視頻監控技術經過數字化、網絡化、高清化，已經到了智能化時代。隨著人工智能的快速發展，特別是深度學習技術的出現，視頻智能分析技術真正得到了廣泛認可和應用。視頻監控在現代社會中廣泛應用，而且在各行各業中越來越重要。對這些已有的海量視頻進行后端智能分析，提取關鍵事件信息，能大大提高檢索效率。

安防監控公司表示本文將消防隱患排查業務與視頻智能分析技術相結合，研發一套視頻智能分析消防隱患排查系統；系統可對監控視頻實時智能分析，一旦發生消防安全隱患事件，及時上報，并聯動視頻進行人工復核，可實現對消防安全隱患的有效管理，大大提升了安全隱患排查效率。該系統同時貼合消防業務場景，對算法進行優化，不斷迭代，提升算法的準確率。

系統組成

系統可接入主流監控廠家前端IPC設備，對接入的實時視頻流進行解碼處理，然后發送至帶有專業AI芯片的視頻智能分析儀進行數據分析，一旦滿足報警觸發條件，系統將報警事件上傳到中心，收到報警后，中心平臺實時視頻彈窗，便于人工復核，第一時間排除誤報，并了解現場實際情況。

技術路線

本系統采用基于深度學習的視頻智能分析技術 有效提升了算法準確率，場景適應性也提高了。傳統智能算法是人工來設計特征，不同角度、不同光照下的很多特征很難被發現，所以，雖然傳統智能算法有時能夠在特定環境和時間下表現出良好的性能，但只要畫質、環境等條件發生改變，準確率可能就會出現明顯的下降，而深度學習可以自主提煉出更豐富更適合的特征參數，具有更強的抗環境干擾能力。

深度學習讓智能識別種類更豐富，理論上只要有足夠多的樣本進行訓練，深度學習都能夠實現比較精準的目標分類識別，自主特征學習的特點又讓深度學習特別適合用于抽象、復雜的目標特征，以及行為分析領域。因此對于消防隱患的識別，例如電瓶車檢測、消控室人員行為規范等，采用深度學習效果更好。

實際應用中充分考慮利舊，保持原有系統網絡架構不變。以易出現消防安全隱患的點位為視頻源，接入到后臺進行處理分析。隱患事件信息及時上報，并聯動實時視頻行復核，排除誤報。保存歷史事件，包括報警錄像，方便后續查詢和處理。通過統計分析．既可發現高頻隱患事件，也可發現易發生安全隱患的高頻點位信息視頻智能分析系統主要實現以下功能

碼流接入：支持主流編碼格式H.264和H.26的前端攝像機接入，支持標準RTSP和ONVIF協議  接人，兼容市面上主流廠家攝像機品牌，對輸入碼流  進行解碼處理。
視頻顯示支持：HDMI高清視頻輸出，多畫面顯示。

碼流存儲：支持對接人碼流進行全天存儲和報警錄像，存放報警前后10秒內的視頻。

參數配置：包括算法配置、通道配置以及設備配置。算法配置除了設置算法類別外，還支持屏蔽區域，易誤報或不感興趣區域可設置成屏蔽區域，減少干擾；算法靈敏度和事件持續時間閩值也可以設置，這樣更加靈活，適應更多場景。

智能分析：基于深度學習算法，實時檢測當前接入視頻存在的消防安全隱患，事件持續時間超過設置的閾值時上傳報警，通過客戶端、Weh以及手機APP等方式來推送。