视频智能分析系统在城市管理领域的应用

引 言

从 2005 年开始，“数字城管”模式作为当前城市管理行之有效、行之高效的新型管理模式在全国各地迅速推广和应用。从各地试点运行情况来看，“数字城管”模式有效解决了目前城市管理过程中存在的信息滞后、管理被动、职能交叉等难题，提高了城市管理水平、降低了城市管理成本 [1]。近年来随着经济技术的发展，该模式已无法完全满足城市管理发展的新需求，各地城市管理部门结合自身业务需求，从应用上和功能上提出了新思路和新需求。随着物联网和云计算等技术的兴起，城市管理迈入“智慧城管”的崭新时代。从技术层面看，数字城管是对传统城市管理的扬弃，而智慧城管将是对数字城管的扬弃和全面超越 [2]。数字城市发展的步伐尚未放缓，智慧城市建设的大幕已在我国悄然拉开 [3]。

公共安全 [4] 视频监控 [5-6] 建设联网应用是新形势下维护国家安全和社会稳定、预防和打击暴力恐怖犯罪的重要手段， 对于提升城乡管理水平、创新社会治理体制具有重要意义。视频监控系统已成为当今社会中一套成熟的系统，在政府行政部门、公安社会治安、企事业单位以及各类社会资源中应用较为普遍。

如何最大化利用联网共享的视频资源，将海量视频监控资源应用到城市管理工作中，如何准确高效的从视频资源中挖掘出有用信息来满足城市管理要求一直是值得探索的方向。

1 系统概述

1.1 业务现状与应对思路

在我国当代的舆论场域中，“城管”堪为带有固定化负面刻板印象的机构。媒体对“城管 - 商贩冲突”的报道大多符合刻板呈现的基本特征 [7]。使用视频监控的目的在于改善当前城管的管理方式，扭转负面形象。但在视频图像智能应用、业务深度应用方面仍存在着较大的提升空间，主要表现在以下方面 ：

(1) 视频监控使用率不高。在日常的城市管理中，对城市中存在的海量视频监控资源使用率不高，主要用于事后查看。

(2) 缺乏视频图像智能分析技术，无法及时发现问题。视频图像数据是城市物联感知中体量最大的一类数据，视频中含有较多的无价值信息，有价值的涉案视图数据中特征信息因无法有效提取，导致信息易丢失。

(3) 视频应用未结合管理业务流程，深度应用不足。当前视频应用主要通过人工抽查识别，从海量图片中判断事件的场景以及违法行为，无法保证事件判定的准确性和时效性， 导致情报研判响应速度不及时，案件处理进程滞后。

针对以上问题，系统将采用新的思路 ：使用“整合利旧前端点位 + 新建后台识别”模式，对视频图像中的城市管理问题事件进行结构化提取，形成城管管理事件数据资源库， 依托大数据、云计算等技术实现数据的融合、碰撞、分析、应用。

1.2 设计架构

一个城市的智慧城管信息系统主要依托数据中心支撑平台和物联网支撑平台，其中数据中心支撑平台主要整合计算资源、存储资源、网络资源 ；物联网支撑平台整合建设通信平台和视频监控平台 [8]。视频智能分析系统架构如图 1 所示。

基础资源层实现视频监控资源的采集和接入 ；数据分析层通过智能识别技术实现城市管理事件的智能识别与存储 ；

业务应用层结合城市管理的业务应用需求，提供基于大数据、云计算等技术的数据分析、计算、管理服务。

2 前端采集系统

2.1 监控点位设计

充分考虑公安天网视频资源，根据城市管理业务特点， 在重点路段、路口共享探头辅助城市管理。通过应用智能视频监控、卡口、现场执法设备等多维感知技术实现对城市管理事件的各方监测和全面透彻感知。前端监控布点应根据不同的场景来设置监控范围，包括市容环境监控、城市综合执法监控、市政设施监控、环卫设施监控、其他公共设施监控、河道监控等。视频监控布点范围设置见表 1 所列。

2.2 网络传输设计

基于城市视频监控系统的网络现状，前端系统采集的信息将依托现有视频专网将数据传送回后台系统。后台智能识别应用系统利用原有视频专网核心路由交换机、核心路由器接入，确保视频智能分析系统的可靠运行。

对于没有视频专网的城市，需要建设电子政务视频专网， 以该网络为依托进行视频资源整合和联网共享，重点整合资源包括重要目标、要害部位、重要交通节点、重点行业（企业）、医院和广场等人员密集区域的视频资源。视频专网通过安全措施及设备与政府行业专网、公安视频专网、运营商专网、互联网等进行安全隔离和访问。

3 后台分析系统

3.1 视频管理平台

设立视频管理平台的目的是接入前端监控点位以及已有视频平台，做到统一的视频资源管理和控制，为视频智能分析提供资源基础支撑。

视频管理平台将实现统一的视频共享接入及转发，实现视图数据的采集格式、目录规范、平台接口等标准化工作，为外部业务系统和应用提供视频调用的接口。通过管理平台统一的视频共享权限实现各类事件的标准化响应。

3.2 城市管理场景分析

视频分析技术是使用计算机图像视觉分析技术将场景中的背景和目标分离进而分析并追踪在摄像现场内的目标 [9-10]。视频智能分析工作基本原理如图 2 所示。

AI 深度学习是机器学习研究中的一个新领域，其动机在于建立、模拟人脑进行分析学习的神经网络，可模仿人脑的机制解释数据，如自动驾驶、语音识别、图像识别等，这些均属于深度学习的研究范畴。

文中的视频分析系统采用深度学习技术，有效提升了识别速度和准确率，结合城市管理要素和管理职责，重点在垃圾堆积、游摊小贩占道、违规户外广告、机动车非机动车违停等场景中实现应用。

垃圾堆积场景识别如图 3 所示，游摊小贩占道场景识别如图 4 所示。

图3 垃圾堆积场景识别图4 游摊小贩占道场景识别

违规户外广告场景识别如图 5 所示，机动车违停场景识

别如图 6 所示。

图5 违规户外广告场景识别图6 机动车违停场景识别

非机动车违停场景识别如图 7 所示。

图 7 非机动车违停场景识别

3.3 业务处置流程

视频智能分析系统识别出告警信息后需要将结果发送到相关系统中处置，实现业务流程的管理闭环。事件推送逻辑需要满足一定的前提条件，符合条件后生成事件，并推送至相关责任人。处理流程如图 8 所示。

事件推送至指定责任人（执法队员）后，执法队员首先查看事件相关信息，判断该事件是否为本人管辖范围，若是， 则确认接收，并在事件处置完后将处置结果上报，否则填写退回理由，将该事件退回。

3.4 管理决策分析

系统展示辖区内所有智能识别点位的分布情况、当日发生的告警事件总数、告警实时显示等，并提供统计分析功能， 帮助管理者实时掌控辖区状况。结合事件的历史统计情况及事件发生时间段，对城市管理的重点区域、热点区域进行热点事件预测，为城市管理提供预警信息，同时结合事件的发生位置以及事件立案时间、队员位置等情况，为队员的巡逻处置提供轨迹规划。数据可视化界面如图 9 所示。

图 9 数据可视化

4 结 语

本文针对城市管理领域提出了 AI 视频识别解决方案。系统无缝对接原有视频监控系统，对视频画面进行事件识别， 实现对重点城市管理问题的自动化采集、智能分析、事件及时上报 ；通过构建业务模型，为管理决策提供数据支撑，有效提高了城市的智能化管理水平。