EEPW论坛

UWB位置空间赋能视频监控

目标位置空间感知实现数字视频位置结构化，让视频监控更加智能和便捷；

一、关于视频结构化

视频结构化是指根据视频画面中呈现出的人、车、物、颜色、数字及其他属性特征，建立视频大数据结构化平台。视频被结构化后，存入相应的结构化数据仓库，存储的容量极大降低，视频智能检索也方便很多；

传统意义视频结构化是利用深度学习技术对视频进行逐帧分析，解析出视频帧中感兴趣的目标、并且进一步推理出每个目标感兴趣的属性，最后将这些目标、属性保存成结构化数据（能与每帧关联起来）。

l  行人结构化：对于视频图像中的人物，并可提供行人的各种结构化特征属性信息，包括衣着和装饰物特征：上衣、裤子、裙子和连衣裙、鞋子、帽子、太阳镜墨镜、围巾、皮带腰带；携带物特征：单肩挎包、双肩背包、手提包、拉杆箱、雨伞；人体特征：头发、面部。

l  车辆结构化：对于视频图像中的车辆，可进行多车道车辆检测、车头车尾检测识别功能，能够提取识别车辆的10多项结构化属性信息，包括车辆号牌、车身颜色、车辆品牌、车辆类型、子品牌、车辆年款及各种车辆特征物信息，如：年检标、遮阳板、挂件、摆件、纸巾盒、安全带等。

视频结构化后让实时视频显示更加智能化，同时也让视频检索更加方便和智能化；

二、基于视频分析的视频结构化的不足点

视频分析结构化大致可以分为两大类：辨认类（Recognition）和分析类（Detection）

l  辨认类用于辨认目标，对于识别要求高，一般不能低于95%，否则导致大量的误判就没有实际应用价值。辨认类对于摄像机的安装及使用环境有高要求；

     在安全管理的应用场景，辨认类（Recognition）识别的应用价值高；

l  分析类，比如安全帽佩戴、着装、抽烟；基于AI的视频分析类一般需要实际环境迁移再学习，才能提供相对满意的分析结果。分析类准确度没有辨认类高，一般要求不低于85%，再低就没有什么落地实用价值。

有些场景目标计数的分析类（比如有严格人数要求的作业管理）识别率要求比较的高，基本要保证在95%以上，基于视频AI的分析类目标计数往往不到这样的要求。

辨认类是智能视频监控的基本；通过分析类识别危险或违纪的事件，同时需要辨别出目标对象。辨认类的要求比分析类的要求高，很多视频监控场景，只具备实现分析类识别。没有办法实现基于视频分析的目标辨认。

辨认类视频分析对于摄像机的安装以及目标的像素、环境等都有一定的要求；

类似人脸识别和车牌识别等目标辨认类的视频分析，对于目标和摄像机的角度以及识别部分也有严格要求；需要完整拍摄到人脸和车牌，且不能有类似带口罩、车牌污染、或者脸部/车牌遮挡现象。

人脸识别和车牌识别对于环境的照度也有一定要求，此外雨雪等天气因素，会导致识别误差增大；

监控类摄像机多数不能应用于目标视频分析，尤其不能应用辨认类的视频分析；

基于视频分析的视频结构化的最 大不足点在于视频监控摄像机很难实现目标的辨认

三、利用物联网感知（电子标签）实现目标快速准确辨认，实现视频监控智能化

基于AI实现行为分析（安全帽、口罩等），如何实现目标的快速辨认，实现视频监控+视频分析+目标准确辨认：

1.   如何甄别视频内容中的不同目标（视频包含了多个人员，如何甄别每个人的身份）

2.   如何基于目标的视频跟踪（在多个视频摄像机覆盖的区域，实现针对某个目标的实时视频跟踪）

3.   如何实现基于视频目标的历史录像的查询（实现某个目标在若干摄像机视频录像资料中的快速录像搜素查询）

4.   实现目标的行为分析（抽烟、着装、安全帽佩戴）同时甄别目标

5.   基于目标的当前视频及历史踪迹查询（快速查询某个目标当前的视频监控图像，以及查询该目标的时间段内历史视频图像）

6.   开放区域基于目标的白名单、黑名单的区域空间目标准入管理（基于目标白名单或黑名单的视频电子围栏安全管理）

7.   特殊环境人员及协同人员的作业安全管理（基于目标以及目标准确人数的安全管理）

位置空间赋能视频监控-通过位置空间赋能，让视频监控更加智能、更加便捷

1.   建立空间的位置属性和视频对应关系，实现位置空间和摄像机视野空间关联

2.   基于位置空间感知的电子标签实现目标快速准确辨认

四、位置空间（场景）和视频空间（视野）关联

l  基于地理信息坐标-不能用

        传统位置空间采用坐标对应方式，室内或区域空间采用专制地图和相对坐标系；

        视频空间（视野）本身只有像素的信息，不具备地理信息的概念；实现视频GIS需要大量的技术工

        作，视频GIS准确度不够，体验效果不佳-视频GIS技术还在完善中；

        视频GIS介绍微文：VideoGIS/空间视频-视频位置信息结构化

        采用地理信息坐标的方式的场景和视野关联技术路线不可行

l  基于坐标的电子围栏-不好用

传统定位厂家的解决方案，通过在自制的地图上定义电子围栏，通过电子围栏事件关联视频摄像机联动的方式。

坐标定位带来很多问题，比如地图的精准测绘、坐标映射、定位****坐标的精准标定以及三角定位的严格苛刻的适用条件等等，导致实际落地情况，基于坐标的电子围栏并不好用；

微文：UWB电子围栏好用吗？

l  基于UWB信号的精细网格化定位

基于UWB信号精细网格化定位：采用深度学习和模糊匹配的先进定位技术，实现任意定义区域的存在性检测；我司首创UWB高精度定位技术，可广泛应用于工业现场电子围栏、作业区域网格化人员管理、空间位置和视频联动等场景。

什么是基于UWB信号精细网格化定位？

精细网格化定位是基于区域边界UWB信号的模糊匹配定位技术。利用UWB信号相对稳定，通过区域边界UWB信号的深度学习和模糊匹配算法，实现辨别电子标签进入或离开区域。区域形状任意定义，区域边界精度可达30-50厘米，属于高精度区域定位技术。

精细网格化定位和UWB的TDOA三角定位相比有哪些优势？相比UWB TDOA，精细网格化定位和有太强的落地性：

1.   首先精细网格化定位和不需要现场地图绘制，可以脱离现场地图使用；

2.   其次精细网格化定位部署定位****的数量不到UWB TDOA 三角定位的三分之一；

3.   精细网格化定位****无需坐标测绘；

4.   精细网格化定位无需标签和****可视，****只要能收到标签的UWB信号就可以，定位要求远低于TDOA三角定位；

5.   精细网格化定位****部署规则简单，无需现场勘测；

基于精细网格化定位区域电子围栏定义和使用更简单、更准确也更贴近用户要求；

精细网格化定位和蓝牙信标定位相比有哪些优势？

1.   蓝牙信标是一种基于蓝牙信号可及的简单定位技术，优势就是简单和成本优势，但是体验和使用有很大局限性。

2.   蓝牙信号容易受到环境干扰，潮湿环境会导致2.4G的信号强度大大降低

3.   蓝牙使用的ISM非授权2.4G频段，同频信号干扰严重

4.   金属环境由于信号反射，导致蓝牙信号可及的范围完全未知

5.   基于UWB信号的精细网格化定位是一种高精度区域匹配定位技术，采用深度学习和模糊匹配的先进定位技术，实现任意定义区域的存在性检测。

基于UWB精细网格化实现工业现场作业面的人、车、物区域化管理

基于UWB精细网格化实现智慧工地智能化管理

基于UWB精细网格化高空作业及电子围栏管理

五、基于位置空间+视频监控的安全管理技术方案

对于一般安全生产管理而言，视频监控系统都是必须的；相比较位置，现场的视频包含了更多的内容，用户的可视化体验更直观。视频监控系统也有很多不足之处：

1.   视频监控很难做到无死角覆盖，一般工业现场也不要求，这就造成监管的漏洞；

2.   大量的视频监控摄像机给实时监控带来巨大繁琐工作，期望是事件触发方式的监控，同时也期望可以基于目标的方式调取实时视频监控；-目前视频监控做不到

3.   大量的视频监控录像也给查找录像带来巨大繁琐工作，只提供简单的基于时间+摄像机编号的录像回放方式无法满足智能检索录像的需要；用户希望可以基于目标的录像资料查询-目前视频监控做不到

4.   视频监控系统都支持视频电子围栏告警，但是由于无法实现目标的辨认，导致不支持基于白名单和黑名单的视频电子围栏；-不支持白名单/黑名单的电子围栏对于工业现场管理以及区域管理不适用。

5.   类似区域实时以及历史热力图、目标踪迹等应用，更是视频监控系统望尘莫及。

基于摄像机视野和UWB精细网格化关联，赋能视频监控

l  现场部署摄像机的同时，部署UWB信号****（无需标定、无需可视）；

l  结合摄像机视野，采用电子标签现场定义UWB信号精细化网格；

1.   网络摄像机（固定）对应一个或多个精细化网格

2.   网络摄像机（球机）预置位对应一个精细化网格

l  基于标准 Onvif的Profile M实现视频内容结构化传输及存储

1.   部署NVR存储网络视频同时存储精细化网格结构化数据（目标的进、出及当前网格目标信息等）

2.   结合Onvif  Profile S和Profile M标准接口，第三方应用同时调用实时或历史视频流和对应的精细化网格结构化数据

3.   实时或历史视频解码展示同时展示精细化网格内容（目标信息）