基于大数据背景技术的视频图像侦查系统设计

甄文

（青海警官职业学院，青海西宁 810000）

当前，视频监控网的建设以批量建设和定点建设为主，不可避免地产生了网络布局不合理、无法覆盖死区等问题[1]。在城市监测覆盖稀疏地区和农村未覆盖地区发生的突发犯罪活动，易使视觉检测技术陷入难以应用的困境[2]。以往视频图像检测系统的设计采用云存储技术，即将大量不同存储设备组成协作网络，通过网格技术提供的外部功能访问系统的统一数据存储[3]。云端服务的核心业务是处理海量数据存储，这样的云计算系统就是云存储系统，云系统需要大量存储设备，所以云存储建立在以数据存储和管理为核心的云计算系统之上。视频图像检测系统是利用目录服务技术设计的，采用一定的目录结构和树形结构，对各种资源进行分类和组织，提供多种视图，从而实现对资源的人性化有效管理。尽管这两种方法都具有良好的侦查效果，但是当图像的特征向量被量化成二进制编码后，图像特征丢失严重，导致检测效果较差。针对这一问题，提出一种基于大数据背景技术的视频图像侦查系统。

1 系统总体架构设计

该系统由表示层、数据层、业务支持层、应用层和基础设施层组成[4]。总体架构如图1 所示。

图1 系统总体架构

研究显示，视频图像分析工具、播放控制、视频摘要和图像增强、视频图像管理中心、存储和检索为业务支持层，主要用于实现视频图像侦查的过程设计。数据层获取的数据主要存储在Hadoop 集群中，这取决于数据的结构特性。表示层主要实现了视频图像侦查结果的显示；基础设施层和应用层能为系统应用软件提供业务运行[5-7]。利用表示层、数据层、业务支持层、应用层和基础设施层等可实现系统功能设计[8-9]。

2 系统硬件结构设计

系统整合了社会保障视频、保安视频、电子警察、政府部门、社会视频等多种视频资源，提供了深度优化的视频检测方法和工具，满足了实际的视频检测需求[10]。按照总体结构对视频图像检测系统进行划分，主要包括侦查视频图像资源访问层、侦查线索支持服务层和嫌疑目标侦查应用展现层，如图2 所示。

图2 系统硬件结构

2.1 侦查视频图像资源访问层

侦查视频图像资源，包括各个视频平台资源，接入辖区内所有视频监控平台，并提供公安业务信息和视频线索数据库数据[11]。此外，系统还支持视频国标接入、非国标接入及转换，支持异构平台对接。

2.2 侦查线索支持服务层

侦查线索支持服务层提供支持应用层需要的各种服务，访问资源可由系统进一步处理。有效地分类和管理视频、线索、图像等各种线索和案例数据，并以服务接口的形式提供给应用程序表现层[12-13]。

1）中心管理服务

中心管理节点是公安图像侦测系统中数据服务器、存储器、访问器和业务管理器的核心单元[14]。

2）集群管理服务

集群管理服务器包括任务调度、集群资源同步、智能服务器分析和心跳检测等功能，负责集群智能分析服务器的任务分配和智能路由。通过集群管理服务器，系统可以管理多个智能分析服务器，灵活地进行部署和管理。智能路由的主要目标是在执行智能调度分析功能的基础上，实现各智能处理节点的智能分析服务器，有效共享各节点的负载，平衡各节点的系统资源，提高系统的整体稳定性[15]。

3）智能分析服务

每台智能分析服务器包括智能分析服务、图像识别、车牌识别、流媒体服务。该智能分析服务器集群支持大量视频图像的并行分析与检索，为公安图像检测系统充分利用海量视频资源奠定基础[16]。

2.3 嫌疑目标侦查应用展现层

嫌疑目标侦查应用展现层整合了一整套兼容性检测方法，为系统提供了许多工具和方法。视频侦查判断过程中，将检索、时空分析、案例报告等技术作为标准，展现录像采集结果。

3 软件部分设计

3.1 基于大数据技术的检索设计

基于大数据背景技术的精细检索网络结构，添加了多尺度池化层结构和512 维的网络输出特征向量，提出一种基于多尺度池化层对特征维数进行标准化处理的方法，该方法采用ResNet50 提取特征，完成嫌疑图像信息精检索。

3.1.1 特征提取

监测视频图像中衣服的颜色是行人在实际应用场景中最主要的特征，该方法利用图像中最容易识别的颜色特征来提取嫌疑图像特征，颜色特性包括全局颜色特性和空间颜色特性。在嫌疑图像检索中，由于全局颜色特征不包含空间分布特征，提取全局颜色特征很容易引起误检。色彩空间是对图像颜色信息进行定量描述的方法，颜色空间的差异性对颜色特征的描述也有影响。所以在行人图像中进行特征提取，首先要选择有效的颜色空间。主要采用HSV 色域。高亮度灯具具有良好的恒定性，色彩更符合人的感觉。但不能直接求得HSV 颜色空间的值，必须将RGB 颜色空间转化，转化过程如下：

空间色彩特征由颜色直方图表示，每隔一段时间为一元，通过计算每个区域的像素值得到颜色直方图特征。

3.1.2 检索算法实现

1）提取嫌疑图像数据集特征

利用颜色直方图加权的思想，构造颜色空间特征从图像中识别出中心和边缘，对嫌疑图像的不同区域进行加权，生成颜色分布的加权直方图。构建组合空间的特征提取函数，对图像数据进行下采样操作，标准化图像尺寸，将RGB 颜色空间转化为HSV 颜色空间，具体过程为：输入一系列需要检索的图像数据集，利用RGB 颜色空间到HSV 颜色空间的变换，确定区域中心和边缘的位置，加权颜色特征，提取颜色空间特征，生成特征索引表。

2）嫌疑图像检索

构建嫌疑图像检索功能，记录构成空间特征索引表的颜色空间特征和路径，计算检索到的图像特征与数据、图像特征的距离，并保存检索结果。具体的图像检索算法流程如下：查询图片，设置检索图片数量，提取颜色空间特征，求出特征矢量与构成空间特征矢量之间的距离并存储。排序并存储特征矢量距离，根据检索结果返回最优检索图像，输出图片数据库对应的索引序号。

3.2 嫌疑图像线索侦查

提示查询功能主要是对特定案例中的所有提示进行汇总。搜寻依据可能是车辆线索、人员线索或物品线索。根据查询条件对查询结果进行分类，并且在地图上以不同的图标进行区分和显示，子模块也可以实现对错误线索的删除功能。图3 显示了视觉检测报告模块中的一系列线索查询功能。

图3 线索查询序列图

嫌疑视频图像检索的功能是查看检索到的相关视图数据的信息，查询结果可按时间顺序或位置的不同进行列表显示，有权限的用户也可以根据业务需要对相关视图数据执行相应的操作，包括添加、删除、修改和注解[17]。

4 系统运行及测试

以面向公安侦查应用为基础，对基于大数据背景技术的视频图像侦查系统运行情况进行测试。

4.1 实验平台需求分析

侦破工作是刑事侦查工作的重要组成部分，侦破工作需要查询犯罪嫌疑人的相貌，提供犯罪嫌疑人的位置信息，为侦查工作提供数据支持。根据这一需求，实验平台实现了视频图像检索，同时确定时间信息，为侦查人员提供相关数据。

1）行人检测

对于行人检测，需先将视频图像解码预处理，解码后的视频图像进行行人检测，并在数据库中存储检测结果。

2）视频图像检索

抽取特征向量，以图像表示相关信息，对查询和检索图像进行特征分析，并输出检索结果。

3）数据处理

在行人检测后，保存、整理检测结果。

4.2 行人检测

行人检测是在可视化界面集成的，将镜头采集到的行人在视频图像中的位置和摄像机作为信息存储在数据库中，并作为图像检索的候选数据。行人检测可视化图像如图4 所示。

图4 行人检测可视化图像

图4 中行人检测可视化图像相关检索信息如表1 所示。

表1 可视化图像相关检索信息

使用者根据平台返回的信息找到相应的视频图像，从而确定行人的位置。

4.3 系统测试结果与分析

行人检测所需时间的统计结果如表2 所示。

表2 行人检测所需时间的统计结果

基于此，分别利用云存储技术设计的视频图像侦查系统(T1)、使用目录服务技术设计的视频图像侦查系统(T2)和基于大数据背景技术的侦查系统(T3)对行人检测所需时间进行统计分析，结果如表3所示。

表3 3种系统行人检测所需时间统计分析

由表3 可知，利用云存储技术设计的视频图像侦查系统使用对外统一数据存储方式，对行人检测所需时间较长，响应时间、更新时间和连接时间均超过行人检测所需时间实际统计结果；使用目录服务技术设计的视频图像侦查系统需分类处理各类组织数据，响应时间较长，超过实际统计结果；而使用基于大数据背景技术的侦查系统行人检测系统所需时间与实际统计结果一致，由此可知，使用该系统侦查效果较好。

5 结束语

视频图像检测系统是一种基于大数据背景技术的多维、智能化的视频图像检测工具，若能与各行业的实际业务进行深度整合和定制，将为监控活动提供有力的支持，为固定视频监控网络自身区域和薄弱区域形成良好的补充。

基于该系统，可以引入GIS 技术和视频图像处理技术，与现有格式业务数据相结合，实现空间地理数据统一显示，将已有的视频流数据结合起来统一处理和分析视频图像，进一步深化系统数据的使用，增强了系统的可用性，提高了实际应用价值。