粮库视频压缩与分析系统

技术详细介绍

随着粮库信息化水平的不断提高，目前许多粮库已经建成覆盖库内外的全方位视频监控系统，并在粮库管理与监督方面起到了重要作用。但目前粮库视频监控系统功能单一，以记录为主，其访问方式仅有实时查看与事后回调两种模式。视频数据分析以人工研判为主，智能化水平较低，且需要投入大量人力物力。以某国有企业在北京建立的视频数据中心为例，共管理近1000路摄像头，配备6名人员24小时值班，年运营费用近千万，但由于每人监控视频数量有限，仅能采用轮询方式，无法实现对数据的全覆盖。此外，一方面海量的监控视频数据占用了大量的存储空间，造成了极大的资源浪费；另一方面，每天需要专人对当天的监控内容进行回放抽查，大量的回放操作十分耗时低效，无法快速掌握当天的监控情况。因此引入智能视频处理技术是解决目前粮库标准化监督管理的重要手段。

本成果的主要工作如下：

1. 在目标检测识别方面，针对粮库监控场景中小目标多的特点，在YOLOv3目标识别算法的基础上，提出改进的YOLOv3-GD(YOLOv3-Grain Depot)算法。并重新制作数据集进行模型训练，利用YOLOv3-GD算法对基于KNN背景减除法提取的各摄像头的有效帧图片进行目标识别，进一步提取出有效帧图片中关键目标的类别和位置等关键信息，实现对多路监控视频中有效信息的高效提取。

2. 在多目标轨迹匹配与生成方面，综合提取出的类别、位置信息以及图像特征信息对相邻时间下的目标进行匹配，获取各目标在当前监控场景中的运行轨迹并展示。

3. 在粮库异常行为检测方面，针对粮库异常行为数据缺乏，难以从图像分类角度对数据进行训练的特点，提出利用人体姿态关键点信息进行人体动作识别的方法。针对原始的Alphapose算法无法在姿态估计的同时对本文所需要的其他关键目标进行检测识别，并且原始的Alphapose算法训练过程极为复杂且冗余的问题，本文首先对原始的Alphapose进行相应优化，并利用优化后的Alphapose进行人体关键点获取，然后构建关键点间的结构向量，利用关键点坐标、结构向量间的角度以及结构向量几何长度与人体检测框宽高之间的比值等信息，定义出不同动作状态下的特征，实现对人体动作进行识别分类，达到人员的异常行为检测与预警的目的。

4. 开发出一套粮库智能监控系统，进行可视化展示，简化视频回放流程，同时释放了海量的存储空间。

参展情况

展示形式：

系统截屏演示

展示要求：

视频播放设备