基于视频行为分析的智能化轮巡监控平台

　　一、前言

　　值班人员在值班期间对监控区域的安全负有责任。在大型视频监控系统中，由于监控点众多完成一次全面巡查通常需要较长时间。长期以来，值班人员一直面临两个难题。首先，无法及时发现异常情况并做出有效应对。理论上，值班人员应当优先查看最可能出现问题的监控点位。但实际情况却是绝大多数情况下，他们并不知道当前最应当巡查哪一个监控点位。这就会导致一些重要事件会因未能及时发现而错失干预的最佳时机，进而最终发展成为事故。其次，无法获悉监控区域的整体安全状况。由于只能采取“大海捞针式”的随机巡查模式，或者“地毯式”无差别巡查模式，且每次只能巡查有限的监控画面，所以值班人员对整体安全状况并不能做到及时掌握。为解决传统监控系统智能化程度不高、“误报率高”等问题，我们开发了本系统。

　　二、项目简介

　　“基于视频行为分析的智能化轮巡监控平台”是济微监狱在山东省监狱管理局的指导下自主开发的一款新型监控平台（以下简称：平台）。平台以罪犯异常行为的视频智能分析为基础，通过专有算法确定平台中每一个监控点位的动态权重值，并以此为依据有针对性地向监控室值班民警推送监控画面。这种推送方式可实现值班民警视频巡查模式发生由“点”到“面”的变化，平台对发现异常行为的能力提高6倍以上，并把系统“误报”情况降低50%。平台使用的关键技术——“基于图像比对计算的权重值对视频轮巡进行控制的方法”已获得了国家发明专利证书。

　　三、具体应用场景及实际使用效果

　　（一）应用场景

　　监狱指挥中心和监区二级分控室的值班民警，通过该平台及时发现狱内罪犯活动的异常情况，及时掌握监管场内各区域的风险水平。

　　（二）实际使用效果

　　监管场所内容易发生罪犯重大违规、违纪的重要节点，是监管工作中最需要加强的环节。依据对近年来全国监狱系统发生的重大改造事故的场所和时间段的分析，我们选取了以下场景进行了测试，均取得了较好效果。

　　场景1：收工后，有人员进入习艺区域

　　风险点:清仓后，无现场直接管理民警，物料、习艺工具较多，容易实施破坏和自杀。

　　处置情况：平台在罪犯进入该区域后，10秒内发出声光提醒，并将现场监控图像送至值班民警。

　　场景2：人员进入习艺车间内的仓库、工具房等区域

　　风险点：1.由于货架或堆积的货物遮挡，容易形成相对隐蔽的空间。

　　2.由于车间平时人员活动较多，而此处又相对隐蔽，所以更容易被忽视。

　　处置情况：平台在罪犯进入该区域后，10秒内发出声光提醒，并将现场监控图像送至值班民警。

　　场景3：习艺时间罪犯突发性返回监舍

　　风险点:习艺期间,生活区实行“清仓式”管理，无民警值班，对特殊情况不易发觉。

　　处置情况：平台在罪犯进入该区域后，10秒内发出声光提醒，并将现场监控图像送至值班民警。

　　场景4：罪犯进入楼顶、设备间等

　　风险点:禁止罪犯活动区域，罪犯预谋实施破坏、脱逃、自杀事件时难以控制。

　　处置情况：平台在罪犯进入该区域后，10秒内发出声光提醒，并将现场监控图像送至值班民警。

　　场景5：罪犯进入生活区被服库、百货库、晾衣房

　　风险点:容易形成隐蔽空间，传统罪犯违规行为的多发地点，受限于警力不足易形成管理薄弱环节。

　　处置情况：平台在罪犯进入该区域后，10秒内发出声光提醒，并将现场监控图像送至值班民警。

　　场景6：个别罪犯就寝期间，突然起身活动、单独返回监舍

　　风险点:脱离值班民警监管视线，使其有机会趁他人不备实施伤害、藏匿物品等。

　　处置情况：因干扰因素较多，目前有效提提醒效率在45%左右，还需要引入更多分析手段进一步提高效率。

　　四、项目成果总结

　　经实际运行验证，“基于视频行为分析的智能化轮巡监控平台”1.0版本取得了以下成效：

　　（一）实现了对所有监控点位的“计算机预处理”功能。

　　与传统的随机巡查方式不同，值班民警会根据计算机预处理得出的权重值来选择平台推荐的巡查监控点位进行视频查看。根据监所的具体情况，将监控点位划分为“静态管理”和“动态管理”两大类区域，以适应不同的管理需求。“静态管理”区域主要包括监所内的设备间、周界、工具房、被服库、储物间、出工后的监室以及收工后的习艺车间等，这些区域通常活动人员较少，占全部点位的50%以上。在这些区域，日常的监控工作完全由计算机系统自动管理，只有在检测到有人进入时，才会由值班民警进行人工介入。“动态管理”区域则是指人员活动频繁的区域，如出工后的习艺车间和收工后的监室等，对于这类区域采用“人机结合”的管理模式。通过预设的算法来确定巡查的点位，以实现更有效的监控管理。

　　（二）实现值班模式由“点”到“面”的转变。

　　过去值班人员监控巡查时每次只能同时随机巡查一个或数个监控画面，而对于其他监控区域的情况则无法了解。启用该平台后，值班人员通过平台中代表风险程度（权重值）的红、绿条的长度即可实现实时了解整个监控区域内的风险程度。

　　（三）形成了新的行业专属算法。

　　经过长期攻关，形成了更加适应监管场所管理特点和实际工作需求的监狱系统专属的算法。我们将基层民警在长期监管工作中积累的防脱逃和保障监管场所安全的经验，转化为计算机算法，并将这些算法以代码形式集成到监控平台中，提升了平台的智能化水平。与其他平台相比，新平台增加了计算机对监控画面的初步“思考”和“判断”功能，这使得平台能够智能推送关键监控画面。此外，新平台在用户体验上也进行了优化，变得更加友好和便利。

　　（四）提供了一种经济高效的解决方案。

　　老旧监狱的智能分析系统通常只能处理几十路视频流，新建监狱的智能分析能力一般也不到监控点位总数的20%。传统方法主要依赖昂贵的后端服务器集中进行分析。为了克服这一限制，我们采用了分布式架构减少了对后端服务器的依赖。这种创新方法允许我们在不过多增加硬件投资的前提下，即可实现对所有监控点位的智能分析。

　　（五）显著降低了“误报”和“漏报”的发生率。

　　在传统智能分析软件中，误报问题制约了智能分析技术的广泛应用。为了解决这一问题，我们创新思路，紧扣安全防范的核心目标，以“盯人”作为监控的切入点，选择了最为成熟可靠的技术。通过将管理工作经验转化为程序内算法的形式进行视频预处理，有效突破了应用瓶颈，将误报问题从普遍存在的“系统性”问题转变为可以逐一定位和解决的“点位”问题。通过一系列措施，目前误报率控制在15%以下，并将“静态管理”区域内的漏报率控制在5%以内。

　　责任编辑：广汉