随着平安城市的飞速发展和安防应用的深入与推广，应用场景对视频的依赖急剧增加，同时对智能视频分析也提出了巨大的挑战，这些挑战主要来自于以下几个方面

• 摄像头数量和每天产生的视频数量急速增加。

  如图所示，分别来自于 IDC1和 IHS2咨询公司的数据显示，到 2023 年监控摄像头将达到 27.6亿台，截止 2019 年存量摄像头每天将产生高达 2500PB 的视频量。

• 海量摄像头之间数据的协同感知

  摄像头之间的互感互知是对摄像头产生的视频进行分析和特征提取的更近一步要求。诸如全城摄像头实时布控、跨摄像头目标追踪等都需要将多个摄像头中目标进行协同匹配和协作分析。

城市中部署的监控摄像头每天会产生海量的视频数据，但这些原始视频资料却很少有人观看，如果能把所有未观看的视频转换成可以随时搜索内容的素材，那么犯罪问题会更快的得到解决，城市会更安全。如何利用现有的技术对大规模视频数据深度地、智能地分析和利用一个亟待解决的问题。

本项目借助深度学习技术对视频数据进行处理，高效对海量视频中的行人进行结构化分析，从而能够加快检索速度。本项目采用行人检测算法、行人跟踪算法、行人抓拍算法、行人量评分算法及行人识别算法、结合配套的前端摄像机设备和后端平台业务系统，实现了动态黑名单比对报警、静态人脸图片检索、大数据分析挖掘等功能。该项目广泛应用于火车站、地铁站、机场、小区、酒店等各类人员落脚场所，实现敏感人群的态势分析、动态轨迹研判等。系统提供丰富的“人像防控”应用，让传统警务从“事后被动侦查”往“事前主动预警”转变。逐步构建人像的“点、线、面”三类打防控模型。除此之外也能有效地监测某些地区附近各大商圈的实时人流量，做好人流量疏散，预防交通堵塞等问题。

建设城市视频监控系统是实现城市安全和稳定的重要基础，是平安城市建设的重要组成部分，更成为智慧城市的重要载体。近些年，监控设备随着安防产业的发展大量增加，利用计算机技术实现监控系统的智能化成为一个热门的研究领域。视频结构化作为数字视网膜的关键一环，对于构建智慧城市尤其重要。商业应用上的数据多为结构化数据，每个数据都由一系列明确的描述属性组成，大数据处理系统则可以根据使用者的要求将不同的属性进行归类，从而发现和掌握事物发展的客观规律。而视频则不然，除了时间和空间的属性外，并没有其他的标签。除了按照时间和地点查找相应的视频外，大多的视频只能靠人慢慢甄别，这离大数据应用还相去甚远。要做到大数据应用，就必须为视频中的每个目标贴上更多的属性标签，也就是业内所说的结构化过程。需要通过一些算法自动把视频中目标的特征识别出来，并贴上标签后入库，这样在日后需要的时候，才能实现海量视频的快速查询和碰撞研判，甚至能像商业大数据那样做到归类统计。

视频结构化的本质就是视频中的目标结构化，包括视频中行人结构化、人脸结构化、非机动车结构化、机动车机构化等。而结构化的核心就是如何准确地识别目标的属性信息，本项目是一个易于使用并且功能强大的软件解决方案，能够对视频内容快速处理和分析，深度挖掘视频的价值。此外还能在限定的范围内快速地定位所感兴趣的行人对象，对其轨迹进行跟踪和预测。从而帮助失踪人口、以及嫌疑人的快速追踪。