导读:视频大数据云边协同解决方案。
作者:韩锐 刘驰
来源:大数据DT(ID:hzdashuju)
01 介绍
人们所观察的世界无时无刻不在改变,造就了“视频”相比于文本等类型的数据更具表现力,包含更加丰富的信息。如今,能够产生视频的数据源及应用场景愈发多样,视频数据的规模不断增长,视频大数据成为支撑诸多行业技术发展的热点方向。
1. 交通摄录
城市化的快速发展导致机动车数量持续激增,也因此造成了诸多的交通问题。
一方面,由于时间、天气、大型事件等多方面的因素,城市道路上的交通流量持续变化,尤其是繁华地带的路口,经常汇聚着较多的待通行车辆。
如何第一时间获取交通流量信息、监测城市交通状况,正是交通摄录系统所需解决的问题。通过摄录视频流的实时收集,城市交通控制中枢能够及时地获知流量异常情况,做出交通调度调整,以改善行车效率。
另一方面,人为驾驶的主观性导致违规事件的发生难以完全避免,而对检测的疏漏或延迟将不仅可能导致驾驶行为责任人自身规则意识的下降,升高未来的事故发生率,更有可能造成交通瘫痪,甚至重大的人身财产损失。
因此,广泛分布且实时视频采集的交通摄录系统具有极高的存在必要性,不断规范及约束车辆驾驶者的行为,同时对违规事件及交通事故在第一时间进行采集、上报,进行后续的处理。
目前,在部分城市的交通系统中,已经尝试采用更加智能化的交通摄录体系,例如对疲劳驾驶、违规通话等驾驶行为实时检测、智能判断,而无须人为干预。
密布于城市各个角落的摄像头组成的庞大的摄像系统基础设施带来的交通价值不言而喻,但对交通数据处理系统提出了严峻的挑战。
一方面,该系统需要具备低延迟的处理性能,保证异常事件发生时能够及时地进行分析、处理以及后续操作。另一方面,基础设施中数量巨大的输入源是传统单一视频处理系统所难以应付的。
由于该系统不仅需要采集、存储视频,而且在迈向智能化发展的路上,需要对它进行预处理、帧解析、事件模式匹配、异常检测上报等操作,因此对于极多输入源的同时处理,是当前所面临的一大难题。
2. 车载摄录
对于传统机动车而言,行车记录仪的出现为广大驾驶者带来了多方面的保护。
一方面,共享出行的专车内、公共交通的车厢内,车内记录仪能够持续记录乘客及驾驶者的行为,检测车内状况。在发生异常事件时,记录仪能够提供准确的现场追溯,不仅为责任认定提供了有效的证据支撑,更为严重性事件的溯源剖析提供了第一手资料。
另一方面,用于私家车的前向记录仪则更为普遍。在车辆启动后,行车记录仪随之启动,以视频的形式持续地、完整地记录着行驶的整个过程,有效弥补了交通摄录系统不及之处,为驾驶者提供了多层面的安全保证。
对于新兴的智能车辆而言,包含360°环绕摄像在内的环境感知系统所发挥的作用更是举足轻重。摄像头之于汽车,就像眼之于人,提供了感知周遭环境的输入口。基于实时的环境图像,自动驾驶控制系统能够对采集到的视频进行处理、分析,并即时进行决策,控制车辆行为,在一定程度上,甚至完全地替代人为控制,极大地提升出行效率。
虽然车载摄录为传统及新兴机动车带来了强大的功能,但车辆本身的移动性为视频的数据处理提出了新的问题:
一方面,高移动性导致视频内容的变化极快,不同于固定物理位置的城市摄像头,车载摄录可能在极短时间内采集到完全不同的影像,这不仅包括物体本身的变化,还包含了移动导致的光线、角度等上下文环境的急剧变化,对于视频内容分析的准确性和灵活性要求更高;
另一方面,高移动性直接导致了网络通信连接的不稳定性,不同于有线光缆传输,无线网络传输的质量依赖于网络信号强度、带宽、信道实时负载等因素,造成基于无线网络的数据及任务的稳定上传过程变得愈发艰难。
3. 航空摄录
由于更高的摄入角度,基于航空器材的摄录系统通常具有更高的专业型和特殊性,同时带来了更加强大的功能性:
1)空地追踪
得益于不被道路交通所限,飞行器能够灵活、高效地追踪移动性目标,弥补地面追踪不便的缺陷,降低目标失踪率,为关键性任务提供支撑。
2)智慧农耕
传统农耕作业需要人工地亲力亲为,经历长周期的运作,包括观察并分析农田情况,调整作业策略