李翠萍 王利平 管運(yùn)濤

（1.清華大學(xué)深圳國(guó)際研究生院，廣東 深圳 518055；2.萬(wàn)科企業(yè)股份有限公司，廣東 深圳 518000；3.深圳市萬(wàn)物云城空間運(yùn)營(yíng)管理有限公司，廣東 深圳 518049）

視頻監(jiān)控被廣泛應(yīng)用于道路、建筑、公園綠地、工業(yè)廠房等眾多場(chǎng)所，為交通安全、社會(huì)治安、物業(yè)服務(wù)、生產(chǎn)管理等各領(lǐng)域提供保障。隨著通信技術(shù)、人工智能（AI）的發(fā)展，視頻監(jiān)控向著高清化、網(wǎng)絡(luò)化、智能化不斷發(fā)展，被拓展應(yīng)用到更多場(chǎng)景。在水環(huán)境（如河流、湖泊等）的管控中，視頻監(jiān)控的重要性也得到顯著提高，逐漸從輔助手段轉(zhuǎn)變?yōu)樗踩⑺|(zhì)污染等方面的主要管控技術(shù)之一，以彌補(bǔ)傳統(tǒng)人工監(jiān)控的不足，從而提高管控效率。

1 視頻監(jiān)控和AI識(shí)別預(yù)警技術(shù)發(fā)展

1.1 視頻AI識(shí)別預(yù)警的發(fā)展歷程

視頻監(jiān)控作為一種感知手段，具有直觀準(zhǔn)確、信息豐富、實(shí)時(shí)可視等特點(diǎn)，大致經(jīng)歷了3個(gè)發(fā)展階段，即模擬監(jiān)控、數(shù)字監(jiān)控和網(wǎng)絡(luò)監(jiān)控[1]。

模擬監(jiān)控主要指?jìng)鹘y(tǒng)模擬閉路視頻監(jiān)控系統(tǒng)（CCTV），由前端設(shè)備和監(jiān)控中心兩部分組成，依賴攝像機(jī)、線纜、錄像機(jī)以及監(jiān)視器等專用設(shè)備，監(jiān)控和傳輸范圍有限。數(shù)字監(jiān)控主要指以數(shù)字硬盤錄像機(jī)（DVR）為核心的“半模擬-半數(shù)字”監(jiān)控系統(tǒng)，利用DVR對(duì)視頻進(jìn)行數(shù)字處理和存儲(chǔ)，方便瀏覽查詢，但是穩(wěn)定性較差，監(jiān)控和傳輸范圍依然有限。網(wǎng)絡(luò)監(jiān)控主要指完全I(xiàn)P網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)，由前端設(shè)備、服務(wù)器、客戶端三部分組成，以網(wǎng)絡(luò)（有線和無(wú)線IP網(wǎng)絡(luò)等）為依托，以數(shù)字視頻的壓縮、傳輸、存儲(chǔ)和播放為核心，視頻連接、傳輸快速簡(jiǎn)便，布控區(qū)域廣闊，遠(yuǎn)程監(jiān)控能力強(qiáng)。

在視頻監(jiān)控?cái)?shù)字化、網(wǎng)絡(luò)化的基礎(chǔ)上，隨著計(jì)算機(jī)視覺、人工智能、大數(shù)據(jù)、云計(jì)算等新技術(shù)的快速發(fā)展，視頻AI識(shí)別預(yù)警功能也得到深入發(fā)展，實(shí)現(xiàn)了視頻監(jiān)控的智能升級(jí)，標(biāo)志著視頻監(jiān)控正在進(jìn)入第4個(gè)發(fā)展階段，即智能監(jiān)控階段，視頻監(jiān)控也在智慧城市建設(shè)中發(fā)揮越來(lái)越重要的作用。視頻AI識(shí)別預(yù)警是利用計(jì)算機(jī)圖像視覺分析技術(shù)對(duì)視頻監(jiān)控獲取的影音資料進(jìn)行采集、識(shí)別、分類、分析，生成圖像內(nèi)容和行為的描述信息，并根據(jù)預(yù)定的分析規(guī)則，指出可能存在的違反規(guī)則的風(fēng)險(xiǎn)目標(biāo)或行為[2]，同時(shí)發(fā)出預(yù)警信息，協(xié)助相關(guān)人員進(jìn)行日常管理。

1.2 視頻AI識(shí)別預(yù)警的優(yōu)勢(shì)

在保證前端攝像頭和存儲(chǔ)設(shè)備正常工作的前提下，可以獲得24 h不間斷視頻監(jiān)控影像，但依靠人力24 h實(shí)時(shí)查看監(jiān)控較為困難，特別是接入視頻點(diǎn)位較多的情況下。AI算法則可以根據(jù)設(shè)定好的程序快速處理大量影像數(shù)據(jù)，實(shí)現(xiàn)全天候?qū)崟r(shí)監(jiān)控。

1.2.2 全面快速識(shí)別異常情況

傳統(tǒng)的視頻人工排查方式容易造成信息遺漏、報(bào)警不及時(shí)等問(wèn)題，視頻AI識(shí)別預(yù)警則可以在精確設(shè)置特殊事件的定義和算法的情況下，全面快速識(shí)別異常情況，并向管理員實(shí)時(shí)發(fā)出預(yù)警信息。

1.2.3 被動(dòng)響應(yīng)升級(jí)為主動(dòng)預(yù)警

傳統(tǒng)視頻監(jiān)控的信息多用于事后查閱和取證，屬于被動(dòng)監(jiān)控，視頻AI識(shí)別預(yù)警可將被動(dòng)響應(yīng)升級(jí)為主動(dòng)分析、實(shí)時(shí)預(yù)警，實(shí)現(xiàn)高效智能監(jiān)控[3]。

1.2.4 助力智慧城市建設(shè)發(fā)展

具有AI識(shí)別預(yù)警功能的視頻監(jiān)控可以為城市安防、交通管理、市政運(yùn)營(yíng)等提供智能、高效、可視化的解決方案，同時(shí)海量的音視頻數(shù)據(jù)可在公安、城管、消防、水務(wù)、環(huán)保、民政等各部門之間實(shí)現(xiàn)聯(lián)網(wǎng)共享，屬于智慧城市的核心環(huán)節(jié)。

1.3 視頻AI識(shí)別預(yù)警的分類

視頻AI識(shí)別預(yù)警方案可以分為前端智能和后端智能。前端智能是將AI算法嵌入前端攝像頭自身芯片中，對(duì)采集的影像進(jìn)行實(shí)時(shí)分析預(yù)警，如車牌識(shí)別、人臉識(shí)別等時(shí)效性強(qiáng)、算法成熟的高頻場(chǎng)景一般應(yīng)用前端智能攝像頭，是攝像頭設(shè)備廠商的研發(fā)重點(diǎn)，也是未來(lái)技術(shù)發(fā)展方向。后端智能是將攝像頭采集的影像通過(guò)網(wǎng)絡(luò)上傳至后臺(tái)智能分析服務(wù)器進(jìn)行深入分析。后臺(tái)服務(wù)器計(jì)算能力強(qiáng)、可以應(yīng)用更復(fù)雜的算法，AI識(shí)別預(yù)警軟件開發(fā)周期短、可快速優(yōu)化迭代、在各類項(xiàng)目中應(yīng)用靈活，因此多數(shù)場(chǎng)景的后端智能效果要優(yōu)于前端智能，也是目前視頻AI識(shí)別預(yù)警的主要方式。另外前端和后端智能也可以相結(jié)合，攝像頭設(shè)備負(fù)責(zé)預(yù)處理，后端服務(wù)器進(jìn)行深度處理。

回顧文獻(xiàn)結(jié)合病例資料顯示，MS可發(fā)生于任何部位，既可作為白血病的首發(fā)表現(xiàn)，也可作為APL復(fù)發(fā)的臨床表現(xiàn)[14]。部分患者血常規(guī)和骨髓涂片并未發(fā)現(xiàn)異常，但可以檢測(cè)到PML/RARα融合基因或是APL的特征性染色體易位。因此，對(duì)于MS患者的診斷，應(yīng)結(jié)合形態(tài)學(xué)、細(xì)胞免疫學(xué)、細(xì)胞遺傳學(xué)和分子生物學(xué)等，包括外周血，骨髓涂片、流式、基因、染色體、腫塊病理、免疫組織化學(xué)和FISH等檢測(cè)，以期避免漏診和誤診。通常MS被認(rèn)為是一種預(yù)后較差的腫瘤[15-16]，未經(jīng)治療的孤立性MS大多在6個(gè)月左右轉(zhuǎn)化為急性白血病。對(duì)于MS的治療主要采取手術(shù)切除、放療、全身性化療和造血干細(xì)胞移植等方法[17]。

2 視頻AI識(shí)別預(yù)警在水環(huán)境管控中的應(yīng)用

2.1 AI識(shí)別預(yù)警系統(tǒng)視頻傳輸鏈路

隨著各地智慧水務(wù)、智慧環(huán)保系統(tǒng)陸續(xù)建設(shè)，河流、湖泊等水環(huán)境區(qū)域內(nèi)視頻監(jiān)控點(diǎn)位建設(shè)越來(lái)越多，水環(huán)境監(jiān)管擁有了“千里眼”，視頻AI識(shí)別預(yù)警的應(yīng)用則將其進(jìn)一步升級(jí)為“智慧眼”。

水環(huán)境管控視頻的AI識(shí)別預(yù)警一般使用后端智能的方式，在河道、湖泊岸邊的前端網(wǎng)絡(luò)攝像頭通過(guò)4G/5G無(wú)線網(wǎng)卡或有線網(wǎng)絡(luò)實(shí)時(shí)傳輸視頻至攝像頭設(shè)備廠商平臺(tái)，再通過(guò)有線網(wǎng)絡(luò)傳輸至政務(wù)云平臺(tái)服務(wù)器及智慧環(huán)保視頻平臺(tái)，最終在PC用戶端和App用戶端展示[4]。

視頻AI識(shí)別預(yù)警系統(tǒng)的視頻源可有多種取流路徑，若AI識(shí)別預(yù)警系統(tǒng)包含在智慧環(huán)保平臺(tái)中，則由智慧環(huán)保平臺(tái)直接取流分析；如AI識(shí)別預(yù)警系統(tǒng)為單獨(dú)開發(fā)，則可采用前端攝像頭IPC取流或設(shè)備廠商平臺(tái)SDK取流方式。PC用戶端可對(duì)AI識(shí)別預(yù)警系統(tǒng)分析的結(jié)果進(jìn)行展示、統(tǒng)計(jì)分析、問(wèn)題甄別、派發(fā)報(bào)警工單，一線人員的App用戶端則進(jìn)行預(yù)警工單接收、問(wèn)題處理、工單關(guān)閉。

視頻AI識(shí)別預(yù)警系統(tǒng)視頻傳輸鏈路如圖1所示。

2.2 視頻AI識(shí)別預(yù)警場(chǎng)景分類

視頻AI識(shí)別預(yù)警系統(tǒng)的開發(fā)包括場(chǎng)景需求分析、模型算法設(shè)計(jì)、數(shù)據(jù)采集標(biāo)注、模型測(cè)試、模型訓(xùn)練及迭代、模型驗(yàn)證與發(fā)布、模型優(yōu)化升級(jí)等多個(gè)階段。針對(duì)水環(huán)境管控場(chǎng)景的AI識(shí)別預(yù)警技術(shù)發(fā)展較晚，不同場(chǎng)景下識(shí)別的對(duì)象類型、屬性、關(guān)系和行為差異較大，數(shù)據(jù)和算法一般不能通用，因此水環(huán)境管控中AI識(shí)別預(yù)警系統(tǒng)目前成熟應(yīng)用的產(chǎn)品并不多。但隨著智慧水務(wù)和智慧環(huán)保建設(shè)需求的增加，水環(huán)境管控視頻AI識(shí)別預(yù)警系統(tǒng)也成為各個(gè)科技公司的研發(fā)熱點(diǎn)之一。

水環(huán)境管控中需要進(jìn)行視頻AI識(shí)別預(yù)警的場(chǎng)景一般包括水質(zhì)異常、漂浮物、排水口溢流、水位測(cè)量、流速/流量測(cè)量、人員入侵、人員落水、違規(guī)垂釣、岸堤塌陷、岸邊垃圾等3個(gè)類別10個(gè)場(chǎng)景。其中水質(zhì)異常、漂浮物、排水口溢流與水體水質(zhì)的變化直接相關(guān)，人員落水識(shí)別預(yù)警可協(xié)助涉水治安管理，岸堤塌陷與水務(wù)安全密切相關(guān)。水環(huán)境視頻AI識(shí)別預(yù)警場(chǎng)景如表1所示。

表1 水環(huán)境視頻AI識(shí)別預(yù)警場(chǎng)景

其中漂浮物、排污口溢流、人員入侵、人員落水、違規(guī)垂釣等場(chǎng)景的模型算法比較成熟，而水質(zhì)異常模型的算法準(zhǔn)確率通常不高，其主要基于水體顏色種類及顏色變化識(shí)別水質(zhì)是否異常，而光與水有豐富的交互作用，因此模型容易受到空中和岸邊各種物體（如白云、樹叢、建筑物等）的倒影、水體中生長(zhǎng)的水草以及河道底部的影響。水位測(cè)量場(chǎng)景通過(guò)定時(shí)抓拍識(shí)別水尺影像，并自動(dòng)上傳水位數(shù)據(jù)，可以實(shí)現(xiàn)惡劣天氣下的遠(yuǎn)程精準(zhǔn)識(shí)別和水位預(yù)警。流速/流量測(cè)定則是應(yīng)用影像測(cè)流技術(shù)進(jìn)行，即通過(guò)影像識(shí)別計(jì)算水體的表面流場(chǎng)，進(jìn)行水體表面和垂向流速計(jì)算；進(jìn)一步可結(jié)合影像識(shí)別得到的水位數(shù)據(jù)、斷面提前實(shí)測(cè)的形態(tài)參數(shù)計(jì)算流量。

AI識(shí)別預(yù)警全天24 h不間斷，對(duì)于精準(zhǔn)度較低的場(chǎng)景，需要對(duì)系統(tǒng)發(fā)出的AI預(yù)警信息適當(dāng)增加人工篩查核對(duì)流程，從而避免錯(cuò)誤或不必要的警報(bào)。

2.3 提升和發(fā)展方向

2.3.1 模型精準(zhǔn)度提升

AI模型算法的精準(zhǔn)度是影響視頻AI識(shí)別預(yù)警系統(tǒng)應(yīng)用效果的一個(gè)主要因素，算法精準(zhǔn)度提升需要通過(guò)海量數(shù)據(jù)的采集、標(biāo)注、訓(xùn)練迭代。但某些需要識(shí)別預(yù)警的水環(huán)境管控場(chǎng)景較為復(fù)雜且為小概率事件，同時(shí)相關(guān)部門的環(huán)保數(shù)據(jù)具有敏感性、保密性，能夠提供的數(shù)據(jù)有限，在一定程度上限制了視頻AI識(shí)別預(yù)警模型的開發(fā)和優(yōu)化。因此，在已經(jīng)成熟應(yīng)用水環(huán)境視頻監(jiān)控的城市，需要相關(guān)部門和科技企業(yè)合力持續(xù)進(jìn)行AI識(shí)別預(yù)警系統(tǒng)的開發(fā)、應(yīng)用和優(yōu)化，不斷積累高質(zhì)量數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，才能夠提高算法精準(zhǔn)度，降低誤報(bào)率和漏報(bào)率，減少無(wú)效識(shí)別，提高管控效率。

2.3.2 應(yīng)用場(chǎng)景拓展

對(duì)于水庫(kù)、景觀湖等水體，可在周邊合適的位置部署全景高點(diǎn)視頻監(jiān)控[5]，俯瞰整個(gè)湖庫(kù)范圍，實(shí)現(xiàn)大場(chǎng)景覆蓋，對(duì)湖庫(kù)的藻類暴發(fā)、漂浮物、污水溢流等情況進(jìn)行可視化監(jiān)控和AI識(shí)別預(yù)警，在一定程度上可代替無(wú)人機(jī)巡檢等方式。監(jiān)控設(shè)備可采用能夠360°旋轉(zhuǎn)的高清云臺(tái)攝像機(jī)，也可以進(jìn)一步結(jié)合多光譜或高光譜成像設(shè)備，利用AI識(shí)別預(yù)警系統(tǒng)對(duì)影像和光譜信息進(jìn)行智能分析，深度解析葉綠素、高錳酸鹽指數(shù)、透明度等相關(guān)水質(zhì)指標(biāo)。

3 結(jié)語(yǔ)

隨著各地智慧環(huán)保建設(shè)的開展，視頻監(jiān)控在水環(huán)境管控方面的應(yīng)用越來(lái)越廣泛，市場(chǎng)對(duì)于視頻智能分析識(shí)別的需求也進(jìn)一步加速。視頻AI識(shí)別預(yù)警系統(tǒng)未來(lái)將作為必不可少的產(chǎn)品，將得到更深入的開發(fā)和更充分的應(yīng)用，助力實(shí)現(xiàn)生態(tài)環(huán)境治理體系和治理能力的現(xiàn)代化。