流设备的接入和智能分析 | |
| 数据导入/导出 | 支持以Excel表格的形式导入、导出本地添加的监控点信息 |
| 录像管理 | 支持本地录像文件的导入、删除、清空等功能 |
（7）系统管理
功能描述如下表：
| 功能项 | 功能说明 |
| 系统校时 | 支持NTP校时以及手动校时功能 |
| 用户配置 | 支持用户创建、修改和删除 |
| 显示配置 | 支持车辆、人、活动目标结构化后信息的显示配置，可根据需求显示想要的信息 |
| 布控管理 | 支持通过车牌号、时间进行布控； |
| 支持按照模板批量导入导出布控信息 | |
| 支持历史布控记录检索 | |
| 日志检索 | 支持按行为日志、运行日志、报警日志、操作日志等类型进行日志检索 |
| 日志导出 | 支持将检索到的日志导出为txt文件，保存到用户指定位置 |
（8）接口管理
功能描述如下表：
| 功能项 | 功能说明 |
| 接口管理 | 各种服务接口的定义 |
| 管理服务器、转发服务器和录像服务器等服务器、以及客户端之间通信接口 |
三、应用实例
1、人员参考场景
（1）人员卡口
（2）出入口
（3）主要路口
（4）点位要求
前端摄像机分辨率须大于等于1920*1080，小于等于4096*2160
检测人时，人的头肩像大小至少为80*80个像素点
检测人脸时，人脸的大小至少为24*24个像素点
检测人脸属性时，人脸的大小至少为50*50个像素点
| 对象 | 摄像机角度要求（小于） | 目标像素要求（大于等于） |
| 人员 | 左右360度，俯角45度 | 80*80（头肩） |
| 人脸检测 | 左右60度，俯角15度 | 24*24 |
| 人脸属性 | 左右15度，俯角15度 | 50*50 |
2车辆参考场景
（1）车辆卡口
（2）车辆出入口
（3）主要路口
四、发展
1、技术挑战
尽管视频结构化分析技术具有广阔的应用前景，但其实现也面临一些挑战：
（1）识别算法开发难
由于视频内容的复杂性和多样性，开发准确高效的识别算法具有一定难度。
（2）大规模数据处理难
对于大规模的视频数据进行结构化处理，需要强大的计算能力和存储资源支持。
（3）环境干扰大
视频结构化分析技术对环境比较敏感，光线、杂物、恶劣天气、晃动等因素都可能影响识别效果。
2、未来展望
视频结构化分析技术是一种重要的视频处理技术，它通过智能分析将视频内容转化为结构化数据，提高了视频内容的可搜索性和可分析性，为智能监控、智能交通、智能安防等领域的发展提供了有力支持。
随着人工智能技术的不断发展，视频结构化分析技术将在更多领域得到应用和推广。未来，该技术有望实现更高效、更精准的视频内容分析和处理，为各个行业提供更强大的视频智能应用支持。
文章正下方可以看到我的联系方式：鼠标“点击” 下面的 “威迪斯特-就是video system 微信名片”字样，就会出现我的二维码，欢迎沟通探讨。
