一种基于算法资源池的智能分析算法配置方法

    智能视频监控是基于计算机视觉技术对监控场景的视频图像内容进行分析，提取场景中的关键信息，并形成相应事件和告警的监控方式，是新一代基于视频内容分析的监控系统。智能视频监控技术借助于计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅为监控者提供有用的关键信息。相较于传统监控，智能视频监控能基于计算机视觉技术同时对多个监控场景的视频图像内容进行分析，自动筛选报警信息。

　　视频分析技术是智能视频监控系统的核心价值，从目前来看，智能视频分析技术能在几乎不需要人为干预的情况下，通过对摄像机拍录的图像序列进行自动分析来对动态场景中的目标进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，做到既能完成日常管理又能在异常情况发生的时候及时做出反应，从而解决了传统监控工作量大、效率低、反应速度慢等问题，其优势显而易见，也是推动整个安防智能化最为关键的技术之一。

　　视频分析技术主要是由运行在设备端上的一系列智能分析算法模块实现。智能分析算法模块在设备上的调用，不是一成不变的，而是会随着不同的场景、不同的应用、不同的设备做出相应的调整与配置，使得分析算法的性能达到最优，从而使视频分析的效果达到最佳。

　　对于视频分析设备上智能分析算法模块的配置，其配置方法的有效与否对智能分析算法的性能影响非常大。如果能根据实际应用场景特性对算法进行有效配置，将算法调整为最适应实际应用场景，智能分析的效果会得到最佳的体现，反之就会与预期效果产生较大的差距，影响视频分析设备的使用。

　　如何对监控设备中的智能分析算法模块进行有效配置，保证算法性能最优，是需要我们不断进行研究与改进的一个课题。

    现有的算法配置方法

　　对于视频分析设备上的算法配置，目前主流的方法主要有2种。

　　我们先来看第1种方法，如图1所表示，智能分析设备通过视频输出口直接连接到显示器，配置人员根据显示器上的信息，直接对设备中的智能分析算法模块进行配置。这种配置方法一般用于带有显示输出口的设备，如智能DVR、DVS、分析仪服务器。

图1   第1种主流的算法配置方案

　　第2种方法如图2所示，主要分为2个步骤。首先，配置人员通过网络(公共网或局域网)与视频分析设备进行连接，使用客户端软件登入到设备上;然后配置人员通过客户端对视频分析设备进行算法配置。这种配置方式是目前最通用的一种方式，只要支持网络功能的视频分析设备都会支持这种配置方法。

图2 第2种主流的算法配置方

　　对于目前主流的这2种算法配置方案，会存在有如下缺点。

　　1、因为专业的算法配置人员有限，很多情况下都是一些非专业的配置人员来对算法进行配置，某些情况下视频分析设备上的算法无法发挥最优的性能。

　　2、当局域网内的设备性能无法满足用户需求，需要对算法版本进行升级配置时，非专业的配置人员往往无法完成，必须要专业的算法开发人员到现场来完成，该情况下的配置成本就会非常大。

　　针对上述缺点，本文提出了一种改进的基于算法资源池的配置方法，通过该配置方法可以有效保证运行在视频分析设备上的算法性能最优，并且算法的升级也非常方便。

　　基于算法资源池的配置方法

　　方案描述

　　本方案提出了一种基于算法资源池的算法配置方案，主要包含了6个步骤，如图3所示。

图3 基于算法资源池的配置方案

　　配置客户端连接到视频分析设备，获取设备信息(型号、算法组件版本、计算资源能力)，并采集样本序列;

　　用户在配置客户端上填写视频分析应用的附加信息(问卷调查)，配置客户端连接到配置服务器，将样本序列、应用附加信息、设备信息发送到配置服务器;

　　配置服务器根据样本序列、应用附加信息、设备信息，对该应用进行分析，并从算法资源池中获取最适合的算法组件与参数配置，即算法最佳配置集;若通过机器分析无法得到最佳配置集，则提交到专业的算法配置工程师;

　　算法配置工程师根据样本序列、应用附加信息、设备信息，从算法资源池中获取算法最佳配置集，并发送到配置服务器;

　　配置服务器将算法最佳配置集发送到配置客户端;

　　配置客户端连接到视频分析设备，并对设备进行最佳配置集下的算法升级与参数配置，以获取在该场景下视频分析的最佳性能。

　　具体流程图如图4所示。

图4  基于算法资源池的配置方案流程图

　　模块详细介绍

　　配置客户端

　　配置客户端是可以安装在PC、手机移动设备、服务器等平台上面的软件，具有以下4个功能。

　　可通过该客户端连接到视频分析设备，获取设备配置信息(如型号、智能分析算法版本、处理器计算能力、空余内存等)，以及当前场景下的Sample序列;

　　用户可通过该客户端输入视频分析应用的附加信息，包括当前场景属性描述(如光照情况、是否有大目标出现等)、用户需求等;

　　可通过该客户端连接到配置服务器，将Sample序列、设备配置信息、应用附加信息发送到配置服务器;

　　可通过该客户端连接到视频分析设备，将配置服务器发送过来的最佳配置集，应用于视频分析设备，以获取算法在当前应用场景下的最优性能。

　　配置服务器

　　配置服务器用于获取视频分析算法在特定应用模式下的最佳配置集，具有以下3个功能。

　　1、用于接收从客户端发过来的视频分析应用信息(Sample序列、设备信息、应用附加信息)，并根据这些信息来定义最优算法版本集和最优算法参数集，即算法最佳配置集。

　　2、若配置服务器无法获得算法最佳配置集，服务器将视频分析应用信息(Sample序列、设备信息、应用附加信息)发送到专业算法配置工程师，并接收从算法配置工程师发送过来的最佳配置集。

　　3、将算法的最佳配置集发送到配置客户端。

　　算法最佳配置集

　　智能分析算法最佳配置集包括2种，基于参数的配置集与基于算法版本的配置集。

　　(1)基于参数的最佳配置集，对算法参数进行调整，使当前版本算法性能达到最优。比如场景模式的选择、背景建模更新速度的调整、目标检测灵敏度的调整、是否开启抗抖动、是否开启人体检测、目标融合速度的调整等。

　　(2)基于算法版本的最佳配置集，根据实际应用的需求，选取最适合的算法版本集来替换原算法版本，相当于算法版本升级。

　　算法配置工程师

　　算法配置工程师是专业的视频分析算法配置人员，对视频分析设备上的算法原理与应用有深入的理解，能根据实际应用场景、设备型号、客户需求给出最佳的算法配置集。

　　总结

　　本文提出了一种基于算法资源池的智能分析算法配置方法，相比于现有的主流配置方法，具有如下3个优点：

　　可以通过这种“定制式”的配置方式，为各种应用场景模式定义最适合的算法配置集，以提升算法在实际应用中的性能;

　　将配置服务器融合到公司统一的服务平台上，作为一项智能分析服务来形成一个新的业务增长点;

　　可以收集到大量的Sample视频序列与应用附加信息，为后续视频分析算法版本升级提供一套全面的算法性能评估样本。

　　对于该基于算法资源池的配置方法，在实际实施过程中也会存在一些缺点与应用限制，比如配置服务器与配置客户端架构非常复杂，开发成本较高，而且需要有大量的算法配置工程师来维护整个系统，维护成本较高。另外视频分析设备上的Sample序列可能会涉及到隐私信息，用户不愿意开放连接权限给配置客户端，这点也是制约该方法应用的一个较大因素。