警务云计算平台视频资源整合规划方案.docxVIP

警务云计算平台视频资源解决方案1 / 36警务云计算平台视频资源解决方案警务云计算平台视频资源解决方案目录目录 . 21 项目背景与必要性分析. 41.1 城市安防与云计算. 42 平台架构设计. 82.1 网络架构. 82.1.1 网络拓扑. 82.1.2 社会资源接入的安全机制. 102.3 平台联动调度. 122.4 平台部署策略. 142.4.1 区县未集中处理的视频. 142.4.2 区县已集中管理的视频. 142.5 与科达一期平台的关系. 153 应用实例. 273.1 道路状况检测. 273.2 车辆轨迹跟踪. 293.3 gis 联动. 313.4 重点区域智能监控. 313.5 套牌车检索. 333.6 移动终端监控. 342 / 36警务云计算平台视频资源解决方案1 项目背景与必要性分析1.1 城市安防与云计算城市公共场所往往有成千上万路监控摄像头遍布街头，昼夜不停地监视和录 像，在改善社会治安的同时，也产生出海量的视频数据需要监控管理平台存储和 处理。要对这些海量视频通过人工进行重点图像的抓拍，困难很大。首先，需要对所有的视频录像进行逐帧浏览，才能发现重点图像，这无疑工 作量巨大，甚至犹如大海捞针。其次，即使找到了重点图像，人工抓拍，并且要 记录下对应的原始视频图像的时间点等，也是工作量很大，效率很低。由于人的 生理特征所限，长时间观看视频录像，容易产生视觉疲劳，还有可能漏掉重要图 像和线索。理想情况是一旦有重要事件发生，系统就可在事后能快速查找到线索。针对 上述海量监控视频录像的事后分析，传统以人海战术为主的视频线索查找，显然 不能满足高效查找，正面临巨大挑战，急需一种更为高效的、自动的、智能的系 统实现上述需求。目前，基于云计算的大规模数据存储和处理技术以及视频图像 智能处理分析技术可以解决这一问题。通过视频浓缩摘要，缩短视频事件的播放 时间，通过目标内容识别、分类等实现快速查找事件线索，缩小查看范围的功能， 这些都极大地减轻警方刑侦人员的工作负荷，海量视频分析功能的实现和应用将 大大提高监控效率。国内外很多公司以及机构都在这一领域投入了大量的研究，将云计算，智能 识别等技术联系在一起，更好的为安防服务。充分利用云计算的海量数据计算能 力和智能的处理能力，不仅能大大缩小了对于各类事件的事后取证所需要的时 间，提高了取证效率，而且对于各种突发事件的预防、响应都起到了积极有效的 作用。2 平台架构设计根据省厅已有建设情况和对实际需求的深入分析，本方案利用 cstor 云存储 和 jobkeeper 云调度技术构建统一的 cvideo 云视频监控管理平台软件，部署在 标准 x86 服务器集群上，通过对已有监控资源的整合，实现海量高清视频监控 的数据存储和智能处理。2.1 网络架构2.1.1 网络拓扑针对某省的实际情况，多级 cvideo 云视频监控系统采用分布式架构，分级 管理和部署。以街道派出所为单位，初期拟定每个所部署一台“minicloud ”（“minicloud”迷你云微型数据仓库将在下面的章节中进行详细描述），用于视频 数据的保存，从区级到市级再到省级分别部署 cvideo 系统，cvideo 系统的架构 会在 2.2 中进行具体描述。整个“平台”构建于公安网之上，其中，省级中心处于核心地位，部署元数 据服务器，用以统一管理元数据信息，各派出所则使用“minicloud”中的三个互 为冗余的节点担当存储节点的角色。“平台”遵循“就近接入、本地存储、中心 统筹、权限管理”的方针，随着存储容量需求的增加，只需在容量不足的派出所 增加存储节点（服务器）即可，十分方便。而区县级和市级主要负责对区域视频 的汇聚和处理，部署 cvideo 系统，并将处理后得到的信息提供给各上层应用服 务。cvideo 云视频监控平台针对省级的建设方案采用多级部署的方式，大致拓扑 如下图所示：16 / 36图 2-1 cvideo 多级部署概要图初步预计每个派出所需要存储的监控摄像机按 100 路左右，平均码流按2mbps 计算，则存放半个月需要的存储容量约为：2 / 8 * 3600 * 24 * 15 *100 = 32.4tb“minicloud”是由三台服务器所组成的小型云平台，能够存储的总容量为：9 * 3 * 3 = 81tb为了保证数据的可靠性，对数据进行 1：1 备份后，可用容量为：40.5tb， 可以满足初期的需求。随着使用和前端设备的增设，容量需求会愈发增加，这时 我们同样提供了机架式的扩展方案，当存储容量不足时，只需在“minicloud”下 新增存储节点（服务器），系统容量会自动增加，实现扩容十分方便。前端监控设备所采集到的视频数据保存在所属的“minicloud”中，或经过接入服务器，接入所属区级的 cvideo 监控平台中进行管理和处理，各级客户端访问相应中心服务器，按需操作和调控。云处理服务器提供空前的数据处理能力， 提供诸如视频转码、内容识别等海量数据的处理支持。查看历史视频时，接入云 存储遵守分区接入、分局接入和就近接入原则，考虑到突发事件会致使查看视频 记录的人员增多，分布式部署可以很好地缓解接入压力。2.1.2 社会资源接入的安全机制考虑到今后肯定要逐步将全省 110 万路摄像机都接入到“平台”进行统一的 调度管理，这就必须要考虑公安网和社会公网之间安全性和保密性的问题， cvideo 监控平台在实际布设过程中，建议遵循跨网络必须经过网闸和缓冲资源池 的规则，示意图如下：图 2-2 cvideo 网络隔离概要图本次建设的“平台”将作为二期平台，构建于公安网之上，在与一期平台平 稳过度对接的同时，确保高度的安全性及视频的实时性。对于今后社会资源公网中的监控前端设备，纳入“平台”管理，需要考虑到 安全因素和流量等多方面的问题，不建议通过网闸直接将社会资源接入公安网， 最主要的原因有两个：一是只经过了一层网闸，虽然在一定程度上保证了安全性， 但是级别不是很充分；二是社会资源摄像头的数量惊人，而网闸在保证安全性的 同时却牺牲了性能，通过网闸的带宽受到了严重限制，无法实现利用网闸将社会 资源全部纳入公安网中。因此，我们提出了缓冲资源池的建议，对安全性和传输 带宽进行了双重保障，其大致架构如下图所示：图 2-3 社会资源接入建议架构图假设途中 192.168.x.x 网段为社会资源网，10.x.x.x 网段为公安网，在中间加 入缓冲资源池（172.x.x.x 网段），该部分可租用电信运营商的机房和带宽，作为 过渡层，一方面对社会资源进行收集汇总、存储分析，另一方面利用软件防火墙 和运营商的安全机制进行了第一次的安全保障。之后再通过交换机和网闸转接如 公安网，期间网闸提供了第二次安全保障。其次，对于公安网用户来说，社会资 源的接入完全是按需的，只有当有需求时，才会通过网闸将社会资源中的实时视 频流或者历史存储资料调取到公安网中，而在绝大多数情况下，数据仅仅是停留 在了缓冲资源池中，不会对网闸造成很大的压力。但另一方面，一旦进行了网闸设置，势必会对带宽有所限制，因此为了保证 网络互联互通的同时，保证系统的安全性需对视频数据进行云转码传输。由于视 频转码计算量很大，单一的计算机不可能实现整个监控系统内的摄像头实时视频 数据的转码。cvideo 研发了云端转码技术，将视频转码计算放到云端（即缓冲资 源池），实现整个系统内的实时视频转码，以满足用户对不同分辨率，不同码流， 不同终端的使用需求。图 2-4 转码前后视频对比视频接入模块首先将不同厂家的前端设备接入进来，对于支持 rtsp 的采集 设备，我们利用标准的流媒体协议接口实现视频和音频数据的传输。对于不支持 rtsp 的采集设备，我们利用设备厂商提供的 sdk 进行接入。然后在 cproc 云计算 平台上利用高效的转码技术，将采集到的高清视频信号解码后再重新编码，在满 足用户需求的同时降低对网络带宽的消耗。同时将转码后的视频流推送给流媒体 服务器分发出去。图 2-5 云转码流程2.2 平台联动调度按 2.2 节中所说的架构，在实际应用中，经常会出现跨级的联动调度问题， 下图展示了 cvideo 云视频监控平台多级联动调度的流程。上级中心总平台的接入服务器和下级子平台的中心服务器信令交互，上级平 台的接入服务器相当于下级平台的一个超级管理员用户。总平台通过接入服 务器登陆到子平台，从而进行获取设备列表、获取设备信息、云台控制、获 取流地址等操作。上下级平台的设备管理、用户管理、日志管理等功能相互独立，下级平台和第三方平台对“平台”的用户不可见，用户可以透明地访问各平台的前端监 控设备资源（可以知道设备是属于哪个平台、哪个部门的，但不能直接登陆 到下级平台或第三方平台）。在“平台”用户视角，相当于所有下级平台和 第三方平台的设备都是直接部署在此综合的云平台之上。图 2-7 多级部署上级视频数据流对接如上图所示，如果是上级中心总平台用户想查看某前端摄像机的实时视频， 那么，该用户首先通过客户端或浏览器登陆平台，随后发出对某路视频的监控请 求，中心调度系统会根据数据库里的摄像机设备信息将任务经由接入服务器发送 给政务专网的中心调度系统，由其调度相应接入、处理服务器进行进入和转发处 理。该视频流经过子平台流媒体服务器转发至总平台，客户端得到该地址即可播 放出实时视频流。如果此时子平台的用户也想监控上述该路的实时视频，在请求该路监控时， 子平台的中心服务器会自动发现该监控任务已由总平台用户发起过，只要经过总 平台中心控制的许可，便可立即将流媒体服务器推送地址反馈给客户端，子平台 用户的客户端则直接可以播放出该路实时视频流。如下图所示：图 2-8 多级部署下级视频数据流对接2.3 平台部署策略针对某省的实际情况，在之前的规划和管理过程中，部分区域已经实现了按 区县为单位对现有视频做了集中管理和存储，而另一些则是完完全全的“信息孤 岛”状态。在“平台”的实施部署过程中，需要充分考虑到这些因素，以“不重 建、多复用”为主旨，充分利用已有的平台和系统，实现对异构的监控体系的统 一管理。2.3.1 区县未集中处理的视频对于区县没有集中处理的视频，“平台”会按照 2.1 章节中的部署规则，给 每个派出所部署一套 minicloud，用其本地化保存视频数据，并接受省厅中心的 直接管理，同时提供给上层应用和服务的支撑。2.3.2 区县已集中管理的视频对于区县已经集中管理过的视频，“平台”则不会对该区域及其下属派出所新建设备，而是与该系统交互，通过其 sdk 进行对接和信息交互，获取需要的管理信息及视频流。从用户的角度而言，呈现在面前的只是单纯的一个个独立的摄 像机，用户不必关心前端的摄像机具体是从我们部署的 minicloud 中传输过来的， 亦或是从已有区县系统中传输过来的，“平台”已经将中间过程透明化，以更贴 近用户的使用习惯。2.4 与科达一期平台的关系根据架构的描述，可以看出，对于本“平台”，科达承建的一期平台相当于 一个子平台，本“平台”通过接入服务器与其通信对接，通过其提供的 sdk 或平 台对接方式进行取流和控制的交互。因为与柯达平台均属于公安网，因此不需要 考虑跨网段的问题。3 应用实例3.1 道路状况检测随着城市化进程的加快，交通拥堵已经变的越来越严重。交通拥堵使得交通 事故发生率变高，加剧了环境污染，造成资源浪费，给人们的出行带来极大的不 便。面对越来越拥堵的交通和有限的土地经济资源，智能交通系统（its）应运 而生。它是将先进的信息技术、数据通信传输技术、电子传感技术、电子控制技 术及计算机处理技术等，有效地集成，运用于整个交通管理而建立的一种在大范 围内、全方位发挥作用的、实时、准确、高效的综合交通运输管理系统。车流量 检测、车辆排队长度、车速检测是智能交通系统的重要环节，传统车辆检测器如 磁感应线圈有着诸多缺点和局限，鉴于这种情况，基于计算机和图像处理技术， 利用机器视觉检测器来进行车辆检测成为一种特别有潜力的替代方法，有望取代 传统检测器成为现代智能交通系统的一个重要组成部分。车流量统计 车流量统计可以提供给客户某一时间段内，某条道路上的车流大小，有助于管理者更加方便的对道路交通进行管理。车流统计的流程是：原始图像前景检测阴影去除车辆计数图 5-1 车流统计流程图为了提高车流统计精度，采用“虚拟线圈”的方式对每个车道分别进行车流 统计，最后再汇总这条干道上的车流总量。车辆排队长度图 5-2 车流量统计对交通干道，特别是红绿灯路口的拥堵车辆，进行拥堵长度计算。有利于交通管辖人员实时了解车辆运行情况，并及时进行车交通管理。也可以方便普通驾 驶员了解各个路口的拥挤程度，提前更改自己的行车路线，节约时间。对于不同的应用需求，对车辆排队长度的要求不同，如在公路收费系统中， 仅需要检测车辆的排队长度，根据车辆排队长度进行提醒，精度要求不是很高。 而对于智能交通控制系统来说，它要参考车辆排队长度进行信号灯的配时、交通 诱导等，因此对检测精度要求相对较高。车速检测图 5-3 不同车道的车辆排队长度地感线圈获取车速，需要在道路下埋设地感线圈，相对架设摄像头麻烦很多，而且不易于日后维护。利用视频图像测车速，实现了方便快捷的获取车速的目的。 视频测车速，一般需要完成以下几点：视频测速计时方案，即如何准确计算车辆在视频图像上从一处行驶到另一处 所经历的时间；交通场景图像标定，即建立实际场景位置与视频图像位置的映射 关系；行驶车辆跟踪，即在交通场景视频图像上准确、快速地定位、跟踪行驶车辆。图 5-4 车辆测速场景示意图3.2 车辆轨迹跟踪利用视频图像的运动目标检测、跟踪以及车牌识别算法，实现对道路上车辆 轨迹信息的自动记录，实现实时比对报警被盗、抢或嫌疑车辆。运动目标检测即通过视频图像帧与帧之间的关系，建立背景模型，再通过图 像减法，将运动目标从背景模型中分割出来。原始图像检测的车辆去除阴影/噪声的车辆图 5-5 去除阴影算法实际应用时，车辆周围会产生很多阴影，这些阴影也处于运动之中，因此会 被当成是运动目标被一起检测出来。为了提高运动检测精度，需要加入阴影去除 模块，将该部分去除。如上图所示，红色区域为检测到的阴影。目标跟踪的宗旨是通过定位目标在视频的每一帧图像的位置来产生目标随 时间变化的移动轨迹。常用跟踪方法有点跟踪、内核跟踪以及轮廓跟踪。图 5-6 多车辆跟踪效果利用多摄像头的协同合作，可以实现多摄像头协同跟踪。即车辆驶离该摄像 头摄像范围时，可以通知临近摄像头继续实现跟踪，这样就可以绘制范围更大的 车辆运行轨迹路线图了。该功能在针对犯案人员驾车逃跑的追踪，和事后的分析上有着重要意义。利 用云计算的优势，对海量视频数据实时分析，根据掌握的特征信息，对犯案人员 的逃跑轨迹实时追踪，甚至在一定基础上模拟和预判线路进行提前的布防和围 捕，对于事中的追踪抓捕能起到很好的辅助作用；同样的，对于事后的案件，也 可以根据特征分析该段时间内的相关路段视频文件（而非通过人员回看），从中 追踪出罪犯的逃跑路线，从而推测出犯人的所在位置，对之后缩小搜捕范围起到 一定的作用。3.3 gis 联动将获取到的信息与 gis 地图及大屏监控联动起来，则可以形成更多的应用， 如：道路流量实时掌握、预警视频智能弹出等。城市交通流量的情况图可如下图 所示：图 5-7道路交通流量示意图根据实时的道路信息，智能的导航仪将成为可能，不仅可以指示最近的路线， 而是将不拥挤的路线作为首选，更加方便人们的出行。同时，gis 的联动性更便于事中的跟踪，比如追踪逃跑轨迹，智能的弹窗提 示进一步降低了监管人员的压力，并能让事件第一时间得到反馈和处理，大大提 升效率。3.4 重点区域智能监控重点区域监控可以设定多个任意形状的防区，多个防区位置可以重叠，互不 影响。针对每一个防区，还可以指定该防区内入侵者的类型（人和交通工具）、 尺寸大小、入侵速度、最短入侵时间和运动方向等参数，各防区内各类型的参数 可以独立设定，互不影响。防区设定后，只有符合指定特征的入侵行为才会引发 报警，而其他不符合条件的入侵将会被忽略。重点区域监控针对入侵者不同的尺寸大小和运动特征进行检测，发出报警信号并提供即时的视频确认机制，有效减少了由于误报引起的不必要的警卫行动。另外，入侵检测在确保监控场景安全的同时，还为警卫人员做出有效的响应行动 提供了额外的信息。这种检测模式可适用于各种场合的非法入侵检测，例如入室盗窃、侵入高危 区域、进入游泳池、侵入无人区、攀越围墙，以及针对在非工作时间内在非法方 向上运动的过往人员进行记录等。图 5-8 周界入侵示例智能视频监控还可以应用在客户行为分析、客户服务等多种非安全相关的场 景，以提高用户的投资回报。智能视频监控（ivs intelligent v ideo surveillance）是基于计算机视觉技术对 监控场景的视频图像内容进行分析，提取场景中的关键信息，并形成相应事件和 告警的监控方式，是新一代基于视频内容分析的监控系统。如果把摄像机看作人 的眼睛，而智能视频监控系统或设备则可以看作人的大脑。智能视频监控技术借 助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉 用户不关心的信息，仅仅为监控者提供有用的关键信息。智能视频监控除了具备广为人知的网络视频监控的优势外，智能视频监控系 统还能为用户带来更大收益：（1）显著提高系统安防等级：24x7 全天候可靠监控；（2）提示工作效率，大大提高报警精确度；（3）具备主动防范能力：大大提高响应速度；36 / 36（4）提升资源利用效率：有效利用和扩展现有硬件监控系统资源；图 5-9 区域入侵检测3.5 套牌车检索套牌车的检索主要分为两个部分，其中，第一个部分为车牌识别，只有将车 牌识别出来，才能为后面的检索提供可能性。第二个则是车牌的比对，从中找出 套牌车辆。车牌识别时智能交通系统中一项很重要的技术，它包括车牌检测、车牌校正、 车牌字符分割以及字符的识别。具体流程如下图所示：图 5-10 车牌识别设计原理结合目标跟踪和车牌识别，就可以将该车出现在该监控画面中的时间确定下 来，之后则是判定套牌车的依据：短时间内出现在两个距离非常远的监控画面内 的同一车牌可以视为套牌车。因此，根据这一依据，对有嫌疑的车