智能视频存储解决方案

智能视频存储解决方案（通用6篇）

智能视频存储解决方案 篇1

更多高清摄像头的整合、视频与其它系统一包括音频数据、元数据标签、访问控制信息以及临近传感器在内的其他数据元素的集成.以及被存储和管理的数据资产的大小和数量，正在迫使系统架构进行改变。我们需要从存储开始做出改变，来应对挑战！

监控行业正在经历转变,同时也影响到了其他所有行业。新的摄像头技术、延长的数据保留时间,以及更先进的分析系统使得传统监控基础设施显得太过昂贵且无效。对具有前瞻性的公司来说,虽然对当前的监控架构施加了压力,优势却是惊人的,不只是提高了安全性,还能从监控解决方案中谋求更多。

从固定摄像头和视频磁带设备时代至今,监控系统已经走过了很长一段历史。自从1990年代引入基于IP的摄像头以来,这个行业已经从模拟系统逐步转向网络解决方案。摄像头技术也变得更加智能,拥有了板载分析、更高的分辨率和更快的帧速。这使得视频数据极大的增加,对存储基础设施也有了更高的要求。例如,一个200万像素的摄像头以30 fps(每秒帧数)的速度运行,每天生成约10GB的数据(假设H.264压缩速度为1024 kbps)。50个这样的摄像头每年将生成约183TB的数据。将这些摄像头换成超高清4K摄像头,每年产生的总数据量将猛增至730TB。

现今通过使用比以往更多的监控摄像头,捕捉到了数量空前的视频图像,这个趋势预计将随着更高清、多传感器摄像头的部署而继续下去。据IHS预计,2014年到2019年高清摄像头出货量的年复合增长率为43%。到2020年,监控视频将超过3万亿小时,其结果是每天生成并存储859PB的监控数据。

从监控图像转向视频数据

被视为专业化的监控解决方案与IT其它部分相分离之后,集成度变得越来越高。摄像头被部署到IT网络上后,更加受到传统IT的约束。随着存储和管理的数据急剧增加,这一挑战引起了安全专家的关注

视频分析应用的功能越来越丰富且复杂,非传统的业务部门开始注意到,在集成并与其它系统中的数据关联之后,借助视频可以做出更好的商业决策。例如,物流公司正在使用视频数据来追踪货物通过港口和铁路站场,以提高效率零售公司正在使用视频观察购物者的行为,以便做出有关商品摆放、店面布置和广告的更好决策。

抓住机遇的企业正在从视频中获取更实际的商业价值,通过使用视频数据来改良业务成果,他们将监控解决方案的费用从成本转变成了投资。在这种情况下,花费在监控上的资金不仅可以保证人和财产的安全,还将产出商业效益和财务收益要实现这种价值,必须长期地保留视频数据。这就需要一种能够长期保留数据,却又不会牺牲性能的存储基础设施。

在坚实的基础上进行建设

更多高清摄像头的整合、视频与音频数据、元数据标签、访问控制信息和临近传感器等其它系统和数据元素的集成,以及被存储和管理的数据资料的大小和数量,正在迫使系统架构进行改变。例如,随着改变,在过去能够支持100个摄像头的网络录像机(NVR),在将来可能仅能够支持20个摄像头。如果增加更多的服务器进行维持,花费将激增并且难以管理。需要从存储开始,对某方面做出改变。

一个监控基础设施能够提供的最大商业价值依赖于“智能”存储的坚实基础。随着部署更多的摄像头,视频数据的商业使用变得更加广泛,成为影响业绩的重要因素。存储基础设施必须能够处理来自数千个摄像头的输入,还不会丢失帧,并能为分析和PSIM应用提供快速的响应时间

此外,存储基础设施必须能够灵活应对增长;能够随着诉讼和法规要求改变保留政策而增长;能够适应新的图像格式;当传感器和流数量增加以及在网络上添加新的摄像头时,也能够很容易扩展规模。

在预算少或者保持不变的情况下,控制成本至关重要。添加和升级摄像头需要更多资金,因而,基础设施其它组件的可用资金就会更少。存储管理系统必须用成本效益高的存储媒介来存储内容,以及根据基于政策的指标管理数据的移动,从而来降低存储成本。高优先级、常用的文件应该用高性能的磁盘进行存储,而低优先级的文件应该用磁带或云进行存储。

从支出的角度来说,将数据资产存储到成本效益高的媒介上非常重要,但这样做一定不能影响到可访问性。无论存储数据在那里,存储基础设施都必须维持数据的可视性,严格管理权限.以保证监管链的认证,并阻止越权访问数据集。

最后,该存储基础设施必须与视频管理系统(VMS)进行无缝集成,例如由3VR、Genetec和Milestone提供的视频管理系统,并要支持所有的主要平台、操作系统和网络。

努力实现拥有统一文件系统视图的多层架构

实施多层、智能存储基础设施是管理视频数据的最好方法。多层架构被视为单一文件系统,它包含高性能磁盘、二级磁盘、磁带和云存储,能够让视频文件在高成本效益的状态下长期保留,并快速提取,且在需要的时候容易进行分析,因为该系统管理着数据在层之间的移动,保持了元数据的完整性。

总而言之,监控行业正在发生改变。摄像头的数量在增加、高清摄像头的部署让视频文件越来越大、数据保留时间越来越长并且实时分析变得越来越复杂。为满足行、业在这一系列变化中对存储的需求,存储基础设施需要具备高性能、可扩展以及多层次,以便保护人和财产免受伤害以及从视频数据中获取最大的商业价值。

智能视频存储解决方案 篇2

一、概述：

近年来，随着经济的不断深入发展，人民生活水平显著提高，乘坐飞机商务出行、旅游的人数屡创新高，使得机场的客流不断增加。在国内民航新建、迁建、扩建机场项目猛增的同时，也需同步配备相应的安防及智能视频分析系统，以满足民航机场安全管理要求和机场运营业务的高速发展。同时随着国内外恐怖事件的不断发生，也给传统的机场安防带来了严峻的考验，这实际上也为机场安防及智能视频分析系统的建设、升级和改造带来了契机。

由于机场监控设备数量庞大、监控对象日趋复杂，在传统的视频监控模式下，机场安保人员需要监视太多的视频画面，远远超出承受能力，导致实际监控效果降低。及时协助发现异常行为并进行处理、消除安全隐患、保证人身财产安全等，对机场安全管理工作具有极其重要的意义。机场视频智能分析技术，旨在利用当今最先进的人脸识别技术，加强对机场的智能监控，乘客运动轨迹查询，通过智能分析处理技术及时发现机场内部及周界的异常行为并自动报警，从而减轻监管工作人员的负担，提升工作效率，提高监测准确度，使机场管理工作更加有效。同时，结合机场安防预案，对突发事件实现快速响应，保障机场安全。

二、需求描述

XXXXXXXX机场是XXXXXXXXXXXXXXXX的国家门户枢纽机场，占地面积大，共有XX、XX、XX三个航站楼，总面积XX万平方米，货运库XX万平方米，停机位XXX个，值机柜台XX个，自助值机XX台，安检通道XX个，出港行李转盘XX个，进港行李转盘X个，可满足年旅客吞吐量XXXX万人次。因此会存在候机楼里乘客数量多，乘客误机，区域人员密度聚集以及机场周界过长管理起来比较困难等问题。为了机场更好的人性化、智能化管理，更优质的乘客服务，故利用目前比较先进的人脸识别技术、智能视频分析技术，形成大数据智能整合、分析，更好的解决以上的问题。

三、系统功能

1、候机楼人数统计

XXX机场旅客年吞吐量达到XXXX多万人次，三个航站楼，旅客数量非常大，为了保证机场管理人员能及时获得每个候机楼里的具体乘客人数，故通过智能视频分析技术在XX个安检通道进行进入候机楼的人数统计，然后在各个登机口进行出候机楼（登机）人数统计，从而得到比较准确的候机楼人数统计。

（1）、统计进入候机楼旅客数量

（2）、统计登机旅客数量

（3）、统计每个安检口的进入乘客数量（4）、统计每个登机口的登机乘客数量

（5）、大数据分析：通过对每个出入口的人流量统计从而以柱形图、波线图等更直观的 方式把数据进行展现，已达到用数据说明情况，用数据解决问题的效果。

2、密度聚集检测

对机场重点区域进行视频监控，并利用智能视频分析技术来对重点区域进行人员密度聚集检测、报警。

（1）、重点区域设臵：可利用现有的高清视频监控系统，在需要监测的重点区域进行自定义区域、时间段、密集程度报警值等设臵。

（2）、提前预警：密集程度有低、中、高、较高四种级别，建议报警值设臵在“中”级，这样就可以在事件发生前预警并通过调取该区域的实时视频监控对报警区域进行查看，根据实际情况做出相对应的处理。

3、智能周界

机场周界通过智能生物科技感应人体电流来判断是否有入侵物体，一旦报警就发送一个信号至智能视频分析系统，调动摄像头自动监控报警区域，并记录报警事件的一段视频资料。

（1）、接收周界设备发出的报警信号：一旦周界设备检测到有入侵事件，就向系统发送信号，系统对信号进行接收。

（2）、报警视频存储：系统接收到信号后，就自动调用摄像头对报警区域进行实时监测

和视频录像，并保存该事件发生前后的一段视频录像，便于后续取证和处理。

（3）、报警记录查询：系统会自动记录并保存所有的报警记录，可通过时间、地点等多种组合条件放进行查询。

4、VIP乘客管理

机场和航空公司为了给VIP乘客提供更优质和精细的服务，可利用人脸识别技术第一时间识别到乘客身份并及时通知相关工作人员，为VIP乘客提供相应的服务。

（1）、VIP乘客信息注册：各航空公司提供本公司的VIP乘客相关资料在系统中进行注册。

（2）、人脸识别：在机场安检口抓拍到一张清晰的人脸照片后，与各航空公司VIP客户事前注册的人脸信息进行对比，对比成功后把该信息推送至相关人员。

5、乘客运动轨迹及乘客搜索

由于机场候机楼乘客数量众多，登机口分布比较广，当需要对某些特定乘客进行查找，并确定其位臵时，可通过人脸识别技术、智能视频分析技术、大数据处理等对进入安检口后的乘客进行运动轨迹生成，从而及时有效的对该乘客的运动轨迹进行分析并做出有效的相应提示。

（1）、未登机人员查找: 在机场安检口登记进入候机楼的乘客信息，并抓拍一张清晰的人脸照片。进入候机楼后，候机楼中的所有符合人脸识别要求的摄像头一旦抓取到照片并比对成功后，就进行轨迹记录。后续通过输入未登机人员的身份信息就可迅速查找到此人的运动轨迹，在距离此人最近的区域进行广播，以提高机场寻找人员的效率。

（2）、人脸检索：在系统中输入待查询的人脸照片，系统自动检测出照片中的人脸信息，选择需要检索的人脸后进行相似度、时间段等参数设臵后开始检索，最后检索出的结果会在界面上显示出来。

（3）、记录查询：人脸系统查询包括黑名单报警查询和人脸抓拍查询，可以通过时间、通道等相关参数快速查询信息。黑名单报警查询可以查询某个时间段、某个通道的所有报警事件，并可查看报警详细信息;人脸抓拍查询则可查询某个时间段、某个通道的所有抓拍人脸事件，并可详细查看图片、具体抓拍时间点等信息。

四、总结

智能视频存储解决方案 篇3

监控设备的普遍性带来了视频信息的爆发式增长, 将这些海量信息分门别类、做上标记, 然后将其选择性的储存, 这一需求随之变得越来越迫切, 因为这样不但能够帮助用户有效的检索相关信息和迅速的获取感兴趣的视频信息, 而且能够节省大量的内存, 但是这项工作需要一个能够对这些海量视频进行自动分析和处理的智能监控系统来完成。

通过智能监控系统可以将视频流分为三类选择性的存储:

(1) 有运动目标的视频序列, 可以用来实现人群密度估计、运动目标检测等。

(2) 放弃纯背景的视频序列, 节省内存。

(3) 恶意遮挡摄像头、扭动摄像头的视频序列, 方便对异常事件的定性并报警。

视频智能存储算法一般是在摄像头异常检测算法的基础上完成的, 摄像头异常检测的基础主要是背景建模或特征提取。背景建模主要有单高斯模型、码本模型、混合高斯模型等, 上述算法缺乏实时性, 因此不适合应用到视频智能存储算法上去。文献[3]中首次将轮廓波应用到摄像头干扰异常检测中, 通过比较背景图像与视频图像的特征函数做出判断, 虽然该算法缺少自适应性, 但可以借鉴特征提取的方法。

2 视频序列分割原理及特征提取

为提取视频流的特征, 借鉴文献[4]中的方法, 将摄像头拍摄到的视频流截成两段, 分别存储到两个不同长度的缓存区中去, 即长缓存区和短缓存区。帧图像顺序被存放在短缓存区中, 若短缓存区中已满, 则将短缓存区中最先进来的那一帧视频图像存放到长缓存区中去, 若长缓存区中也已满, 则将长缓存区中最先进来的那一帧视频图像丢弃。其存储流程如图1所示。

每一次抽样检测时, 长短缓存区都会被比较然后判断异常是否发生。短缓存区中的每一帧都要和长缓存区中的每一帧进行比较, 取其比较结果的中值, 记为Dbetween。将长缓存区中的任意两帧视频图像进行比较, 取其比较结果的中值, 记为Dlong。令:

当长缓存区中是正常场景, 短缓存区中是异常场景时, Dbetween表示的是类间差, Dlong表示的是类内差, 类间间距越大, 类内间距越小, Dnorm所得到的值就越大, 长短缓存区中的视频序列分别属于不同类别的可能性就会越大。

在上述方法中, 每一次抽样检测时, 都会比较长短缓存区中视频序列的差异性:归一化的RGB直方图、L1R直方图和梯度方向直方图。

2.1 归一化的RGB直方图

归一化的RGB颜色空间是一个二维的数组, 按照R, G, B三个分量所占的百分比来表示像素值, 设像素i的三个分量为Ri, Gi, Bi, 像素i的分bin其表达式如下:

归一化的RGB颜色空间对光照缓慢变化不敏感, 而只对图像的内容的变化敏感。

2.2 L1R直方图

L1R直方图也是一个二维的数组, 其分量定义如下:

对于像素i的三个分量为Ri, Gi, Bi, 像素i的分bin其表达式如下:

Ii和Si分别表示像素i的亮度值和饱和度值。而亮度和饱和度信息与光照有关, 故可用这个模型检测光照的突然改变。

2.3 梯度方向直方图

边缘检测在智能识别中比较重要。I表示当前帧图像, Gx和Gy分别表示卷积后横向及纵向边缘检测出来的图像, 其卷积表达式如下:

图像的梯度方向对缓慢的光照改变和摄像头的轻微振动或者移动不是很敏感。

2.4 直方图的绝对差

直方图的绝对差是帧图像差异的最直观的表现形式。设帧图像I1和I2的直方图分别为H1和H2, 其中直方图的bin为n, 则帧图像的直方图的绝对差的计算表达式如下:

现记FRGB表示两帧图像的归一化的RGB直方图的绝对差, FL1R表示两帧图像的L1R直方图的绝对差, FGrad表示两帧图像的边缘梯度直方图的绝对差。

故,

将上述直方图的绝对差组合成动态多特征组合, 形式为:

图2是在拍摄的几段视频中, 随机抽取的一段视频, 其中含有的事件个数为8个, 分别是:有运动目标的3个 (比较高的3个红线) 、被扭动的2个 (比较低的2个红线) 、被遮挡的3个 (蓝绿混合的3个突出的线) 。数据没有做对数变换。

从图2可以看出直方图的绝对差能够准确的反映出来帧图像序列的变化, 当视频画面出现明显的变化时, 相应的数值分量会达到不同的峰值, 然后可以借助于聚类技术将相同范围内的数据峰值聚类到一起 (尤其是K-means聚类算法具有很好的实时性, 其复杂度为O (n) , n为对象个数) 以这些峰值点为依据, 将缓存区中前后连续的帧图像序列存储到事先准备好的标签下面, 完成视频的智能存储。

3 以信息增益比率的加权距离计算方法为基础的K-means聚类算法

K-means聚类算法是把n个数据对象划分为k个类别, 使每个类别中的数据点到该类的聚类中心的距离的平方和最小, 算法具体流程如图3所示。

全部对象每被分配完一次就会被重新计算聚类中心, 不断重复, 直到标准测度函数收敛为止, 一般采用均方差作为标准测度函数:

E为数据集合中所有对象的均方差之和, P为任一对象数据点, mi为类别Ci的均值。

在计算对象到各个聚类中心的距离计算中, 欧氏距离是常用的计算方法, 而权值信息能够完全的反映各个特征分量在聚类或者分类过程中对未知类别的倾向程度。所以准确的权值为提高聚类质量提供了一个可能, 若每一变量均可被赋予一个权值, 以表示其所代表属性的重要性。那么带权值的欧氏距离计算公式为:

在统计属性中, 信息增益是衡量属性价值的一个好的定量标准。因此属性的信息增益值决定了属性在分类过程中的贡献大小, 而在聚类算法中, 相似度的度量使用的是距离的计算方法, 特征属性作为距离计算中的一个子量, 所以它的信息增益值可以作为权值表示该属性在距离计算过程中的贡献大小。

(1) 若属性是连续的则将其进行离散化处理, 否则省略此步骤;

(2) 含有未知属性值的训练样本进行相应的处理;

(3) 计算样本分类的信息熵, 表达式如下:

其中p (|Ci|) =|Ci|/N, |Ci|为类别Ci中样本的数量, ||表示统计集合中元素个数运算。

(4) 计算特征属性Ai的信息增益, 表达式如下:

(5) E (Ai) 为特征属性Ai划分成子集的熵, 其表达式如下:

(6) I (X1j, X2j, …, Xmj) 为子集Xj的熵, 其表达式如下:

其中pij为Xj中属于类Ci的概率, 其表达式为pij=|Xij|/|Xj|。

(7) 计算特征属性Ai的信息增益比率, 其表达式如下:

(8) 特征属性Ai的分类贡献率为:

γi表示该属性在聚类或分类过程中所起的贡献的大小, 也就是在计算实体之间距离的属性权值。获得特征属性的权值, 那么数据对象j和数据对象k之间距离的平方和为:

4 基于K-means视频智能存储算法步骤及仿真实验

4.1 基于K-means视频智能存储算法法流程及步骤 (如图4)

算法步骤:

步骤1动态特征提取;

步骤2 K-means聚类;

将上一步所得到的动态多特征组合数据集合使用K-means聚类算法将其聚类, 其中相似度的度量使用信息增益比率的加权距离计算方法来计算:

步骤3根据聚类结果, 借助于长短缓存区将其补全以视频流的形式存储到相应的标签下面, 完成对视频的动态智能存储。

4.2 仿真实验

测试视频采用分辨率为320*240的视频序列, 选取了50个事件, 依照采样规则, 从中抽取出来1675个数据, 然后将其分为两部分, 其中训练样本数据集的个数为400个, 包括纯背景事件中的96个数据对象、出现运动目标事件中的103个数据对象、摄像头被扭动事件中的103个数据对象以及摄像头被遮挡事件中的100个数据对象;剩下的1275个数据对象为测试数据集, 其中包括在纯背景事件中的378个数据对象、出现运动目标事件中的294个数据对象、摄像头被扭动事件中的306个数据对象以及摄像头被遮挡事件中的297个数据对象。

(1) 计算权值。将上述400个测试样本记为S, 分布如表1所示。

则信息增益为:

(2) 计算属性FRGB的信息增益比率, 现将其对应的数据离散化, 分成四个区间, 如表2所示。

则该属性的信息增益为:

则该属性的信息增益比率为:

其中分裂信息Split Information (S, FRGB) 为2.2495, 所以该属性的信息增益比率为:

将剩余的两个属性离散化处理, 区间均是选取的3个, 按照上述计算步骤得

到另外两个属性的信息增益比率分别为:

然后将其归一化, 则得到相应的权值。

(3) 将上述权值带入距离的计算公式, 实验结果如表3所示。

在展示实验结果之前先引入两个概念, 即检测率ρr和误报率ρe, 测试数据集T={T1, T2, T3, T4}, Ti为各个事件相对应的数据总数, i=1, 2, 3, 4, 经过聚类后所得到的数据集记为T_k={T_k1, T_k2, T_k3, T_k4}, 其中T_ki为各个事件相对应的数据总数, 且T_ki=ri+ei, i=1, 2, 3, 4, ri表示被正确聚类的个数, ei表示被错误聚类的个数。则

能够得出上述实验结果中较高的准确率, 与视频序列的特征提取方法准确、及时分不开;而且在K-means聚类过程中, 使用了信息增益比率的加权距离计算方法来度量样本数据点和当前聚类中心点的相似度, 依靠权值各个特征分量能够在聚类算法中的优势发挥出来。

5 结论

基于K-means的视频智能存储算法取得了较好应用成果, 在动态多特征组合的基础上利用聚类算法将视频序列分门别类, 达到智能存储的目的。如何简单快捷选择聚类中心和减少对于运动目标的重复存储, 是接下来研究的重点。

参考文献

[1]谭铁牛.智能视频监控技术概述[C].北京:第一届全国智能视觉监控学术会议, 2002.

[2]C R Wren, A Azarhayejani.Pfinder:Real-Time Tracking of The Human[J].IEEE Transaction on Pattern Analysis and Machine Intelligence, vol.19, no.7, pp.781-785, 1997.

[3]梁爽.基于轮廓波的摄像头干扰检测[D].河北师范大学, 2012.

[4]徐红丽.智能视频监控中的摄像头异常检测[D].河北工业大学, 2012.

[5]杨圣云, 袁德辉, 赖国明.一种新的聚类初始化方法[J].计算机应用与软件, 2007, 8 (24) :51-52.

智能视频存储解决方案 篇4

导读]

系统采用视频图像智能识别技术对监控摄像机画面内容进行目标识别与行为检测，自动发现可疑人员及其异常行为、烟雾、火焰等危险事件并生成告警。

系统简介

系统采用视频图像智能识别技术对监控摄像机画面内容进行目标识别与行为检测，自动发现可疑人员及其异常行为、烟雾、火焰等危险事件并生成告警。

告警信息、高清晰度照片、实时图像和告警触发的录像将通过GPRS、CDMA1x、3G移动通讯或WLAN无线局域网方式发回监控中心，监控中心可以将信息转发至指定的手机。

系统可广泛应用于重要无人值守设施的远程监护，避免目标被入侵、盗窃和遭受火灾，例如：

1、农田输电变压器 输电线路及设施

2、移动通信基站

3、森林防火

4、铁路信号系统

5、各种其它无人值守设施

移动通讯、无线通讯、固定网络的综合应用，克服空间障碍、带来系统建设和运行的经济性

系统功能

入侵检测

在摄像机监视的视场范围内可最多同时设置8个警戒区。一旦有满足预设条件的目标进入警戒区域，则自动产生告警，并用锁定框标识出目标在画面中的具体位置，同时显示出其运动轨迹，通过告警提醒相关人员注意。

绊线检测

在摄像机监视的视场范围内可最多同时设置8个警戒区域。每个警戒区域内可任意设置1条警戒线并规定其禁止穿越方向。一旦有移动目标按照禁止穿越方向穿越警戒线即产生告警，锁定框标识出目标在画面中的具体位置及其运动轨迹。如果移动目标没有按照设定方向穿越警戒线，则不会产生任何告警。

火焰检测

在摄像机监视的视场范围内，可以任意设置警戒区域，当有火焰出现并达到预设告警触发门限时，产生告警，并用告警框标识出火焰区域。完全基于图像分析检测火焰，作用距离远(从数米到数公里)、检测结果不受环境温度影响，适用于室外大空间区域的烟火检测，或者各种不适合通过温度或红外传感器方式工作的火灾早期信号检测。

烟雾检测

在摄像机监视的视场范围内，可以任意设置警戒区域，当有烟雾出现并且浓度、大小超过门限时触发告警，并用告警框标识出烟雾区域。完全基于图像分析检测烟雾，作用距离远(从数米到数公里)，适合传感器无法工作的野外空间下的烟雾检测，作为火灾的早期信号。

智能视频存储解决方案 篇5

今年的BIRTV, 强氧科技主要展示360度全景拍摄制作、强氧幻境产品线、强氧次时代动画生产系统等。昆腾公司的Stor Next 4K专业视频存储, 为强氧的解决方案提供了保障, 有效解决了视频存储能力的问题, 在提高制作效率实现画面流畅播放的同时, 还优化了数字化工作流程, 从而有效地提高了工作效率。

作为数据保护与大数据管理领域的先行者, 昆腾公司凭借超过30年的丰富经验, 在全球广电媒体娱乐行业的数据管理领域名列首位。几乎所有世界知名的电影及后期制作公司均采用昆腾Stor Next解决方案, 用于应对最常见的客户工作流程挑战。第一种解决方案是Stor Next Pro Studio。用户可以利用高性能、可扩展而且全面兼容Xsan的存储解决方案, 更新或增强现有的Apple Xsan存储部署。第二种是应对迁移到4K的高可靠Stor Next Pro 4K存储解决方案, 不仅能够交付更高的性能和巨大的容量, 而且必须支持最无缝的协作, 应对当前分辨率更高的4K内容工作流程带来的挑战, 同时为未来增长做好准备。第三种是为了应对高难度制作内容的Stor Next Pro Production解决方案, 可在一个系统中完成制作、审核、归档和LTFS共享功能, 提供令人难以置信的存储容量和出色性能来满足用户的需求。昆腾公司媒体与娱乐部副总裁Alex Grossman日前表示:“随着支持4K的智能手机、平板电脑、电视和其它平台日益普, 而且用户也期待高质量视频, 这为分辨率和帧速更高的数字内容带来了强劲的需求。目前的存储基础架构经常无法处理复杂的高分辨率工作流, 造成效率低下和性能不一致。为了更好地帮助用户应对挑战, 昆腾将提供从编辑到内容管理到存储、交付和归档的建立高效工作流的全面战略!”

ATM智能视频监控系统解决方案 篇6

随着社会发展和人民生活水平的提高, 金融服务需求不断增长。自动柜员机 (ATM) 和自助银行由于其便捷高效, 已经成为人民生活中不可或缺的服务设施。但是近几年屡见针对包括ATM和自助银行在内的银行系统营业网点的恶性犯罪案件, 而且作案手段越来越多, 方式更加隐蔽, 技术性更高, 对安防体系与刑侦技术提出了越来越高的要求。因此, 为了加强ATM、自助银行等银行系统营业网点的安全管理, 提高银行保障客户安全的能力, 增强为客户服务的竞争优势, 各地银行都在逐步建设和完善安防体系。

传统的ATM视频监控系统主要是将监控视频录制下来, 以便在事件发生后通过视频进行取证, 进而排解纠纷、破获案件。这样的监控系统只能实现事后取证, 往往造成解决事件最佳时机的错失。而且有些事件如待发生后再解决, 不仅费时费力, 即使能够找到证据, 造成的损失也可能无可挽回。

统计数据表明, 目前ATM监控录像中存在大量的冗余信息, 这些冗余信息既增加了录制设备的负担又增加了存储资源的消耗, 还给后续工作人员对录像进行追查分析带来了困难。如何保证ATM的运行安全、降低银行与ATM用户的风险、防止ATM被故意破坏、防止不法分子利用ATM进行诈骗、有效保护银行和储户的利益, 已成为当今金融领域亟待解决的问题。本文将以美电贝尔ATM智能视频监控系统为例, 介绍基于行为识别技术、人脸识别技术和专用设备研发技术弥补现有系统的缺陷与不足, 实现对ATM柜员机取款人安全的保护和对银行卡信息遭窥视、泄露等问题的防范的智能化、网络化、经济适用的自助银行、ATM视频监控方案。

2 系统组成

美电贝尔ATM智能视频监控系统由ATM摄像头、智能识别分析器、实时监控报警系统和事后分析管理系统组成。系统连接如图1所示。

智能识别分析器接收ATM摄像头输入的视频, 进行人脸抓拍、异常行为检测等处理, 并把结果通过网络传给实时监控报警管理系统。监控报警系统可以实现人脸比对报警、异常行为报警、监控日志管理、用户管理、设备管理等功能。事后分析管理系统可以实现可疑人检索、身份鉴定、轨迹分析等功能。

2.1 前端摄像机分布

一般来说, 单台ATM机应安装4路彩色摄像机, 其中两路采用具有逆光补偿的宽动态微型摄像机 (如美电贝尔BL-CB800ATM-P2) , 分别安装于ATM的正面面板内部和ATM机顶上机柜内, 分别用于从正面方向记录客户的面部特征 (须避开密码键盘区域或对密码键盘区域进行遮蔽) 和记录ATM是否出钞及客户提款情况。另外两路分别采用吸顶式日夜型半球摄像机 (如美电贝尔BL-CBF800) 和具有逆光补偿的吸顶式日夜型红外一体化半球摄像机 (如美电贝尔BL-CMF1002-N) 。前者安装于室内, 用于监视记录内部员工对ATM清机、配钞、加钞以及维护等全过程;后者安装于网点大门外, 用于ATM外围环境监控, 同时起到一定的威慑作用。

2.2 智能分析组成

美电贝尔ATM智能视频监控系统是通过在ATM监控系统中加入智能视频分析器BL-IVS100-A来实现一系列智能识别分析功能的。智能视频分析器能根据预先设置好的规则, 对场景进行实时的监控, 并在预设规则被破坏时及时发出报警信息, 提醒监控人员注意并采取有效的处置措施。

智能视频分析器能够实现对视频数据的智能处理并与其他硬件设备通信。它主要由视频编码处理模块、程序存储模块、SDRAM存储器、DSP视频数据处理模块、串口处理模块、网口输出处理模块、视频解码处理模块组成, 如图2所示。

ATM智能视频监控系统智能化处理的流程为:捕获视频数据;利用运动检测算法确定运动目标所处区域;依据检测结果, 运用目标跟踪算法得到与每个目标相应的跟踪结果;利用跟踪结果以及提取出的原始视频的特征得到场景中目标的行为分析结果和异常行为检测结果。

3 系统功能

ATM智能视频监控系统可以为ATM应用提供更智能的监控、更高效的报警和更安全的保障。以美电贝尔ATM智能视频监控系统为例, 该系统可以通过对监控视频的实时分析获知发生在ATM上的操作, 通过智能视频处理算法判断人的行为是否存在异常。系统可以检测多种场景异常行为并进行报警。

(1) 键盘贴膜和加装假键盘报警

键盘贴膜或加装假键盘是指非法在键盘上加贴薄膜或在真键盘上加装一层假键盘, 从而在取款人输入密码时非法截获密码。这种犯罪行为通常与假吞卡结合, 即先获取取款人的密码再吞掉取款人的卡, 从而达到犯罪的目的。

ATM智能视频监控系统能够准确地识别在ATM键盘上非法加贴薄膜或者安装假键盘的异常行为。检测出异常行为时, 系统生成报警信息, 并将报警信息通过网络传输至监控中心的客户终端, 使客户终端实时地获取报警信息, 从而防止取款人的密码被非法截获。

(2) 卡口加装异物报警

常见的在插卡处加装小装置的异常行为有两种。一种是将假的插口 (内部有一个卡片资讯读写装置) 固定在ATM原有真插口的位置上, 在取款人不知情地, 银行卡插入假插口时复制卡上的全部信息。另一种是在卡口加装钩子, 造成当取款人将卡插入取款机后, 卡插不进去又拔不出来的现象。此种行为通常与假公告结合:假公告会提示“吞卡后与××电话联系”等信息, 而该电话系假冒银行客服人员的不法分子所有;不法分子在接到受骗取款人的电话后骗得取款人的卡号及密码, 然后告知取款人第二天在××银行取回卡;当取款人离开后, 不法分子取出取款人的卡, 使用骗取到的密码信息取走现金。

ATM智能视频监控系统能够识别出在插卡处非法加装小装置的异常行为, 生成报警信息并实时上传给监控中心客户终端, 从而防止取款人在插入卡时, 被非法窃取卡号或者被假吐卡现象蒙蔽等事件的发生。

(3) 出钞口封装报警

常见的针对出钞口的异常行为是用塑料卡片、提示牌 (如温馨提示) 或胶水封住出钞口, 其目的是待取款人离开后刮开封堵物拿走现金。

ATM智能视频监控系统能够识别出此类异常行为, 生成报警信息并实时上传给监控中心客户终端, 从而防止由于出钞口被非法封装而造成的, 取款人取出的钱款被破坏分子非法获得的事件。

(4) 敲砸ATM报警

ATM智能视频监控设备能够识别出猛踢、猛打、猛砸、使用工具猛烈击打ATM, 或使用工具撬开ATM机身, 试图非法获取ATM钱钞箱内的现金等异常行为, 生成报警信息并实时上传给监控中心客户终端, 从而防止ATM破坏事件的发生, 保证ATM的安全。

(5) 重复性快速动作报警

ATM智能视频监控系统能够通过识别人体全身或局部的快速运动, 准确地检测出猛烈撞击ATM、挥舞凶器及敲砸ATM的工具、斗殴等发生在ATM附近的异常行为, 生成报警信息并实时上传给监控中心客户终端。在此基础上既可以通过ATM本地警告、威慑提前终止不法行为, 也可以通知出警, 使警方能够及时进行处理, 减少人、财、物的损失。

(6) 在ATM上张贴或安装广告盒报警

ATM智能视频监控系统能够识别ATM上的异常张贴或安装广告盒的行为, 生成报警信息并上传给监控中心客户终端, 从而防止取款人被非法贴的“向指定帐户转帐”等假通知、假广告迷惑、诱导, 蒙受不必要的经济损失。

(7) 丢包报警

ATM智能视频监控系统能够识别遗留物品, 即操作人将随身携带的物品放置在ATM上或ATM附近某些地方, 而在交易结束后忘记带走的行为, 并且能够在检测出该类异常行为时, 实时地发出报警信息, 利用自动语音提示ATM用户物品被遗忘, 或者将报警信息传输给监控中心, 由监控中心通过对讲进行提示, 从而有效地避免物品由于遗忘而丢失给ATM用户造成不必要的经济损失。

(8) 视频遮挡报警

当有人恶意对摄像机镜头进行遮挡、设备长时间运行导致摄像孔位置偏移、摄像机镜头被灰尘等物体污染导致视频图像不清晰时, 系统可触发本地报警, 并同时将报警信号上传至监控管理中心, 以便维保人员及时发现并处理。

(9) 偷窥密码报警

当存/取款的持卡人正常操作ATM时, 持卡人以外的人员进入预设监控区域 (包括身体全部进入和部分肢体, 如手、脚、头等进入) 即可触发系统报警。

(10) 蒙面取款预警

ATM智能视频监控系统采用先进的人面图像识别技术, 能有效判断蒙面等遮挡面部特征的取款行为并及时向中心报警, 避免造成合法用户的损失。系统具备良好的判别能力, 不会因取款人正常的配戴眼镜而发生误报;能与黑名单人像库中的人像资料进行自动对比, 一旦发现可疑人像立刻向中心发出报警信号。

(11) 人脸检测叠加

系统可自动检测画面中的人脸图像, 捕捉并保存人脸照片, 并将此照片叠加在监控视频上, 使得在回放视频的同时能清晰地看到图像中出现的人脸。

4 对ATM安装使用的建议

(1) ATM机上方应安装附加照明灯箱。在实际应用中, 当环境照度比摄像机最低照度高30倍左右时, 摄像机所摄图像的效果才能较为理想。经实际测量, ATM机在夜间没有灯箱照明时, 其环境照度不足1Lux;加装灯箱后, 照度可提高到10～20Lux。

(2) 应确定ATM机安装高度。如安装高度偏低, ATM正面一路摄像机将无法摄取到高个子顾客完整的脸部肖像, 因此应确定合适的安装高度。ATM操作键盘的高度宜为110cm。

(3) 应为ATM增加挡板。如条件允许, 可在ATM前约0.5m处竖立一块挡板 (高度在1.8m以上) 。有了挡板, 不但储户在取款时有安全感, 而且易于保证ATM机前的光照环境光线均匀、不会受到太阳光或夜间外界灯光直射的影响, 使得记录图像的清晰度得到大幅提高。同时, 由于被挡板隔开, 经过ATM机前的非使用者不会触发录像, 因此可以减少误报。此外还可以在ATM机两侧安装宽30cm左右的拱形挡板, 这同样有助于减少因非使用者经过造成的误报, 并且有助于保护储户在取款时不会被别人偷窥密码。