1.1.2绪论（下）在线视频

各位同学大家好

这次课

我们学习绪论的第二部分

主要内容包括

刑侦视频图像处理

面临的实际问题

以及刑侦数据库

针对目前公安行业的实际需求

刑侦视频图像处理技术领域的研究

主要聚焦于

视频图像清晰化

视频智能分析

视频图像检索比对

视频图像压缩编码等方面

下面列举几个实例

说明相关技术

在实际应用中所面临的挑战

挑战一 来自于视频图像清晰化

左边的图是某交通肇事案监控视频的一个截图

成像质量较低，受车前灯影响

图中圆圈区域严重过曝光

很难获取车辆的车牌信息

右图是某交通肇事案监控视频的截图

监控场景中

光照条件不理想

成像效果太暗

难以获取嫌疑目标信息

因此成像质量较差

增加了视频图像清晰化的难度

我们需要对视频图像

进一步进行图像增强

去除摄像机的抖动

去除运动目标的模糊

以及对弱小目标

进行图像超分辨处理等等操作

第二个挑战来自于图像检索

现勘图像内容比较特殊

包括血迹 指纹 鞋印 凶器等等

这些图像种类学术界常用数据库中没有的

此外 这些类别的图像过于杂乱

如外景包括了道路 房屋

车辆等不同的内容

已有的算法

对现勘数据库的检索性能

明显低于常用的数据库

因此需要针对刑侦现勘图像的特点

设计新的图像检索方法

实现目标图像在线现勘数据库中的

快速检索和比对

挑战三来自于视频检索

公安人员感兴趣的目标通常是嫌疑人

嫌疑车辆 特殊可疑事件等等

目前视频检索的主要难点是

戴口罩或者眼镜的人脸识别

侧脸识别 嫌疑人步态分析

人群异常行为检测等等

虽然相关研究成果

已经有所应用

但是在准确率和实用性方面

离预期目标还有一定的差距

大家看到的这幅图是

星光级高清摄像机拍摄的暗光模拟视频

地点在某车库入口

由于场景中光照条件不理想

经过某知名视频摘要软件处理以后

得出该视频段有四个对象

其中暗部的关键人物摘要信息丢失

大家看到的这幅图

是不同摄像头下检测到的

同一行人截图

行人重识别是利用计算机视觉技术

判断图像或者视频序列中

是否存在特定行人的技术

是否存在特定行人的技术

换句话说

就是给定一个监控行人图像

检索跨设备下的该行人图像

目的是要弥补固定摄像头的视觉局限

可以与行人检测 行人跟踪技术相结合

广泛应用于智能视频监控

智能安保等领域

由于不同摄像头下行人的姿态

光照 随身物品存在着差异

因此 这也增加了行人重识别的难度

挑战四来自于大数据联网的顶层设计

由于各职能部门视频监控系统建设

缺少整体规划

跨部门视频联网应用时

无法直接快速地

获取各自业务工作上需要的

有价值的视频图像信息

因此

以视频图像信息共享平台建设为核心

建立和完善视频图像信息

深度应用机制

推动跨区域、跨部门

跨警种的视频监控系统

有效整合和信息共享

进一步加强公安机关视频图像信息资源的

综合开发和利用

是十分紧迫的任务

刚才我们已经介绍了

视频图像处理技术

在实际应用中

面临的问题和挑战

现有的视频图像处理方法

如图像检索 图像超分辨

行人重识别 异常事件检测等等

在通用数据库上测试性能良好

而在实际的刑侦视频图像上

却表现平平

因此我们需要从公安行业的

实际需求出发

以实现视频图像处理技术

在公安行业的深度应用为目的

建立了刑侦特色数据库

数据库一是现勘图像数据库

一共有47个类别

包括19603幅现勘图像

具体包括血迹 压痕 作案工具

轮胎花纹 指纹

车辆等常见类别

主要用于现勘图像溯源认证

与图像检索

数据库二是轮胎花纹及压痕数据库

一共有5000幅图片

主要用于痕迹检测与痕迹检索

特色数据库三是现勘鞋印数据库

一共包含了1739幅图像

主要用于鞋印检索与比对

特色数据库四是监控视频数据库

一共包含237个视频序列

主要用于异常事件检测

目标行为分析

我们需要从实际需求出发

利用建立的刑侦数据库

开展相应的研究

探索视频图像处理技术

在公安行业的具体应用

最后小结一下

我们本次课的内容

首先我们了解了

刑侦视频图像处理技术

在实际应用中

所面临的问题与挑战

为此我们也建立了

相应的刑侦特色数据库

今天的内容就到这里

谢谢大家