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
相关文章
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
66 3
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
网络通讯技术:HTTP POST协议用于发送本地压缩数据到服务器的方案。
总的来说,无论你是一名网络开发者,还是普通的IT工作人员,理解并掌握POST方法的运用是非常有价值的。它就像一艘快速,稳定,安全的大船,始终为我们在网络海洋中的冒险提供了可靠的支持。
59 22
|
15天前
|
拓展校友网络的创新解决方案:校园论坛圈子小程序+跑腿+二手市场系统
这是一款基于小程序的校园跑腿服务平台,支持多种注册登录方式、下单支付、跑腿接单配送、订单跟踪评价及物流查询功能,并配备客服模块提升用户体验。系统包含用户、客服、物流、跑腿员和订单五大核心模块,功能完善。此外,平台还拓展了校友网络功能,如信息咨询发布、校园社区建设和活动组织等,旨在增强校友互动与联系,形成紧密的校友生态。
44 4
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
害虫识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了12种常见的害虫种类数据集【"蚂蚁(ants)", "蜜蜂(bees)", "甲虫(beetle)", "毛虫(catterpillar)", "蚯蚓(earthworms)", "蜚蠊(earwig)", "蚱蜢(grasshopper)", "飞蛾(moth)", "鼻涕虫(slug)", "蜗牛(snail)", "黄蜂(wasp)", "象鼻虫(weevil)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Djan
126 1
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
基于DeepSeek的生成对抗网络(GAN)在图像生成中的应用
生成对抗网络(GAN)通过生成器和判别器的对抗训练,生成高质量的合成数据,在图像生成等领域展现巨大潜力。DeepSeek作为高效深度学习框架,提供便捷API支持GAN快速实现和优化。本文详细介绍基于DeepSeek的GAN技术,涵盖基本原理、实现步骤及代码示例,展示其在图像生成中的应用,并探讨优化与改进方法,如WGAN、CGAN等,解决模式崩溃、训练不稳定等问题。最后,总结GAN在艺术创作、数据增强、图像修复等场景的应用前景。
229 16
基于ssm的网络直播带货管理系统,附源码+数据库+论文
该项目为网络直播带货网站,包含管理员和用户两个角色。管理员可进行主页、个人中心、用户管理、商品分类与信息管理、系统及订单管理;用户可浏览主页、管理个人中心、收藏和订单。系统基于Java开发,采用B/S架构,前端使用Vue、JSP等技术,后端为SSM框架,数据库为MySQL。项目运行环境为Windows,支持JDK8、Tomcat8.5。提供演示视频和详细文档截图。
59 10
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
159 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
云原生应用网关进阶:阿里云网络ALB Ingress 全面增强
云原生应用网关进阶:阿里云网络ALB Ingress 全面增强
机器学习在网络流量预测中的应用:运维人员的智慧水晶球?
机器学习在网络流量预测中的应用:运维人员的智慧水晶球?
137 19