高清技术和产品的不断涌现，大大促进了高清智能监控系统的现实应用，这直接带动了智能识别技术在视频监控中的应用。可以预见的是高清智能监控的市场将会变大，视频监控也会实现从“被动防御“向“主动防御“的转型。视频监控的威慑力和事后还原力，在各行业的实际应用中，已经得到了很好的见证。但如何让监控更具威慑力，让监控起到防范于未然的作用，如何做到”道高一尺，魔高一丈“呢？例如如何快速准确提取面部特征并识别出是人员身份？如何迅速查看人员轨迹？如何在监控区域智能识别不安全因素并启动防范预案？这些需求正激烈地敲打着安防行业的神经，再加上近年来算法和算力的极大提升促进了人工智能技术的发展，目前这个发展趋势的核心代表就是基于AI的视频智能分析以及物理安防集成平台。

　　智能监控的核心在于智能视频分析，就是对输入的视频流采用运动目标检测、跟踪、分类技术，将视频内的目标经背景建模、目标分割、跟踪及分类等图像识别算法，完成由图像到事件参数的转变，从而实现对各种突发事件的实时检测和事后检测。基于智能视频分析技术，可以实现行为分析、周界防护、人脸识别、流量统计、智能跟踪等各项功能。通过智能监控系统，能够对可疑目标和异常事件进行主动预警并启动相应级别的防范预案，从而大大提高监控效率和监控价值，为安全管理提供有力保障。

　　高清视频监控从被动防御向主动防御的转型，不仅是必要的，也是必然的，无论是从高清视频监控的应用和发展方面，都会起到推动作用，而随着高清智能监控系统的应用，让“看得更清“不再是梦想，也让”主动防范“成为现实。

　　因此结合上述客户需求以及行业发展趋势，基于当前安防业内发展的新技术和成熟产品，我们建议选择本智能化视频监控平台来满足业主需求，一方面实现视频的存储、管理和查看，另一方面在平台内运行各种智能视频分析算法提高管控水平，主动预防事件发生。同时在后续有需要的时候，还可以通过集成其他系统来平滑过渡到PSIM物理安防集成平台。

　　2. 方案总体实现目标

　　2.1. 适用性

　　整个系统的功能和性能完全立足于安全管理和运营管理，提供有效的技术防范电子化手段，以满足安全管理的需求，并考虑充分满足当前和未来十年内生产一线的用户功能要求。

　　2.2. 先进性

　　系统采用成熟先进的信息和电子技术，包括：IP网络技术、高清数字化视频编解码技术、NVR视频存储技术、DAS/SAN/NAS 网络存储技术、智能视频分析技术等。视频监控系统将来能支持过渡到先进的安防集成管理平台，将不同的防范措施与手段和综合安防信息进行有效的联动和集成，有机的组成为一个统一的现代智能化综合安全管理控制系统。

　　2.3. 开放性

　　本系统采用开放式的系统架构，提供HTTP API接口供与第三方系统诸如上层平台进行对接和集成。该HTTP API接口可以提供系统内接入摄像机的实时视频或录像视频码流，录像检索，报警事件检索，视频结构化及其他视频分析结果检索等各种功能。

　　2.4. 稳定可靠性

　　视频监控系统能每天正常工作24小时，每年运转365天，所有设备具有高度的可靠性和优良的性能。

　　视频监控及智能视频分析系统内的网络视频录像管理服务器也具有备份功能，确保在出现故障时摄像机的码流依然能够得到切换和存储。

　　2.5. 可扩展性

　　视频监控系统的所有硬件、软件和系统平台具有扩充能力。

　　2.6. 安全性

　　系统具有高度的安全性和保密性，通过对系统分级保护、数据存储权限的控制，来防止各种形式的对系统的非法侵入。

　　所有用户在操作和访问系统之前都必须进行注册。每一个用户都将会获得一个系统内唯一的标识和一个密码。用户可以修改自己的密码。对各操作人员的使用权限必须是可灵活分配的。

　　每一层次的安全和控制工作还涉及有关用户角色和操作规程。

　　2.7. 可维护性

　　对于应用系统，可维护性体现在易分析性、易更改性、易测试性。使用模块化的结构，同时提供必需的各种工具包。另外网络视频存储管理服务器可监控各高清数字摄像机以及服务器等设备的状况。

　　2.8. 可操作友好性

　　提供友好的中文配置界面和中文多媒体操作界面；采用规范的行业用语，易于管理和维护。用户界面基于WINDOWS界面，支持键盘和鼠标操作，界面友好、清晰，操作简单、方便，容错性强；

　　2.9. 经济性

　　在充分满足系统应用功能需求和系统性能要求，并保证系统安全可靠下，选用了性能价格比高的系统和产品，合理控制工程造价。系统和设备选型已充分考虑系统后期运行成本，能以较低的费用、较少的人员投入来保证系统的正常运转，实现高效能和高效益。

　　3. 基于AI的智能化边防视频管控方案设计

　　3.1. 系统架构设计

　　根据用户需求，并结合本产品特点，本项目需要建设的高清数字视频监控及智能视频分析系统的架构图如下所示：

　　总体来看，本视频监控系统是一套高清图像与智能视频分析技术相结合的数字视频监控系统，系统具有智能化、高效率特点，系统采用网络传输、存储、控制及显示，主要由前端高清数字摄像机、视频分析及视频存储服务器、客户端工作站、安防网络、相关应用软件以及其它传输、辅助类设备组成。系统提供完备的数字视频管理、存储和视频分析功能，系统具有可扩展和开放性，以方便未来的扩展和与其他系统的集成。

　　具体来说，在本次需要建设的视频监控系统中，前端安装室外超低照度和热成像摄像机，通过5类或6类网线直接接入到附近的网络接入层交换机，再传输至监控设备室或机房的核心交换机，最后传入同样放置于监控设备室或机房的视频存储服务器实现录像存储和码流转发，同时放置在监控设备室或机房的视频分析服务器进行各种要求实现的视频分析功能，包括区域入侵、越界入侵、进入区域、离开区域、物品遗留、徘徊、烟雾火焰侦测、异常行为侦测、热力图统计、摄像机运维诊断等功能。另外还包括视频结构化，提取场景内各种目标特征，实现基于深度学习的目标识别侦测，便于后期录像快速检索。另外经由网络传输，该服务器也完成码流转发功能使得总控中心和各分控中心都可以通过客户端查看摄像机视频以及报警信息。

　　3.2. 前端摄像机部分

　　采用1080P高清摄像机，保证智能视频分析效果。

　　3.3. 信号传输部分

　　所有网络高清摄像机都与就近的接入层交换机的端口相连，并上传到中心机房的核心交换机。视频码流可任意由任何网络可达位置的操作员进行调用。

　　3.4. 监控中心部分

　　在中心机房放置网络视频存储设备NVR以对网络中数字视频信号进行存储，并采用分布式存储和集中管理。放置视频分析服务器进行人工智能视频处理。

　　在各监控中心通过工作站和监视器或LCD大屏幕电视墙三种方式显示实时和录像视频图像和还原音频，集成管理系统提供了一个完整的分布式软件集成管理界面，通过虚拟矩阵的方式保证在安全防范网络中任何位置如果需要都可以控制、配置和诊断整个系统。

　　系统的配置可通过工作站来完成，包括系统的管理、用户的定义与权限、码流设图像设定、系统状态、系统安全、报警以及联动等。

　　另外，系统通过平台HTTP API可以向第三方开放接口，供第三方平台获取视频码流，实现平台层级的对接和调用。

　　4. 基于AI的智能视频分析功能介绍

　　4.1. 特定结构化目标跟踪视频分析实时告警及事后快速查询

　　本智能视频分析平台已内嵌人、车目标通用模型，因此只需要在软件内对摄像机视频通道开启目标跟踪算法即可对场景内的活动目标进行识别和跟踪。同时还可以设定识别目标属性，包括目标最大宽度、目标最大高度、目标最小宽度、目标最小高度、目标速度、目标颜色等，如下图所示。从而可以初步筛选过滤特定目标。

　　另外在必要的时候此算法还可以加载AI训练学习模型，通过神经网络过滤器或者神经网络目标跟踪器来基于现场运行的视频训练素材进行定制算法能力提升，从而提高系统的准确性。

　　一旦对某路摄像机启用目标（人/车）跟踪智能视频分析功能，那么即可在该路视频上配置如下多种视频分析规则，包括区域入侵、周界入侵、进入区域、离开区域、物品遗留、徘徊等功能，具体描述如下：

　　Ø  对象位于感兴趣区域：当选定对象类型进入感兴趣区域时，事件会被触发。如果对象数量过多，则在对象数量降至指定值之前不会触发新事件。

　　Ø  对象徘徊：当选定对象类型在感兴趣区域停留较长时间时，事件会被触发。当该对象离开感兴趣区域时，事件会被重置。

　　Ø  对象正在穿过虚拟线：当指定数量的对象穿过在摄像机视场中配置的虚拟线时，事件会被触发。虚拟线可以是单向也可以是双向的。

　　Ø  对象出现或进入感兴趣区域：事件由进入感兴趣区域的每个对象触发。该事件可用于计算对象的数量。

　　Ø  对象不在感兴趣区域中：当感兴趣区域中没有任何对象时，事件会被触发。

　　Ø  对象进入感兴趣区域：当指定数量的对象进入感兴趣区域时，事件会被触发。

　　Ø  对象离开感兴趣区域：当指定数量的对象离开感兴趣区域时，事件会被触发。

　　Ø  对象停在感兴趣区域中：当感兴趣区域中的对象在指定阈值时间内停止活动时，事件会被触发。

　　Ø  遗留物品检测：当区域中存在遗留可疑物品时，事件会被触发。

　　Ø  摄像机图像质量检测：当摄像机画质变化时如位置移动、虚焦或模糊时，事件会被触发。

　　事后快速搜索功能不仅仅是一个视频搜索工具，它是一组在视频录制当下就生成特征元数据的技术。元数据资料库是视频存储得以快速并准确分析的基础。当需要事后搜索指定事件时，仅需要在视频存储里输入相关条件：如区域内移动、拌线、物体大小、物体颜

　　色、移动方向、物体移动速度及更多，符合条件的视频缩略图会在数秒内显示。不眠不休的马拉松式查看已经是过去式了，事后快速搜索功能以快速有效并基于条件的搜索取而代之。

　　此功能的搜索速度如此之快，因为它是基于元数据分析，一个计算并记录视野范围内的所有移动物体的数据资料。所述元数据包含了物体的属性并以文本字符串形式保存到特定的VMDA资料库，同时保存到视频本身。

　　4.2. 基于骨骼分析法的异常行为侦测

　　通过视频实时提取场景内人体骨骼姿态，并采用神经网络算法训练及深度学习异常行为动作下的骨骼姿态，从而再场景内的人一旦出现抬手、跌落摔倒、蹲、坐、躺等异常动作时捕捉并告警异常动作时捕捉并告警。基于此异常行为分析，异常行为检测工具可以实时识别可疑人员的行为举止。迅速提醒值守人员，将个人、团体和设施的风险降到最低。

　　下图即是探测走廊道中出现人员摔倒倒地事件的主动告警。

　　通过统计视频画面的人体骨骼数量，可以用于区域内出现人群拥挤行为时进行报警。通过是设置人体骨骼数量从而设置报警阈值来调节报警等级。

　　上面这个示意图展示了人体在正常步态下和在举枪姿势下所呈现的不同的骨架姿态，因此这就为基于骨骼分析法的视频分析提供了分析基础。

　　通过视频实时提取场景内人体骨骼姿态，并采用神经网络算法训练及深度学习异常行为动作下的骨骼姿态，从而再场景内的人一旦出现倒地、蹲地、聚集等异常动作时捕捉并告警。

　　4.3. 视频浓缩

　　视频浓缩是视频监控效率的全新典范。在视频存储中的所有移动物体以短视频剪辑显示，缩短播放时间但维持物体移动的原速度。只需点击感兴趣对象就能跳转到正常模式播放相应的视频。视频浓缩是监控视频事件回顾最直截了当的方式。视频监控的效率从此变得不一样了。

　　4.4. 人脸/车牌识别及检索

　　本平台在接入摄像机码流后，允许在服务器上直接抓取人脸/车牌进而进行人脸/车牌识别和检索包括以图搜图。同时，还具备人脸/车牌黑白名单功能从而当特定人脸在镜头视角内出现时即产生报警事件；所有捕抓过人脸的视频存储都能用于事后搜索。

　　4.5. 烟雾或火焰检测

　　基于人工神经网络的火焰和烟雾的智能视频检测，可在其他传感器无用的地方工作。它提供了早期的视觉火灾探测，并显著降低了火灾损失的风险。

　　4.6. 智能运维

　　通过对摄像机视频应用智能视频分析算法实现实时巡检检测和视频质量诊断，包括摄像机掉线、摄像机遮挡、移位、摄像机画面虚化、摄像机画质变差等，从而替代以往费时费力的摄像机维护工作。一旦有摄像机、服务器和交换机等各种硬件设备出现故障，平台将自动发现并上报，提醒当班人员尽快处理。而且这些设备运行状态信息也会汇集到平台进而可视化呈现。

　　4.7. 基于深度学习训练的目标分类和定制化视频分析

　　另外，本平台还提供基于用户需求通过对一段时间的视频录像进行深度学习训练来定制开发视频分析功能，从而对特定目标类型和特定事件进行侦测和告警。