论文部分内容阅读
摘 要：行业统计，城市交通是以铁路为主导的，城市人口流量最大的城市，轨道交通各线路施工时间长，行车性能一直处于世界领先水平，受施工过程技术条件的制约，新老线路的视频监控系统完全不同，既有模拟标准，也有数字标准定义模式。随着城市轨道交通数字化发展，对视频监控系统可控性、稳定性和扩展性的要求越来越高，5G将成为国家重点发展战略领域，并将在2019年进入快速发展阶段，利用5G通信网络。对5G通信在城市轨道交通视频监控系统中的应用进行了研究，利用5G通信的网络接口和边缘计算技术，构建了5G视频监控系统。
关键词：轨道交通;监控;智能视频;技术;应用
中图分类号：TN948.6;U298 文献标识码：A
1 城市轨道交通视频监控系统主要功能和组成的介绍
1.1 对视频监控系统功能的分析
对于视频监控系统来说，它可以对显示设备的行为、车辆的运行状态和指挥效率等多个方面进行有效监控。此外，该系统还能利用合适的列车摄像机、编码器、网络等设备，为安保人员提供准确的信息，接收灾害预防和社会安全视频信息。
（1）对监视范围的介绍。由于 U 型监控室等关键机电设备的不断改进，实现了实时监控，使许多操作人员能够在各自的显示器上获取相关信息。
（2） 对视频存储功能的介绍。该系统能够有效存储长时间的视频信息，实时存储各摄像机采集的视频信号，同时实现各自工作人员的通话、观看等权利，保证证据的记录。
（3）对控制功能的介绍。监控室相关人员可在本地控制云摄像机远程优先权丢失设置，对事项进行分权管理。一般来说，优先考虑的是操作者。使用者的使用环境是预先设定的，并能在紧急情况下迅速切换及调整。
1.2 对视频监控系统构成的介绍
系统主要包括“中心、站、线、库”子系统，实现了对系统的安全监控。每个线路都有中心层和各车站。每个层次都可以有效地监控系统中的图像。监测能力独立，互不干扰，具有实时管理功能。本系统主要包括图像采集、集中控制处理、信号传输和网络管理等部分，通过视频处理装置，可以将车站视频信号传输到交换存储设备，并可与公安机关等有关部门进行信息交换，从而加快了智能化进程，提高了视频清晰度，增强了监控能力，保证和促进了轨道交通的高效运行。
2 轨道交通监控中智能视频分析技术的应用
2.1 网络切片技术在视频监控系统中的运用
5G端端通信技术能够达到与专用网相同的安全和隔离水平。通过这种技术，可以构建自主虚拟移动网络。磁盘上只能由授权的设备访问和通信磁盘。同时，端到端 NFV 和软件定义网络技术（SDN）能够实现网络资源动态灵活分配，以应对突发事件增加的网络资源情况，例如，在节日期间特定地区增加视频监控密度，5G 通信网络具有较大的网络灵活性、较高的灵活性和快速应用实现能力，而不是自建光纤专用网。
2.2 边缘计算技术在视频监控系统中的运用
高清视频监控系统的核心是提高计算性能，纠正高清视频监控系统传输和存储的瓶颈，如果摄像机连续采集高分辨率图像，则需要对摄像机进行智能控制，为快速、及时地传输流媒体，采用边缘计算方法，在 5G 通信载波网络的边缘上可以将视频处理页面传送到用户页面，基站下摄像机采集的信息可以本地存储，视频数据分析的延时，同时可根据5G 通信技术 + 边缘计算平台的参数，实现基于边缘计算平台和视频服务质量的动态优化处理，视频监控业务流程不需要通过运营商的核心网络，而是直接从边缘计算平台路由到本地网，确保业务流的私有化和安全管理与控制，同时本地流量的重新定向可以减少对提取带宽的消耗，减少服务等待时间，提高服务体验。另外，在用户页面上建立 5G 通信技术 + 基于云计算的边缘计算平台等对时延敏感的企业，可根据实际业务需求向边缘计算平台下沉，打造强大的客户端计算能力，为城市轨道交通线路的智能化运营维护、无人值守运营、基于高清视频的客流管理和人脸识别等信息创新应用提供支撑。
2.3 智能分析协同
城市轨道交通视频监控系统可通过智能分析算法实现业务场景的自动识别和报警，传统的视频监控系统主要是在中心服务器对采集到的视频图像数据进行集中分析，分析出结果后在后台进行信息显示或报警提示，边缘节点设备不具备或仅具备简单的智能分析能力，易受监控角度、光线、环境干扰，准确率不高，反应较慢。智能分析协同是指将包括人脸识别分析、轨迹跟踪、行为识别、语音解析等各类智能分析算法模型以及不同厂家针对同一场景的智能分析算法集成到云计算中心的平台服务层进行统一管理，根据边缘节点本身性能限制和应用需求，周期性选取最优的分析模型以功能函数、容器镜像、微服务、应用程序的形式部署至边缘节点。在日常运营中，云计算中心根据实际监控应用效果通过深度神经网络、专家系统、机器学习等人工智能技术对应用模型进行闭环反馈和迭代训练升级，通过这种自学习使系统对于各类业务场景的适应性和智能分析能力不断提升，边缘节点设备也同时具备了较强的智能分析能力和较快的输出响应能力，当中心服务器出现宕机或者网络传输出现中断时，不会影响车站视频监控系统智能分析和异常事件报警提示等功能的正常使用，有效保证对车站各个区域的不间断监控，防止突发事件或关键视频信息的遗漏，加快站务人员对突发事件和风险事件的应急响应。
2.4 视频结构化持续优化，抗环境干扰
视频结构化算法对环境比较敏感，受环境干扰大，光线、杂物、恶劣天气、晃动都会影响实际效果。随着计算机视觉前沿技术的日益成熟，深度学习、高性能计算、海量数据训练、多维信息结合、大数据挖掘分析、目标跟踪等技术都将快速推动视频结构化分析技术、算法效果的逐步提升，以达到根据不同的复杂环境对视频数据精准高效地自动学习和过滤的目的。
2.5 多种设备的数据融合
充分利用现有电子警察、监控球机、卡口、鱼眼等视频监控设备，采用视频结构化技术分析视频图像，获取有价值的车牌号码、行驶方向等结构化数据。按照 “点 — 线 — 面”的模式，探索数据交互和服务交互的问题。通过将同区域内的不同结构化数据进行融合，力争使原本孤立的视频点，转变为综合性的数据岛。
3 结束语
随着技術的进步，视频监控在现代社会中的重要性不言而喻。进一步提取视频中的有价值信息，充分利用非结构化数据和结构化数据的互补特性，能够产出更多智慧化更高、实战性更强、展示性更好的产品。目前，视频结构化技术已经成为相关领域的基础技术，特别是兴起的智能网联、自动驾驶技术已经开展了大面积技术验证。但总体来说，在交管部门的应用还不够深入。下一步应该结合交管实际需要，以 “组合 + 创新”的方式，解决视频单一、数据孤岛、应用分离的具体问题，推动道路视频监控应用和交管科技手段的快速发展，为提高城市道路交通治理能力提供更多技术支撑。
参考文献：
[1]张春杰.基于高清技术的地铁视频监控系统的应用[J].电子技术与软件工程，2019（23）：127-128.
[2]彭芳.基于大数据技术的视频监控应用探讨[J].企业科技与发展，2019（11）：114-115.
[3]基于视频分析技术的交通事件检测系统[J].中国科技信息，2019（20）：10.
[4]原晓伟.交通视频监控中的车辆检测与分割方法分析[J].黑龙江交通科技，2019，42（10）：205-206.
[5]蔡彪，曲建涛，夏尚波.视频监控在安全管理中的应用[J].现代职业安全，2019（09）：26-28.
关键词：轨道交通;监控;智能视频;技术;应用
中图分类号：TN948.6;U298 文献标识码：A
1 城市轨道交通视频监控系统主要功能和组成的介绍
1.1 对视频监控系统功能的分析
对于视频监控系统来说，它可以对显示设备的行为、车辆的运行状态和指挥效率等多个方面进行有效监控。此外，该系统还能利用合适的列车摄像机、编码器、网络等设备，为安保人员提供准确的信息，接收灾害预防和社会安全视频信息。
（1）对监视范围的介绍。由于 U 型监控室等关键机电设备的不断改进，实现了实时监控，使许多操作人员能够在各自的显示器上获取相关信息。
（2） 对视频存储功能的介绍。该系统能够有效存储长时间的视频信息，实时存储各摄像机采集的视频信号，同时实现各自工作人员的通话、观看等权利，保证证据的记录。
（3）对控制功能的介绍。监控室相关人员可在本地控制云摄像机远程优先权丢失设置，对事项进行分权管理。一般来说，优先考虑的是操作者。使用者的使用环境是预先设定的，并能在紧急情况下迅速切换及调整。
1.2 对视频监控系统构成的介绍
系统主要包括“中心、站、线、库”子系统，实现了对系统的安全监控。每个线路都有中心层和各车站。每个层次都可以有效地监控系统中的图像。监测能力独立，互不干扰，具有实时管理功能。本系统主要包括图像采集、集中控制处理、信号传输和网络管理等部分，通过视频处理装置，可以将车站视频信号传输到交换存储设备，并可与公安机关等有关部门进行信息交换，从而加快了智能化进程，提高了视频清晰度，增强了监控能力，保证和促进了轨道交通的高效运行。
2 轨道交通监控中智能视频分析技术的应用
2.1 网络切片技术在视频监控系统中的运用
5G端端通信技术能够达到与专用网相同的安全和隔离水平。通过这种技术，可以构建自主虚拟移动网络。磁盘上只能由授权的设备访问和通信磁盘。同时，端到端 NFV 和软件定义网络技术（SDN）能够实现网络资源动态灵活分配，以应对突发事件增加的网络资源情况，例如，在节日期间特定地区增加视频监控密度，5G 通信网络具有较大的网络灵活性、较高的灵活性和快速应用实现能力，而不是自建光纤专用网。
2.2 边缘计算技术在视频监控系统中的运用
高清视频监控系统的核心是提高计算性能，纠正高清视频监控系统传输和存储的瓶颈，如果摄像机连续采集高分辨率图像，则需要对摄像机进行智能控制，为快速、及时地传输流媒体，采用边缘计算方法，在 5G 通信载波网络的边缘上可以将视频处理页面传送到用户页面，基站下摄像机采集的信息可以本地存储，视频数据分析的延时，同时可根据5G 通信技术 + 边缘计算平台的参数，实现基于边缘计算平台和视频服务质量的动态优化处理，视频监控业务流程不需要通过运营商的核心网络，而是直接从边缘计算平台路由到本地网，确保业务流的私有化和安全管理与控制，同时本地流量的重新定向可以减少对提取带宽的消耗，减少服务等待时间，提高服务体验。另外，在用户页面上建立 5G 通信技术 + 基于云计算的边缘计算平台等对时延敏感的企业，可根据实际业务需求向边缘计算平台下沉，打造强大的客户端计算能力，为城市轨道交通线路的智能化运营维护、无人值守运营、基于高清视频的客流管理和人脸识别等信息创新应用提供支撑。
2.3 智能分析协同
城市轨道交通视频监控系统可通过智能分析算法实现业务场景的自动识别和报警，传统的视频监控系统主要是在中心服务器对采集到的视频图像数据进行集中分析，分析出结果后在后台进行信息显示或报警提示，边缘节点设备不具备或仅具备简单的智能分析能力，易受监控角度、光线、环境干扰，准确率不高，反应较慢。智能分析协同是指将包括人脸识别分析、轨迹跟踪、行为识别、语音解析等各类智能分析算法模型以及不同厂家针对同一场景的智能分析算法集成到云计算中心的平台服务层进行统一管理，根据边缘节点本身性能限制和应用需求，周期性选取最优的分析模型以功能函数、容器镜像、微服务、应用程序的形式部署至边缘节点。在日常运营中，云计算中心根据实际监控应用效果通过深度神经网络、专家系统、机器学习等人工智能技术对应用模型进行闭环反馈和迭代训练升级，通过这种自学习使系统对于各类业务场景的适应性和智能分析能力不断提升，边缘节点设备也同时具备了较强的智能分析能力和较快的输出响应能力，当中心服务器出现宕机或者网络传输出现中断时，不会影响车站视频监控系统智能分析和异常事件报警提示等功能的正常使用，有效保证对车站各个区域的不间断监控，防止突发事件或关键视频信息的遗漏，加快站务人员对突发事件和风险事件的应急响应。
2.4 视频结构化持续优化，抗环境干扰
视频结构化算法对环境比较敏感，受环境干扰大，光线、杂物、恶劣天气、晃动都会影响实际效果。随着计算机视觉前沿技术的日益成熟，深度学习、高性能计算、海量数据训练、多维信息结合、大数据挖掘分析、目标跟踪等技术都将快速推动视频结构化分析技术、算法效果的逐步提升，以达到根据不同的复杂环境对视频数据精准高效地自动学习和过滤的目的。
2.5 多种设备的数据融合
充分利用现有电子警察、监控球机、卡口、鱼眼等视频监控设备，采用视频结构化技术分析视频图像，获取有价值的车牌号码、行驶方向等结构化数据。按照 “点 — 线 — 面”的模式，探索数据交互和服务交互的问题。通过将同区域内的不同结构化数据进行融合，力争使原本孤立的视频点，转变为综合性的数据岛。
3 结束语
随着技術的进步，视频监控在现代社会中的重要性不言而喻。进一步提取视频中的有价值信息，充分利用非结构化数据和结构化数据的互补特性，能够产出更多智慧化更高、实战性更强、展示性更好的产品。目前，视频结构化技术已经成为相关领域的基础技术，特别是兴起的智能网联、自动驾驶技术已经开展了大面积技术验证。但总体来说，在交管部门的应用还不够深入。下一步应该结合交管实际需要，以 “组合 + 创新”的方式，解决视频单一、数据孤岛、应用分离的具体问题，推动道路视频监控应用和交管科技手段的快速发展，为提高城市道路交通治理能力提供更多技术支撑。
参考文献：
[1]张春杰.基于高清技术的地铁视频监控系统的应用[J].电子技术与软件工程，2019（23）：127-128.
[2]彭芳.基于大数据技术的视频监控应用探讨[J].企业科技与发展，2019（11）：114-115.
[3]基于视频分析技术的交通事件检测系统[J].中国科技信息，2019（20）：10.
[4]原晓伟.交通视频监控中的车辆检测与分割方法分析[J].黑龙江交通科技，2019，42（10）：205-206.
[5]蔡彪，曲建涛，夏尚波.视频监控在安全管理中的应用[J].现代职业安全，2019（09）：26-28.