視頻監(jiān)控技術經過數字化、網絡化、高清化，已經到了智能化時代。隨著人工智能的快速發(fā)展，特別是深度學習技術的出現(xiàn)，視頻智能分析技術真正得到了廣泛認可和應用。視頻監(jiān)控在現(xiàn)代社會中廣泛應用，而且在各行各業(yè)中越來越重要。對這些已有的海量視頻進行后端智能分析，提取關鍵事件信息，能大大提高檢索效率。

安防監(jiān)控公司表示本文將消防隱患排查業(yè)務與視頻智能分析技術相結合，研發(fā)一套視頻智能分析消防隱患排查系統(tǒng)；系統(tǒng)可對監(jiān)控視頻實時智能分析，一旦發(fā)生消防安全隱患事件，及時上報，并聯(lián)動視頻進行人工復核，可實現(xiàn)對消防安全隱患的有效管理，大大提升了安全隱患排查效率。該系統(tǒng)同時貼合消防業(yè)務場景，對算法進行優(yōu)化，不斷迭代，提升算法的準確率。

系統(tǒng)組成

系統(tǒng)可接入主流監(jiān)控廠家前端IPC設備，對接入的實時視頻流進行解碼處理，然后發(fā)送至帶有專業(yè)AI芯片的視頻智能分析儀進行數據分析，一旦滿足報警觸發(fā)條件，系統(tǒng)將報警事件上傳到中心，收到報警后，中心平臺實時視頻彈窗，便于人工復核，第一時間排除誤報，并了解現(xiàn)場實際情況。

技術路線

本系統(tǒng)采用基于深度學習的視頻智能分析技術 有效提升了算法準確率，場景適應性也提高了。傳統(tǒng)智能算法是人工來設計特征，不同角度、不同光照下的很多特征很難被發(fā)現(xiàn)，所以，雖然傳統(tǒng)智能算法有時能夠在特定環(huán)境和時間下表現(xiàn)出良好的性能，但只要畫質、環(huán)境等條件發(fā)生改變，準確率可能就會出現(xiàn)明顯的下降，而深度學習可以自主提煉出更豐富更適合的特征參數，具有更強的抗環(huán)境干擾能力。

深度學習讓智能識別種類更豐富，理論上只要有足夠多的樣本進行訓練，深度學習都能夠實現(xiàn)比較精準的目標分類識別，自主特征學習的特點又讓深度學習特別適合用于抽象、復雜的目標特征，以及行為分析領域。因此對于消防隱患的識別，例如電瓶車檢測、消控室人員行為規(guī)范等，采用深度學習效果更好。

實際應用中充分考慮利舊，保持原有系統(tǒng)網絡架構不變。以易出現(xiàn)消防安全隱患的點位為視頻源，接入到后臺進行處理分析。隱患事件信息及時上報，并聯(lián)動實時視頻行復核，排除誤報。保存歷史事件，包括報警錄像，方便后續(xù)查詢和處理。通過統(tǒng)計分析．既可發(fā)現(xiàn)高頻隱患事件，也可發(fā)現(xiàn)易發(fā)生安全隱患的高頻點位信息視頻智能分析系統(tǒng)主要實現(xiàn)以下功能

碼流接入：支持主流編碼格式H.264和H.26的前端攝像機接入，支持標準RTSP和ONVIF協(xié)議  接人，兼容市面上主流廠家攝像機品牌，對輸入碼流  進行解碼處理。
視頻顯示支持：HDMI高清視頻輸出，多畫面顯示。

碼流存儲：支持對接人碼流進行全天存儲和報警錄像，存放報警前后10秒內的視頻。

參數配置：包括算法配置、通道配置以及設備配置。算法配置除了設置算法類別外，還支持屏蔽區(qū)域，易誤報或不感興趣區(qū)域可設置成屏蔽區(qū)域，減少干擾；算法靈敏度和事件持續(xù)時間閩值也可以設置，這樣更加靈活，適應更多場景。

智能分析：基于深度學習算法，實時檢測當前接入視頻存在的消防安全隱患，事件持續(xù)時間超過設置的閾值時上傳報警，通過客戶端、Weh以及手機APP等方式來推送。