AI时代如何构建贴近公安实战的运维管理系统

　　公安信息化系统建设经历了从“重建设轻应用”“重建设轻运维”到“建维用一体化”三个阶段,系统建设、运维管理和实战应用作为公安信息化系统的三个重要的基本支撑面,已经达成了高度共识。尤其是“天网工程”和“雪亮工程”,作为涵盖了从动态信息采集、实时传输、 实 时记录、 实时处理, 到信息动态图显示、 信息查询统计以及跨区域联网等全方位、 全过程的实时技术系统, 与单纯的数据库系统相比, 系统的运维管理更为重要。 为此, 系统在设计和建设阶段就规划了专 门的运维管理系统, 实现对前端信息采集设备、 中间传输设备到云端的服务器、 数据库等记录和处理设备运行状态的实时监测与故障自动告警, 并将监测和故障告警信息数据用于日常的运维管理和绩效考评, 取得了良好成效。 据统计, 通过该系统, 天网工程的运行完好率达到90%以上。

       传统的天网工程主要用于图像记录和现场还原,并辅助指挥中心在安保或突发事件时对现场进行实时监控,只需要实现“看得清、控得住、查得到”等基本功能,因此运维工作只需重点关注有没有图像、图像是否清晰就可以了.但在AI时代,不仅要求能“看得清、控得住、查得到”, 更要“看得准、 认得出、 找得到”, 系统建设和应用的重点在于对监控图像中的目标、行为、场景特征的解析处理和辨识,为此运维系统所关注的重点也必然会发生改变。

　　一、传统天网工程与运维管理系统架构
       传统天网工程由前端视频采集,传输、节点存储与媒体转发、中心管理等四大部分构成.由于前端视频采集设备运行在不可控的复杂现场环境中,受到温度、 湿度、 雷电干扰、 供电、 现场环境照明以及路政施工等诸多因素的影响,成为系统的主要故障点,占到系统总故障几率的80%以上。其次是网络传输链路与设备、视频存储和转发设备的故障,虽然故障几率较低, 但对系统应用的影响范围较大, 也是工程运维管理工作所关注的重点。

　　运维管理系统利用物联网技术,采用自动化的监测手段, 实现对系统各级节点设备运行和信号状态的监测。为进一步提供运维效率,降低运维成本,还要求系统不仅能够及时发现故障,还要尽可能地准确定位故障产生的原因,甚至尽可能的减少故障发生的几率,如针对前端视频采集设备供电故障而配置具有稳压、UPS、防浪涌、 远程电压监测和远程控制功能的前端智能供电设备, 针对传输故障而配置带有网管功能的接入交换机等等。

　　如图1所示, 传统运维管理系统由前端设备远程监测、中心设备监测、机房环境监控和运维管理平台四部分组成。

　　1.前端设备远程监测

　　对前端监控摄像机、电源、光收发器等设备的运行状态进行实时监测,通过视频网络或4G网络把监测数据传送到运维管理平台进行集中显示、处理、分析和预警。通过前端具有远程控制功能的智能供电设备还可以控制对前端设备的断电重启远程操控。

　　2.中心设备监测

　　对交换机、视频存储、流媒体服务器、管理服务器的工作状态和视频信号进行实时监测,把监测数据传送到运维管理平台进行集中显示、处理、分析和预警。

　　3.机房环境监控

　　对计算机中心机房内的UPS供电设备、供电质量、空调设备、温湿度等设备运行环境进行实时监测,把监测数据传送到运维管理平台进行集中显示、处理、分析和预警。

　　4.运维管理平台

　　实现对运维设备“一机一档” 集中管理、 监测数据的集中存储、处理、显示、预警分析、报警分发等运维数据基本管理,以及维护人员管理、任务管理、工单流转、 绩效考核等业务管理功能。

　　二,AI时代智能天网工程系统架构分析
        进入AI时代,天网工程除了前端视频采集、传输、节点存储与媒体转发、中心管理等传统基础构件之外,增加了对视频图像的处理和智能视觉构件, 包括前端(摄像机内置智能视觉构件)与中心(智能视觉服务器)构件,系统的建设重点也由传统的视频图像的采集、传输、转发、存储与管理应用转到对象特征采集、智能视觉视频解析处理、特征数据与图像存储以及视频AI大数据的管理应用上来(如图2所示).

　　1.AI摄像机

　　带有AI智能视觉分析功能的摄像机,如人脸检测圳拍摄像机、人脸识别摄像机、 车辆检测摄像机、 车辆识别摄像机、行人检测摄像机、 人体特征识别摄像机等, 不仅能采集视频图像, 还能够从视频图像中自动检测识别某类特定的对象、 提取某些特征信息等。

　　2.智能视觉服务器

　　运行智能视觉算法引擎,提供对视频图像的集中解析和处理,是未来智能天网工程建设的重点与核心。

　　三、 智能天网工程运维管理系统结构与检测内容与方法

　　在智能天网工程中,不仅需要关心有没有图像和图像清不清晰,更要关心图像处理和智能视觉分析构件的运行是否正常、运行效能如何.因此,除了传统的监控设备运维监测内容外, 还需要对前后端的智能视觉部件的运行情况和效能进行监测,以保障这些核心构件的运行质量并能产生应用价值(如图3所示).对系统中AI构件的运行监测主要包括对AI智能算法的运行监测和对承载AI运算的硬件模块或服务器的运行监测两部分,其中还分为对前端智能设备的运行监测和对中心智能视觉分析服务器的运行监测。

　　1.对前端智能的监测

　　由于AI部件已经集成到了前端硬件产品中,无法对AI芯片或电路的运行进行监测,因此只能通过对前端智能设备输出的信息数据进行分析, 从中得出该设备AI模块与算法的运行状况与质量。主要从以下两个方面进行监测:

　　(1)通过对是否有数据输出以及输出数据的数量来分析AI模块的运行情况。 由于视频监控图像中的检测目标并不是时刻存在的,因此不能保证总是有视觉AI分析数据的输出, 只能与过去的数据输出统计情况进行对比,从中发现AI模块的运行情况(如图4所示)

　　图4中,系列1为该设备输出数据最高数量,系列2为输出数据最低数量,系列3为设备今日输出数据数量, 在 10:00开始, 数据输出数量明显低于最低值,并在12:00以后没有数据输出,可以判断给设备AI模块已停止运行.

　　(2)通过对输出数量(图片)的质量来检测该设备AI算法的准确度或信息采集的质量。 以人脸检测抓拍AI摄像机为例, 对输出人脸图片的分辨率、 角度等质量指标进行分析检测。

　　2.对中心智能视觉分析(AI)服务器的监测
       对AI分析服务器的网络、 时钟、CPU、 内存、硬盘等硬件资源和AI运算服务的运行情况进行监测。可通过 SNMP 协议进行监测,同时可以通过对AI服务器输出数据的数量和质量分析来监测AI算法的运行情况(如图5所示)

　　四结语

　　综上所示,AI时代智能天网工程已经不再局限于视频图像的人工查看与存储, 而是利用人工智能技术直接从图像中提取所需要的目标特征和行为特征数据,并对关键目标的身份和属性进行辨认识别,从而产生巨大的价值。因此,在AI时代,天网工程的建设重点和核心构件是Al,包括前端、后台、软件和硬件,切实保障AI构件的良好可靠运行是AI时代运维管理系统建设的重点与核心。

作者：毛东升

编辑：广翰楼