一種基于算法資源池的智能分析算法配置方法

智能視頻監(jiān)控是基于計算機(jī)視覺技術(shù)對監(jiān)控場景的視頻圖像內(nèi)容進(jìn)行分析，提取場景中的關(guān)鍵信息，并形成相應(yīng)事件和告警的監(jiān)控方式，是新一代基于視頻內(nèi)容分析的監(jiān)控系統(tǒng)。智能視頻監(jiān)控技術(shù)借助于計算機(jī)強(qiáng)大的數(shù)據(jù)處理功能，對視頻畫面中的海量數(shù)據(jù)進(jìn)行高速分析，過濾掉用戶不關(guān)心的信息，僅為監(jiān)控者提供有用的關(guān)鍵信息。相較于傳統(tǒng)監(jiān)控，智能視頻監(jiān)控能基于計算機(jī)視覺技術(shù)同時對多個監(jiān)控場景的視頻圖像內(nèi)容進(jìn)行分析，自動篩選報警信息。

　　視頻分析技術(shù)是智能視頻監(jiān)控系統(tǒng)的核心價值，從目前來看，智能視頻分析技術(shù)能在幾乎不需要人為干預(yù)的情況下，通過對攝像機(jī)拍錄的圖像序列進(jìn)行自動分析來對動態(tài)場景中的目標(biāo)進(jìn)行定位、識別和跟蹤，并在此基礎(chǔ)上分析和判斷目標(biāo)的行為，做到既能完成日常管理又能在異常情況發(fā)生的時候及時做出反應(yīng)，從而解決了傳統(tǒng)監(jiān)控工作量大、效率低、反應(yīng)速度慢等問題，其優(yōu)勢顯而易見，也是推動整個安防智能化最為關(guān)鍵的技術(shù)之一。

　　視頻分析技術(shù)主要是由運(yùn)行在設(shè)備端上的一系列智能分析算法模塊實現(xiàn)。智能分析算法模塊在設(shè)備上的調(diào)用，不是一成不變的，而是會隨著不同的場景、不同的應(yīng)用、不同的設(shè)備做出相應(yīng)的調(diào)整與配置，使得分析算法的性能達(dá)到最優(yōu)，從而使視頻分析的效果達(dá)到最佳。

　　對于視頻分析設(shè)備上智能分析算法模塊的配置，其配置方法的有效與否對智能分析算法的性能影響非常大。如果能根據(jù)實際應(yīng)用場景特性對算法進(jìn)行有效配置，將算法調(diào)整為最適應(yīng)實際應(yīng)用場景，智能分析的效果會得到最佳的體現(xiàn)，反之就會與預(yù)期效果產(chǎn)生較大的差距，影響視頻分析設(shè)備的使用。

　　如何對監(jiān)控設(shè)備中的智能分析算法模塊進(jìn)行有效配置，保證算法性能最優(yōu)，是需要我們不斷進(jìn)行研究與改進(jìn)的一個課題。

現(xiàn)有的算法配置方法

　　對于視頻分析設(shè)備上的算法配置，目前主流的方法主要有2種。

　　我們先來看第1種方法，如圖1所表示，智能分析設(shè)備通過視頻輸出口直接連接到顯示器，配置人員根據(jù)顯示器上的信息，直接對設(shè)備中的智能分析算法模塊進(jìn)行配置。這種配置方法一般用于帶有顯示輸出口的設(shè)備，如智能DVR、DVS、分析儀服務(wù)器。

圖1 第1種主流的算法配置方案

　　第2種方法如圖2所示，主要分為2個步驟。首先，配置人員通過網(wǎng)絡(luò)(公共網(wǎng)或局域網(wǎng))與視頻分析設(shè)備進(jìn)行連接，使用客戶端軟件登入到設(shè)備上;然后配置人員通過客戶端對視頻分析設(shè)備進(jìn)行算法配置。這種配置方式是目前最通用的一種方式，只要支持網(wǎng)絡(luò)功能的視頻分析設(shè)備都會支持這種配置方法。

圖2 第2種主流的算法配置方

　　對于目前主流的這2種算法配置方案，會存在有如下缺點。

　　1、因為專業(yè)的算法配置人員有限，很多情況下都是一些非專業(yè)的配置人員來對算法進(jìn)行配置，某些情況下視頻分析設(shè)備上的算法無法發(fā)揮最優(yōu)的性能。

　　2、當(dāng)局域網(wǎng)內(nèi)的設(shè)備性能無法滿足用戶需求，需要對算法版本進(jìn)行升級配置時，非專業(yè)的配置人員往往無法完成，必須要專業(yè)的算法開發(fā)人員到現(xiàn)場來完成，該情況下的配置成本就會非常大。

　　針對上述缺點，本文提出了一種改進(jìn)的基于算法資源池的配置方法，通過該配置方法可以有效保證運(yùn)行在視頻分析設(shè)備上的算法性能最優(yōu)，并且算法的升級也非常方便。

　　基于算法資源池的配置方法

　　方案描述

　　本方案提出了一種基于算法資源池的算法配置方案，主要包含了6個步驟，如圖3所示。

圖3 基于算法資源池的配置方案

　　配置客戶端連接到視頻分析設(shè)備，獲取設(shè)備信息(型號、算法組件版本、計算資源能力)，并采集樣本序列;

　　用戶在配置客戶端上填寫視頻分析應(yīng)用的附加信息(問卷調(diào)查)，配置客戶端連接到配置服務(wù)器，將樣本序列、應(yīng)用附加信息、設(shè)備信息發(fā)送到配置服務(wù)器;

　　配置服務(wù)器根據(jù)樣本序列、應(yīng)用附加信息、設(shè)備信息，對該應(yīng)用進(jìn)行分析，并從算法資源池中獲取最適合的算法組件與參數(shù)配置，即算法最佳配置集;若通過機(jī)器分析無法得到最佳配置集，則提交到專業(yè)的算法配置工程師;

　　算法配置工程師根據(jù)樣本序列、應(yīng)用附加信息、設(shè)備信息，從算法資源池中獲取算法最佳配置集，并發(fā)送到配置服務(wù)器;

　　配置服務(wù)器將算法最佳配置集發(fā)送到配置客戶端;

　　配置客戶端連接到視頻分析設(shè)備，并對設(shè)備進(jìn)行最佳配置集下的算法升級與參數(shù)配置，以獲取在該場景下視頻分析的最佳性能。

　　具體流程圖如圖4所示。

圖4 基于算法資源池的配置方案流程圖

　　模塊詳細(xì)介紹

　　配置客戶端

　　配置客戶端是可以安裝在PC、手機(jī)移動設(shè)備、服務(wù)器等平臺上面的軟件，具有以下4個功能。

　　可通過該客戶端連接到視頻分析設(shè)備，獲取設(shè)備配置信息(如型號、智能分析算法版本、處理器計算能力、空余內(nèi)存等)，以及當(dāng)前場景下的Sample序列;

　　用戶可通過該客戶端輸入視頻分析應(yīng)用的附加信息，包括當(dāng)前場景屬性描述(如光照情況、是否有大目標(biāo)出現(xiàn)等)、用戶需求等;

　　可通過該客戶端連接到配置服務(wù)器，將Sample序列、設(shè)備配置信息、應(yīng)用附加信息發(fā)送到配置服務(wù)器;

　　可通過該客戶端連接到視頻分析設(shè)備，將配置服務(wù)器發(fā)送過來的最佳配置集，應(yīng)用于視頻分析設(shè)備，以獲取算法在當(dāng)前應(yīng)用場景下的最優(yōu)性能。

　　配置服務(wù)器

　　配置服務(wù)器用于獲取視頻分析算法在特定應(yīng)用模式下的最佳配置集，具有以下3個功能。

　　1、用于接收從客戶端發(fā)過來的視頻分析應(yīng)用信息(Sample序列、設(shè)備信息、應(yīng)用附加信息)，并根據(jù)這些信息來定義最優(yōu)算法版本集和最優(yōu)算法參數(shù)集，即算法最佳配置集。

　　2、若配置服務(wù)器無法獲得算法最佳配置集，服務(wù)器將視頻分析應(yīng)用信息(Sample序列、設(shè)備信息、應(yīng)用附加信息)發(fā)送到專業(yè)算法配置工程師，并接收從算法配置工程師發(fā)送過來的最佳配置集。

　　3、將算法的最佳配置集發(fā)送到配置客戶端。

　　算法最佳配置集

　　智能分析算法最佳配置集包括2種，基于參數(shù)的配置集與基于算法版本的配置集。

　　(1)基于參數(shù)的最佳配置集，對算法參數(shù)進(jìn)行調(diào)整，使當(dāng)前版本算法性能達(dá)到最優(yōu)。比如場景模式的選擇、背景建模更新速度的調(diào)整、目標(biāo)檢測靈敏度的調(diào)整、是否開啟抗抖動、是否開啟人體檢測、目標(biāo)融合速度的調(diào)整等。

　　(2)基于算法版本的最佳配置集，根據(jù)實際應(yīng)用的需求，選取最適合的算法版本集來替換原算法版本，相當(dāng)于算法版本升級。

　　算法配置工程師

　　算法配置工程師是專業(yè)的視頻分析算法配置人員，對視頻分析設(shè)備上的算法原理與應(yīng)用有深入的理解，能根據(jù)實際應(yīng)用場景、設(shè)備型號、客戶需求給出最佳的算法配置集。

　　總結(jié)

　　本文提出了一種基于算法資源池的智能分析算法配置方法，相比于現(xiàn)有的主流配置方法，具有如下3個優(yōu)點：

　　可以通過這種“定制式”的配置方式，為各種應(yīng)用場景模式定義最適合的算法配置集，以提升算法在實際應(yīng)用中的性能;

　　將配置服務(wù)器融合到公司統(tǒng)一的服務(wù)平臺上，作為一項智能分析服務(wù)來形成一個新的業(yè)務(wù)增長點;

　　可以收集到大量的Sample視頻序列與應(yīng)用附加信息，為后續(xù)視頻分析算法版本升級提供一套全面的算法性能評估樣本。

　　對于該基于算法資源池的配置方法，在實際實施過程中也會存在一些缺點與應(yīng)用限制，比如配置服務(wù)器與配置客戶端架構(gòu)非常復(fù)雜，開發(fā)成本較高，而且需要有大量的算法配置工程師來維護(hù)整個系統(tǒng)，維護(hù)成本較高。另外視頻分析設(shè)備上的Sample序列可能會涉及到隱私信息，用戶不愿意開放連接權(quán)限給配置客戶端，這點也是制約該方法應(yīng)用的一個較大因素。