劉光堯，郭晶晶，汪 磊，李 偉，侯成剛， 劉冠華，王明直，黃 威，黎智輝，李志剛

（公安部鑒定中心，北京 100038）

在一些疑難案事件視頻的偵查過程中，大都需要對視頻內容進行深入的分析，涉及的監(jiān)控視頻往往存在拍攝距離遠、拍攝角度偏、視頻質量低等問題，從而導致反映案事件變化的關鍵內容無法直觀觀察，一些視頻現(xiàn)象難以清晰解釋，視頻中的有效信息無法獲取。特別是在長時間的視頻分析過程中很容易忽視視頻中一些細微變化，或者這些變化本身就十分微弱難以發(fā)現(xiàn)。能否發(fā)現(xiàn)視頻中的關鍵信息，個人的邏輯推理和視覺觀察能力起到了很大作用[1]。在數(shù)據(jù)層面，一些關鍵信息變得直觀明顯，如亮度值的增減，亮度值標準差變化等，均可體現(xiàn)視頻內容的變化過程。本文提出一種視頻數(shù)據(jù)分析的方法，提取視頻顏色空間參數(shù)數(shù)值，觀察總結其數(shù)據(jù)變化的規(guī)律，后續(xù)視頻分析人員結合視頻內容、邏輯推理和數(shù)據(jù)變化規(guī)律等多方面的信息[2]，從數(shù)據(jù)層面直觀捕捉視頻中的有效信息。筆者將該方法在多起疑難案事件視頻偵查中進行了應用，歸納和總結了相關經(jīng)驗教訓，可作為視頻偵查的一個有效補充手段。

1 視頻數(shù)據(jù)分析方法

1.1 數(shù)據(jù)分析方法

本文通過總結多起疑難案事件視頻分析的經(jīng)驗，借鑒數(shù)據(jù)分析的技術思路和方法，提出在視頻分析過程中首先選擇與案事件密切相關的視頻內容，將能反映案事件變化的關鍵視頻內容進行數(shù)據(jù)量化[3]，建立起視頻內容變化與視頻顏色空間參數(shù)數(shù)據(jù)變化之間的聯(lián)系，后續(xù)分析提取顏色空間中最能表征數(shù)據(jù)變化的參數(shù)，最后在數(shù)據(jù)層面進行視頻內容的分析，根據(jù)數(shù)據(jù)分析的結果，反映案事件視頻內容的變化。

本文提出的視頻數(shù)據(jù)分析算法流程圖見圖1，通過python編寫相關代碼實現(xiàn)并進行實驗驗證。

圖1 視頻數(shù)據(jù)分析算法流程圖Fig. 1 Flowchart of algorithm about video data analysis

1.2 不同顏色空間的參數(shù)選擇

顏色空間是用一組數(shù)值來描述顏色的數(shù)學模型，常見的顏色空間包括RGB、CMY、HSB、HSL、Lab、YUV、GRAY等。

按照視頻數(shù)據(jù)分析流程，視頻內容分析需要選擇提取顏色空間的參數(shù)數(shù)值，本文選擇視頻中常見的RGB、HSB、HSL、YUV以及GRAY顏色空間中的多個參數(shù)進行了統(tǒng)計分析，統(tǒng)計一段時間內所選參數(shù)在感興趣區(qū)域中的平均值和最大值，將其作為選擇參數(shù)對應該視頻內容變化的響應均值和響應峰值。

分析實驗選擇某火災模擬實驗視頻，選擇視頻的暗部、灰部和亮部進行了對比實驗，視頻暗部區(qū)域選擇參數(shù)及對本實驗視頻內容變化的敏感程度見表1，數(shù)據(jù)對比圖見圖2。

根據(jù)統(tǒng)計實驗結果分析可知在數(shù)據(jù)分析時，選擇不同顏色空間的參數(shù)，對視頻內容變化的表現(xiàn)程度不盡相同，各參數(shù)對視頻暗部、灰部和亮部的敏感度排序大體一致，RGB顏色空間的R參數(shù)、HSL顏色空間中L參數(shù)的敏感度一般效果較好，YUV顏色空間中的Y參數(shù)的敏感度變化浮動較大，在實際案例分析中顏色空間參數(shù)的選擇可參考本次實驗統(tǒng)計分析結果。

1.3 應用范圍

本文提出的視頻數(shù)據(jù)分析方法，主要針對一些疑難視頻的分析，如拍攝距離遠、拍攝角度偏、視頻質量低、視頻變化微弱不明顯等的情況。視頻分析人員無法直接從視頻中觀察到案事件的變化，但經(jīng)過邏輯推理可以預測視頻顏色空間的參數(shù)值會產生變化，通過分析該參數(shù)的時間序列變化規(guī)律，實現(xiàn)對視頻內容的時空[4]和邏輯等分析。

表1 不同顏色空間選擇參數(shù)分析表Table 1 Parameters selected to reflect different color spaces

圖2 不同顏色空間參數(shù)曲線對比圖Fig. 2 Comparison among parametric curves of different color spaces

2 數(shù)據(jù)分析方法應用案例

根據(jù)統(tǒng)計實驗結果可知，RGB顏色空間的R參數(shù)、HSL顏色空間中L參數(shù)敏感度一般效果較好。后文應用案例中，案例一和案例二基于RGB顏色空間中的R參數(shù)進行數(shù)據(jù)分析，案例三基于HSL顏色空間中L參數(shù)進行數(shù)據(jù)分析，應用場景見表2。

2.1 起火時刻分析

2.1.1 案例簡介

2020年1月，為研究火場視頻的變化規(guī)律，在天津消防研究所開展一系列火場模擬實驗[5]。案例一視頻選擇海康DS-2CD2326DWDA1-Ⅲ型號的攝像頭錄制的一段起火過程視頻作為分析對象，選擇的實驗視頻共計875幀，幀率為25 fps。

本實驗場景設置為通過引線點燃模擬臥室，現(xiàn)場環(huán)境布置了床、衣柜和部分床上用品等模擬實際居家環(huán)境，現(xiàn)場模擬圖見圖3。

2.1.2 數(shù)據(jù)分析

按照視頻數(shù)據(jù)分析算法流程，選擇非起火點位置（[193, 280], [326, 384]）矩形框區(qū)域作為數(shù)據(jù)分析的興趣區(qū)域，模擬拍攝角度偏和光線微弱、變化不明顯的情況。

表2 實驗視頻應用場景Table 2 Scenarios of tested videos applied for this essay

圖3 火場模擬實驗現(xiàn)場圖Fig. 3 Scene of a simulated fire experiment

提取區(qū)域內RGB顏色空間的R參數(shù)的數(shù)據(jù)進行分析，正常狀態(tài)下參數(shù)值約為139左右，在420幀參數(shù)值突變至180左右，420～540幀參數(shù)值出現(xiàn)劇烈波動，參數(shù)值的最大值出現(xiàn)在453幀為190.42，分析著火點區(qū)域可知實際起火時刻為419幀，數(shù)據(jù)曲線見圖4，著火點時刻與非著火點區(qū)域數(shù)據(jù)分析結果一致，本模擬實驗中借助該數(shù)據(jù)分析方法可以有效確認起火時刻。

圖4 案例一視頻 RGB-R曲線圖Fig. 4 RGB-R curve of video data about case 1

2.2 視頻光影分析

2.2.1 案例簡介

案例二視頻為某墜落事故現(xiàn)場，拍攝距離遠，無法看清事故發(fā)生位置的詳細情況。在未做任何視頻增強處理的情況下，難以觀察到墜落時事故點視頻的內容變化，在使用視偵通進行慢速放大等視頻增強處理后播放事故視頻，隱約可見事故發(fā)生時事故點出現(xiàn)一個亮塊，無法看清亮塊內容，懷疑出現(xiàn)第三人造成人員墜落，本案例視頻共計2 854幀，幀率為25 fps，事故現(xiàn)場圖見圖5。

圖5 事故現(xiàn)場圖Fig. 5 Scene of one accident investigated

2.2.2 數(shù)據(jù)分析

按照數(shù)據(jù)分析算法流程，數(shù)據(jù)分析選擇墜落點位置亮塊附近的（[5, 320], [15, 337]）區(qū)域，提取區(qū)域內RGB顏色空間R參數(shù)的數(shù)據(jù)進行分析，觀察到墜落時出現(xiàn)的亮塊在2 490幀左右，分析整個視頻數(shù)據(jù)時間序列曲線，按照參數(shù)值大于160為亮塊的標準統(tǒng)計，共計出現(xiàn)7次亮塊反應，墜樓時間點出現(xiàn)的亮塊不具有特異性，可以看出現(xiàn)場環(huán)境光線變化較為復雜，數(shù)據(jù)曲線見圖6，綜合事故現(xiàn)場其他證據(jù)可以得出結論：此事故現(xiàn)場出現(xiàn)第三人導致人員墜落的可能性較小。

2.3 光源變化分析

2.3.1 案例簡介

案例三視頻為某火災視頻，火災發(fā)生位置在攝像頭拍攝區(qū)域之外，僅可通過部分區(qū)域的反光現(xiàn)象間接反映火災位置的光影變化，影像變化十分微弱。火災發(fā)生前起火位置的光線變化，可以從側面揭示起火房間的人員活動過程，本案例選擇的視頻片段共計2 993幀，幀率為25 fps，案件現(xiàn)場圖見圖7。

圖6 案例二視頻RGB-R曲線圖（a：墜落時刻RGB-R參數(shù)曲線；b：RGB-R參數(shù)數(shù)值大于160）Fig. 6 RGB-R curve of video data about case 2 (a: RGB-R parametric curve at the moment of falling; b: RGB-R parametric values greater than 160)

圖7 案件現(xiàn)場圖Fig. 7 Scene of the case investigated

2.3.2 數(shù)據(jù)分析

按照數(shù)據(jù)分析算法流程，選擇視頻中反光變化明顯的中心區(qū)域點[536,863]作為分析點（坐標±1像素平均值代表單點），提取區(qū)域內HSL顏色空間L參數(shù)進行數(shù)據(jù)分析，分析結果見表3，并根據(jù)數(shù)據(jù)的變化情況進行了行為的預測，數(shù)據(jù)曲線見圖8。

表3 案例三 HSL-L數(shù)據(jù)分析表Table 3 Data analysis about case 3

圖8 案例三視頻HSL-L曲線圖Fig. 8 HSL-L curve of video data about case 3

3 討論

疑難案事件視頻中涉及關鍵目標的光線變化、反光、發(fā)光等的一些重要信息，有些可以直觀地觀察到，有些進行視頻增強后仍無法觀察出來。在后一種情況下，結合邏輯推理預測視頻中相關內容的變化，將案事件關心的視頻內容變化轉化成顏色空間中參數(shù)的數(shù)據(jù)改變，視頻內容變化經(jīng)量化后將更加直觀明顯，可進一步降低干擾因素對視頻解讀的影響，直觀準確地將視頻內容的變化表征出來，揭示視頻中隱藏的細節(jié)，提供更加可靠的證據(jù)材料。

本方法取得良好效果的關鍵是視頻內容變化的參數(shù)量化，選擇合適的感興趣區(qū)域，并對量化參數(shù)的數(shù)據(jù)變化規(guī)律進行準確的解讀，但案事件現(xiàn)場的視頻情況復雜，視頻中環(huán)境變化多樣，視頻存儲的屬性千差萬別，都會對視頻數(shù)據(jù)分析的過程及結果造成干擾，本文僅將該方法在3個案例中進行了初步應用，在數(shù)據(jù)分析時選擇哪些參數(shù)，選擇參數(shù)的哪些統(tǒng)計信息，都可能對結果產生影響，如何將數(shù)據(jù)分析的一些方法在視頻偵查過程中更好地應用，還需要進一步的探索研究。