史鋒 張航 徐能健 潘小偉?

摘 要：為了最大化利用聯網共享的視頻資源，將海量視頻監(jiān)控資源應用到城市管理工作中，準確高效地從視頻資源中挖掘出有用信息來滿足城市管理的要求，根據實際項目實踐，創(chuàng)新性提出一種視頻智能分析系統(tǒng)在城市管理領域的應用方案。在視頻智能分析中采用AI深度學習技術，綜合考慮物聯網體系的信息采集、匯聚、分析、上報信息的處理過程，經過系統(tǒng)實際部署，有效提高了城市的智能化管理水平。

關鍵詞：物聯網;視頻智能分析;智慧城管;AI深度學習;視頻監(jiān)控;聯網共享

中圖分類號：TP393文獻標識碼：A文章編號：2095-1302（2019）06-00-03

0 引 言

從2005年開始，“數字城管”模式作為當前城市管理行之有效、行之高效的新型管理模式在全國各地迅速推廣和應用。從各地試點運行情況來看，“數字城管”模式有效解決了目前城市管理過程中存在的信息滯后、管理被動、職能交叉等難題，提高了城市管理水平、降低了城市管理成本[1]。近年來隨著經濟技術的發(fā)展，該模式已無法完全滿足城市管理發(fā)展的新需求，各地城市管理部門結合自身業(yè)務需求，從應用上和功能上提出了新思路和新需求。隨著物聯網和云計算等技術的興起，城市管理邁入“智慧城管”的嶄新時代。從技術層面看，數字城管是對傳統(tǒng)城市管理的揚棄，而智慧城管將是對數字城管的揚棄和全面超越[2]。數字城市發(fā)展的步伐尚未放緩，智慧城市建設的大幕已在我國悄然拉開[3]。

公共安全[4]視頻監(jiān)控[5-6]建設聯網應用是新形勢下維護國家安全和社會穩(wěn)定、預防和打擊暴力恐怖犯罪的重要手段，對于提升城鄉(xiāng)管理水平、創(chuàng)新社會治理體制具有重要意義。視頻監(jiān)控系統(tǒng)已成為當今社會中一套成熟的系統(tǒng)，在政府行政部門、公安社會治安、企事業(yè)單位以及各類社會資源中應用較為遍。

如何最大化利用聯網共享的視頻資源，將海量視頻監(jiān)控資源應用到城市管理工作中，如何準確高效的從視頻資源中挖掘出有用信息來滿足城市管理要求一直是值得探索的方向。

1 系統(tǒng)概述

1.1 業(yè)務現狀與應對思路

在我國當代的輿論場域中，“城管”堪為帶有固定化負面刻板印象的機構。媒體對“城管-商販沖突”的報道大多符合刻板呈現的基本特征[7]。使用視頻監(jiān)控的目的在于改善當前城管的管理方式，扭轉負面形象。但在視頻圖像智能應用、業(yè)務深度應用方面仍存在著較大的提升空間，主要表現在以下方面：

（1）視頻監(jiān)控使用率不高。在日常的城市管理中，對城市中存在的海量視頻監(jiān)控資源使用率不高，主要用于事后查看。

（2）缺乏視頻圖像智能分析技術，無法及時發(fā)現問題。視頻圖像數據是城市物聯感知中體量最大的一類數據，視頻中含有較多的無價值信息，有價值的涉案視圖數據中特征信息因無法有效提取，導致信息易丟失。

（3）視頻應用未結合管理業(yè)務流程，深度應用不足。當前視頻應用主要通過人工抽查識別，從海量圖片中判斷事件的場景以及違法行為，無法保證事件判定的準確性和時效性，導致情報研判響應速度不及時，案件處理進程滯后。

針對以上問題，系統(tǒng)將采用新的思路：使用“整合利舊前端點位+新建后臺識別”模式，對視頻圖像中的城市管理問題事件進行結構化提取，形成城管管理事件數據資源庫，依托大數據、云計算等技術實現數據的融合、碰撞、分析、應用。

1.2 設計架構

一個城市的智慧城管信息系統(tǒng)主要依托數據中心支撐平臺和物聯網支撐平臺，其中數據中心支撐平臺主要整合計算資源、存儲資源、網絡資源;物聯網支撐平臺整合建設通信平臺和視頻監(jiān)控平臺[8]。視頻智能分析系統(tǒng)架構如圖1所示。

基礎資源層實現視頻監(jiān)控資源的采集和接入;數據分析層通過智能識別技術實現城市管理事件的智能識別與存儲;業(yè)務應用層結合城市管理的業(yè)務應用需求，提供基于大數據、云計算等技術的數據分析、計算、管理服務。

2 前端采集系統(tǒng)

2.1 監(jiān)控點位設計

充分考慮公安天網視頻資源，根據城市管理業(yè)務特點，在重點路段、路口共享探頭輔助城市管理。通過應用智能視頻監(jiān)控、卡口、現場執(zhí)法設備等多維感知技術實現對城市管理事件的各方監(jiān)測和全面透徹感知。前端監(jiān)控布點應根據不同的場景來設置監(jiān)控范圍，包括市容環(huán)境監(jiān)控、城市綜合執(zhí)法監(jiān)控、市政設施監(jiān)控、環(huán)衛(wèi)設施監(jiān)控、其他公共設施監(jiān)控、河道監(jiān)控等。視頻監(jiān)控布點范圍設置見表1所列。

2.2 網絡傳輸設計

基于城市視頻監(jiān)控系統(tǒng)的網絡現狀，前端系統(tǒng)采集的信息將依托現有視頻專網將數據傳送回后臺系統(tǒng)。后臺智能識別應用系統(tǒng)利用原有視頻專網核心路由交換機、核心路由器接入，確保視頻智能分析系統(tǒng)的可靠運行。

對于沒有視頻專網的城市，需要建設電子政務視頻專網，以該網絡為依托進行視頻資源整合和聯網共享，重點整合資源包括重要目標、要害部位、重要交通節(jié)點、重點行業(yè)（企業(yè)）、醫(yī)院和廣場等人員密集區(qū)域的視頻資源。視頻專網通過安全措施及設備與政府行業(yè)專網、公安視頻專網、運營商專網、互聯網等進行安全隔離和訪問。

3 后臺分析系統(tǒng)

3.1 視頻管理平臺

設立視頻管理平臺的目的是接入前端監(jiān)控點位以及已有視頻平臺，做到統(tǒng)一的視頻資源管理和控制，為視頻智能分析提供資源基礎支撐。

視頻管理平臺將實現統(tǒng)一的視頻共享接入及轉發(fā)，實現視圖數據的采集格式、目錄規(guī)范、平臺接口等標準化工作，為外部業(yè)務系統(tǒng)和應用提供視頻調用的接口。通過管理平臺統(tǒng)一的視頻共享權限實現各類事件的標準化響應。

3.2 城市管理場景分析視頻分析技術是使用計算機圖像視覺分析技術將場景中的背景和目標分離進而分析并追蹤在攝像現場內的目標[9-10]。視頻智能分析工作基本原理如圖2所示。

AI深度學習是機器學習研究中的一個新領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，可模仿人腦的機制解釋數據，如自動駕駛、語音識別、圖像識別等，這些均屬于深度學習的研究范疇。

文中的視頻分析系統(tǒng)采用深度學習技術，有效提升了識別速度和準確率，結合城市管理要素和管理職責，重點在垃圾堆積、游攤小販占道、違規(guī)戶外廣告、機動車非機動車違停等場景中實現應用。垃圾堆積場景識別如圖3所示，游攤小販占道場景識別如圖4所示。

3.3 業(yè)務處置流程

視頻智能分析系統(tǒng)識別出告警信息后需要將結果發(fā)送到相關系統(tǒng)中處置，實現業(yè)務流程的管理閉環(huán)。事件推送邏輯需要滿足一定的前提條件，符合條件后生成事件，并推送至相關責任人。處理流程如圖8所示。

事件推送至指定責任人（執(zhí)法隊員）后，執(zhí)法隊員首先查看事件相關信息，判斷該事件是否為本人管轄范圍，若是，則確認接收，并在事件處置完后將處置結果上報，否則填寫退回理由，將該事件退回。

3.4 管理決策分析

系統(tǒng)展示轄區(qū)內所有智能識別點位的分布情況、當日發(fā)生的告警事件總數、告警實時顯示等，并提供統(tǒng)計分析功能，幫助管理者實時掌控轄區(qū)狀況。結合事件的歷史統(tǒng)計情況及事件發(fā)生時間段，對城市管理的重點區(qū)域、熱點區(qū)域進行熱點事件預測，為城市管理提供預警信息，同時結合事件的發(fā)生位置以及事件立案時間、隊員位置等情況，為隊員的巡邏處置提供軌跡規(guī)劃。數據可視化界面如圖9所示。

4 結 語

本文針對城市管理領域提出了AI視頻識別解決方案。系統(tǒng)無縫對接原有視頻監(jiān)控系統(tǒng)，對視頻畫面進行事件識別，實現對重點城市管理問題的自動化采集、智能分析、事件及時上報;通過構建業(yè)務模型，為管理決策提供數據支撐，有效提高了城市的智能化管理水平。

參 考 文 獻

[1]馬征.淺談“數字化城市管理”系統(tǒng)的新應用探索[J].中國建設信息化，2010（5）：47-49.

[2]房立洲.“云時代”智慧城管的發(fā)展維度與理想模型[J].上海城市管理，2012（4）：12-16.

[3]陳柳欽.智慧城市：全球城市發(fā)展新熱點[J].青島科技大學學報（社會科學版），2011，27（1）：8-15.

[4] BARANYI S，SAINSIN? Y.The development of the national police，public security and the rule of law in Haiti[J].Powder technology，2014（2）：361-366.

[5] KUMAR N，LEE J H，RODRIGUES J J P C. Intelligent mobile video surveillance system as a bayesian coalition game in vehicular sensor networks：learning automata approach [J].IEEE transactions on intelligent transportation systems，2015，16 （3）：1148-1161.

[6] LEE S C，NEVATIA R.Hierarchical abnormal event detection by real time and semi-real time multi-tasking video surveillance system[J].Machine vision & applications，2014，25（1）：133-143.

[7]閆巖，毛鑫.失真的鏡像—對優(yōu)酷視頻中“城管vs.商販”沖突的內容分析[J].新聞與傳播研究，2015（2）：71-78.

[8]吳堅.基于數字城管的智慧城管建設初探[J].產學研互動與科技創(chuàng)新，2014（1）：83-88.

[9]朱前芳.基于序列化卷積神經網絡的行為識別研究與實現[D].成都：電子科技大學，2017.

[10]張磊.基于深度學習的視頻分析系統(tǒng)[D].南京：南京郵電大學，2017.