DLVS平安城市应用网络视频监控系统方案

简介:
 

  一、 项目综述

建立一个省级城市的视频监控系统,分为二级监控中心,共计1500个头,建立这样一个大规模的视频监控系统,需要采用哪种方式?通过以下视频监控三种系统功能对比得出

网络监控是技术发展的必然趋势,也是提高工作效率的一种全新管理工具

可建立一个省级城市跨区域的网络视频监控系统,将不同地域,不同层次的独立监控系统进行有机整合,实现上级监控系统对下级监控系统的访问、控制,并可实现多级别访问。该系统既可满足各监控系统的常规视 频监控业务,也可实现对下级别监控系统的访问,彻底打破布控区域的地域界限和设备扩展的数量限制,特别适合于大范围、分布式监控和集中管理的应用领域。

二、系统方案

系统网络环境

城市网络视频监控系统是一个完全基于TCP/IP网络平台的集视频监控、报警的综合性监控管理平台。以建设好的省市主干1000M专网为通讯网络,每个前端提供2M光纤接入。
系统的总体构架图,各个区域中心通过质量保证的线路级联起来(分配一定的带宽),这部分是监控中心的设备。各区域中心可以独立建设和独立发展客户,理论上区域中心可以不限层数地设立。通过区域中心的级联,可以满足发展跨区域用户的需要,原则上鼓励就近管理用户和用户设备,视音频数据也采取就近存储。这有利于保证客户服务质量的提高,可以提供有效的带宽使用和带宽管理。

系统网路组成

整个网络视频监控系统由总中心、分中心、监控前端组成,系统可分为二个管理层次(总中心、分中心),用户可分布在网络的任何部位。

技术实现

2.1监控中心:

无论是总中心还是分中心,系统主要由中心管理服务器、网管工作站、存储服务器、网络视频解码器和大屏幕显示系统等组成。在一个区域中心可以设立一个统一的数据库服务器,各管理服务器与此数据库直接相连。当然也可以在各管理服务器上直接设立数据库服务。在区域中心内设立一个磁盘阵列构成的存储网络服务器群,主要向用户提供中心媒体存储的服务功能。可以根据客户的需要给每个客户管理服务器分配一定数量的存储空间。此外用户也可以选择带本地存储的前端设备。

2.2监控前端

根据各城市的具体情况,在各监控点安装相应的监控摄像机(彩色或黑白、固定或活动云台、定焦或变焦)和软件系统。在每个公共场合可以安装一个或数个监控摄像机,外围再各配备一台云台、防护罩及云台控制器。每个视频采集点各匹配一台视频编码器。监控摄像机用于采集城市公共场合状况视频信号。云台可以由控制中心的计算机控制。

这部分是保证整个系统工作质量最重要的部分。视频编码器负责把摄像机的模拟视频信号转变成数字信号,同时进行压缩,另外也传输控制信号,视频编码器内置10/100M网卡,通过网线连接到无线设备上,编码压缩处理后的监控信息通过无线网络汇集到监控管理中心,监控中心能看到所监控点的实时状况,监控人员可通过监控中心局域网或Internet远程实时浏览视频图像、遥控云台。

监控前端——DLVS网络视频服务器

根据宽带IP网络系统的特点及视频监控业务方面的要求,采用网络化分布式视频接入、多级分布式客户机/服务器架构来实现。

网络化分布式视频接入,是指采用专用的视频接入设备就近将监控视频接入网络。利用网络视频服务器将摄象机信号进行模拟数字转换,编码形成数据流,通过网络进行传输。

多级分布式客户机/服务器架构,分别在总中心、分中心设置多级视频服务器,调度管理各级用户的请求。各级视频监控终端只需通过网络连接到本级视频服务器,通过本级视频调配服务器获得所需视频流,既可以避免网络因视频流量的增加而造成整个网络系统拥塞发生,保证整个网络系统的运行安全;又便于各业务职能部门对监控视频的共享访问和分布式控制管理。

我公司自行研发、具有自主知识产权的网络视频服务器是专业的分布式监控产品,基于实时嵌入式操作系统,采用高性能视频DSP处理器,编码效率高、图象质量高清。网络上的用户可以直接用浏览器或其他专用支持软件观察远程摄像机的图像,同时还可以通过网络对该视频服务器设置、操作、控制云台、镜头等。

视频终端

输出端可根据实际的电视墙显示单元个数配置相应数量的解码器。每台网络视频接出终端实现网络视频信号的解码输出,并将视频信号送指定电视墙显示单元或大屏幕系统显示。网络视频解码器可以随时接收网络视频调配服务器发送来的连接指令,实现指定视频信号的解码输出。公司现已有DLVS111D、DLVS241D、DLVS282D三款解码器,可分别实时实现1、4、8路4CIF、2CIF、HCIF、CIF分辨率解码。

  三、方案总结

“平安城市”的建立,覆盖面广,工程巨大。合理利用现有网络资源,建立一个跨区域的网络视频监控系统,彻底打破布控区域的地域界限和设备扩展的数量限制,整合不同地域,不同层次的独立监控系统。

采用专用的视频接入设备网络视频服务器就近将监控视频接入网络,各级视频监控终端只需通过网络连接到本级视频服务器,通过本级视频调配服务器获得所需视频流。网络中各级用户统一接受权限管理,引入多用户优先级管理机制,避免控制冲突,保证各监控点控制的唯一性。基于IP网络的分布式存储使得海量存储成为可能,并能够满足多用户的共享需求。视频流数据在各级视频服务器的统一调度管理下,从视频接入终端逐级向上发送相应的视频流。本地的视频监控终端只需登录到本地的视频服务器即可以申请到权限所允许的图像。如果在逐级的各级调配之间发生连接中断时,上一级的视频服务器可以跳过断开连接的视频服务器和下一级视频服务器连接。为充分保证每个监控点的带宽,采用MPEG4的编码标准,带宽占用较低,并可实现图像的优质传输和存储,而且传输距离较远,适用于城市广阔场合的监控。

综上所述,利用网络视频服务器、解码器,构成基于现有网络设施的IP监控网络,省时省力、安全高效。



来源:51CTO
目录
相关文章
|
14天前
|
监控 安全 Linux
在 Linux 系统中,网络管理是重要任务。本文介绍了常用的网络命令及其适用场景
在 Linux 系统中,网络管理是重要任务。本文介绍了常用的网络命令及其适用场景,包括 ping(测试连通性)、traceroute(跟踪路由路径)、netstat(显示网络连接信息)、nmap(网络扫描)、ifconfig 和 ip(网络接口配置)。掌握这些命令有助于高效诊断和解决网络问题,保障网络稳定运行。
45 2
|
2月前
|
机器学习/深度学习 数据采集 人工智能
未来的守护神:AI驱动的网络安全之盾,如何用智慧的光芒驱散网络黑暗势力?揭秘高科技防御系统背后的惊天秘密!
【10月更文挑战第3天】随着网络技术的发展,网络安全问题日益严峻,传统防御手段已显不足。本文探讨了构建AI驱动的自适应网络安全防御系统的必要性及其关键环节:数据采集、行为分析、威胁识别、响应决策和执行。通过Python库(如scapy、scikit-learn和TensorFlow)的应用实例,展示了如何利用AI技术提升网络安全防护水平。这种系统能够实时监控、智能分析并自动化响应,显著提高防护效率与准确性,为数字世界提供更强大的安全保障。
62 2
|
28天前
|
监控 安全 测试技术
网络信息系统的整个生命周期
网络信息系统规划、设计、集成与实现、运行维护及废弃各阶段介绍。从企业需求出发,经过可行性研究和技术评估,详细设计系统架构,完成设备安装调试和系统集成测试,确保稳定运行,最终安全退役。
34 1
网络信息系统的整个生命周期
|
14天前
|
网络协议 网络安全 网络虚拟化
本文介绍了十个重要的网络技术术语,包括IP地址、子网掩码、域名系统(DNS)、防火墙、虚拟专用网络(VPN)、路由器、交换机、超文本传输协议(HTTP)、传输控制协议/网际协议(TCP/IP)和云计算
本文介绍了十个重要的网络技术术语,包括IP地址、子网掩码、域名系统(DNS)、防火墙、虚拟专用网络(VPN)、路由器、交换机、超文本传输协议(HTTP)、传输控制协议/网际协议(TCP/IP)和云计算。通过这些术语的详细解释,帮助读者更好地理解和应用网络技术,应对数字化时代的挑战和机遇。
51 3
|
14天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
57 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
28天前
|
机器学习/深度学习 存储 运维
图神经网络在复杂系统中的应用
图神经网络(Graph Neural Networks, GNNs)是一类专门处理图结构数据的深度学习模型,近年来在复杂系统的研究和应用中展现了强大的潜力。复杂系统通常涉及多个相互关联的组件,其行为和特性难以通过传统方法进行建模和分析。
48 3
|
28天前
|
编解码 安全 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(10-2):保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali——Liinux-Debian:就怕你学成黑客啦!)作者——LJS
保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali以及常见的报错及对应解决方案、常用Kali功能简便化以及详解如何具体实现
|
3月前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
136 22
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
3月前
|
机器学习/深度学习 人工智能 算法
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
110 12
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
|
3月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
108 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面