隨著平安城市的飛速發展和安防應用的深入與推廣，應用場景對視頻的依賴急劇增加，同時對智能視頻分析也提出了巨大的挑戰，這些挑戰主要來自于以下幾個方面

• 攝像頭數量和每天產生的視頻數量急速增加。

  如圖所示，分別來自于 IDC1和 IHS2咨詢公司的數據顯示，到 2023 年監控攝像頭將達到 27.6億臺，截止 2019 年存量攝像頭每天將產生高達 2500PB 的視頻量。

• 海量攝像頭之間數據的協同感知

  攝像頭之間的互感互知是對攝像頭產生的視頻進行分析和特征提取的更近一步要求。諸如全城攝像頭實時布控、跨攝像頭目標追蹤等都需要將多個攝像頭中目標進行協同匹配和協作分析。

城市中部署的監控攝像頭每天會產生海量的視頻數據，但這些原始視頻資料卻很少有人觀看，如果能把所有未觀看的視頻轉換成可以隨時搜索內容的素材，那么犯罪問題會更快的得到解決，城市會更安全。如何利用現有的技術對大規模視頻數據深度地、智能地分析和利用一個亟待解決的問題。

本項目借助深度學習技術對視頻數據進行處理，高效對海量視頻中的行人進行結構化分析，從而能夠加快檢索速度。本項目采用行人檢測算法、行人跟蹤算法、行人抓拍算法、行人量評分算法及行人識別算法、結合配套的前端攝像機設備和后端平臺業務系統，實現了動態黑名單比對報警、靜態人臉圖片檢索、大數據分析挖掘等功能。該項目廣泛應用于火車站、地鐵站、機場、小區、酒店等各類人員落腳場所，實現敏感人群的態勢分析、動態軌跡研判等。系統提供豐富的“人像防控”應用，讓傳統警務從“事后被動偵查”往“事前主動預警”轉變。逐步構建人像的“點、線、面”三類打防控模型。除此之外也能有效地監測某些地區附近各大商圈的實時人流量，做好人流量疏散，預防交通堵塞等問題。

建設城市視頻監控系統是實現城市安全和穩定的重要基礎，是平安城市建設的重要組成部分，更成為智慧城市的重要載體。近些年，監控設備隨著安防產業的發展大量增加，利用計算機技術實現監控系統的智能化成為一個熱門的研究領域。視頻結構化作為數字視網膜的關鍵一環，對于構建智慧城市尤其重要。商業應用上的數據多為結構化數據，每個數據都由一系列明確的描述屬性組成，大數據處理系統則可以根據使用者的要求將不同的屬性進行歸類，從而發現和掌握事物發展的客觀規律。而視頻則不然，除了時間和空間的屬性外，并沒有其他的標簽。除了按照時間和地點查找相應的視頻外，大多的視頻只能靠人慢慢甄別，這離大數據應用還相去甚遠。要做到大數據應用，就必須為視頻中的每個目標貼上更多的屬性標簽，也就是業內所說的結構化過程。需要通過一些算法自動把視頻中目標的特征識別出來，并貼上標簽后入庫，這樣在日后需要的時候，才能實現海量視頻的快速查詢和碰撞研判，甚至能像商業大數據那樣做到歸類統計。

視頻結構化的本質就是視頻中的目標結構化，包括視頻中行人結構化、人臉結構化、非機動車結構化、機動車機構化等。而結構化的核心就是如何準確地識別目標的屬性信息，本項目是一個易于使用并且功能強大的軟件解決方案，能夠對視頻內容快速處理和分析，深度挖掘視頻的價值。此外還能在限定的范圍內快速地定位所感興趣的行人對象，對其軌跡進行跟蹤和預測。從而幫助失蹤人口、以及嫌疑人的快速追蹤。