ICS35.020CCSL703308代替DB3308/T125-2022TechnicalspecificationsforgrassrootssmartgovernancebrainstructuredprocofvideoimagesIDB3308/T125-2024 2規(guī)范性引用文件 3術(shù)語和定義 4結(jié)構(gòu)化處理流程與事件組成 5數(shù)據(jù)采集要求 36內(nèi)容分析與結(jié)果描述要求 47信息存儲要求 9附錄A（資料性）基層智治大腦內(nèi)容分析結(jié)果的特征屬性描述 DB3308/T125-2024本標準按照GB/T1.1—2020《標準化工作導(dǎo)則第1部分：標準化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。本標準代替DB3308/T125—2022《基層智治大腦視頻圖像結(jié)構(gòu)化處理技術(shù)規(guī)范》，與DB3308/T125—2022相比，除結(jié)構(gòu)調(diào)整和編輯性改動外，主要技術(shù)變化如下：a)更改了“規(guī)范性引用文件”的引用文件（見第2章，2018年版的第2章）；b)更改了“基層智治大腦分析與描述的基層治理事件組成”（見第4.2，2018年版的第4.2c)增加“煙霧識別”等共4項事件（見第5.2）；d)增加“可疑人員出現(xiàn)閾值”的相關(guān)內(nèi)容（見附錄A）；e)更改了“事件類型”的相關(guān)規(guī)定（見附錄A）；f)增加“遺留物品類型”和“物品堆放”的特征屬性（見附錄A）；g)增加《事件內(nèi)容描述表》（見附錄A）；h)增加《事件結(jié)果輸出準確率表》（見附錄A）；請注意本標準的某些內(nèi)容可能涉及專利，本標準的發(fā)布機構(gòu)不承擔識別專利的責(zé)任。本標準由衢州市數(shù)據(jù)局提出并歸口。本標準起草單位：衢州市數(shù)據(jù)局、浙江省質(zhì)量科學(xué)研究院、阿里云計算有限公司、阿里巴巴達摩院城市大腦實驗室、衢州市衢江區(qū)社會治理中心。本標準主要起草人：毛小兵、蔣偉、樓水能、鄒巧柔、項波、蔣林、鄭秀峰、吳效威、蒯峰陽、陳志勇。本標準及其所代替標準的歷次版本發(fā)布情況為：——2022年首次發(fā)布為DB3308/T125-2022；——本次為第一次修訂。DB3308/T125-20241基層智治大腦視頻圖像結(jié)構(gòu)化處理技術(shù)規(guī)范本標準規(guī)定了基層智治大腦視頻圖像結(jié)構(gòu)化處理流程與事件組成、數(shù)據(jù)采集要求、內(nèi)容分析與結(jié)果描述要求、信息存儲要求等技術(shù)規(guī)范。本標準適用于基層智治大腦視頻圖像數(shù)據(jù)結(jié)構(gòu)化處理的開發(fā)建設(shè)，其他領(lǐng)域的視頻圖像數(shù)據(jù)結(jié)構(gòu)化處理可參考采用。2規(guī)范性引用文件下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本標準必不可少的條款。其中，注日期的引用文件，僅該日期對應(yīng)的版本適用于本標準；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本標準。GB/T28181—2022公共安全視頻監(jiān)控聯(lián)網(wǎng)系統(tǒng)信息傳輸、交換、控制技術(shù)要求GB/T30147—2013安防監(jiān)控視頻實時智能分析設(shè)備技術(shù)要求GB37300—2018公共安全重點區(qū)域視頻圖像信息采集規(guī)范GB50198—2011民用閉路監(jiān)視電視系統(tǒng)工程技術(shù)規(guī)范GA/T1399.1—2017公安視頻圖像分析系統(tǒng)第1部分：通用技術(shù)要求GA/T1399.2—2017公安視頻圖像分析系統(tǒng)第2部分：視頻圖像內(nèi)容分析及描述技術(shù)要求GA/T1400.1—2017公安視頻圖像信息應(yīng)用系統(tǒng)第1部分：通用技術(shù)要求GA/T1400.3—2017公安視頻圖像信息應(yīng)用系統(tǒng)第3部分：數(shù)據(jù)庫技術(shù)要求3術(shù)語和定義GB37300—2018、GB/T30147—2013、GA/T1399.1—2017、GA/T1399.2—2017、GA/T1400.1—2017、和GA/T1400.3—2017界定的以及下列術(shù)語和定義適用于本標準。3.1結(jié)構(gòu)化處理structuredprocessing對沒有固定結(jié)構(gòu)的數(shù)據(jù)通過設(shè)定的規(guī)則轉(zhuǎn)換成能用統(tǒng)一結(jié)構(gòu)進行邏輯表達的信息。4結(jié)構(gòu)化處理流程與事件組成4.1結(jié)構(gòu)化處理流程4.1.1基層智治大腦視頻圖像的結(jié)構(gòu)化處理流程如圖1所示。2內(nèi)容分析與結(jié)果描述內(nèi)容分析與結(jié)果描述源數(shù)據(jù)信息存儲圖1基層智治大腦視頻圖像結(jié)構(gòu)化處理流程4.1.2基層智治大腦的輸入源數(shù)據(jù)應(yīng)包括網(wǎng)絡(luò)視頻流和視頻/圖像文件，宜支持實時的數(shù)字視頻信號輸4.1.3輸入的視頻圖像數(shù)據(jù)(按照設(shè)定的分析規(guī)則)經(jīng)過內(nèi)容分析后，應(yīng)輸出包括相應(yīng)事件視頻、圖像、標簽等信息的結(jié)果描述。4.1.4輸出的事件信息結(jié)果描述應(yīng)支持存入存儲設(shè)備和數(shù)據(jù)庫，并用于其它相關(guān)應(yīng)用。4.2基層治理事件組成基層智治大腦分析與描述的基層治理事件組成如圖2所示。基層智治大腦分析與描述的基層治理事件組成如圖2所示。基層智治大腦分析與描述的基層治理事件組成綜合治理平安法治公共服務(wù)經(jīng)濟生態(tài)人數(shù)超限人群聚集游商攤販土地苫蓋非機動車違規(guī)停放人員佩戴安全帽橫穿馬路人員在崗非機動車占用機動車道人員闖入非機動車逆行消防通道阻塞占道撐傘圖2基層智治大腦分析與描述的基層治理事件組成DB3308/T125-20243基層治理事件包含但不限于：機動車違規(guī)停放、游商攤販、店外經(jīng)營、非機動車違規(guī)停放、橫穿馬路、非機動車占用機動車道、非機動車逆行、踩踏草坪、占道廣告牌、占道撐傘、沿街晾曬、人數(shù)超限、人群聚集、車輛核入、土地苫蓋、積水、人員佩戴安全帽、人員在崗、人員闖入、消防通道阻塞、電動自行車進入電梯、渣土車追蹤、垃圾隨意堆放、垃圾箱滿溢等。5數(shù)據(jù)采集要求5.1數(shù)據(jù)種類輸入數(shù)據(jù)應(yīng)包括視頻數(shù)據(jù)、圖像數(shù)據(jù)、與視頻圖像數(shù)據(jù)相關(guān)聯(lián)的設(shè)備數(shù)據(jù)，設(shè)備數(shù)據(jù)應(yīng)包括但不限于GB/T28181中規(guī)定的設(shè)備屬性數(shù)據(jù)、絕對時間數(shù)據(jù)等。5.2視頻圖像采集部位基層智治大腦視頻圖像采集部位為基層治理事件發(fā)生的重點公共區(qū)域，具體要求見表1。法律、行政法規(guī)對視頻圖像采集有特殊要求的從其規(guī)定。表1重點公共區(qū)域基層治理事件的采集部位在城市人行橫道道路以及其他易于發(fā)生機動在小區(qū)、學(xué)校、菜市場、商場周邊以及其他易于出在城市人行橫道道路及其他易于發(fā)生非機動車違在機動車道及其他易于發(fā)生非機動車占用機在小區(qū)、學(xué)校、菜市場、商場及其他易于出現(xiàn)占在小區(qū)、學(xué)校、菜市場、商場及其他易于出現(xiàn)沿在園區(qū)或廠區(qū)車輛出入口，及其他易于出現(xiàn)車在城市道路，非鄉(xiāng)村小路和不平整土路等，及其他易于出在工廠廠房和建筑工地，及其他易于出現(xiàn)人員在煤炭、電力、化工等行業(yè)監(jiān)控室、值班室，及其他易于出現(xiàn)人在工廠危險區(qū)域、電場危險區(qū)域、重點警戒區(qū)域，及其他易于出現(xiàn)人在電梯轎廂內(nèi)部，及其他易于出現(xiàn)電動自行車進DB3308/T125-20244表1重點公共區(qū)域基層治理事件的采集部位（續(xù)）在居民或商鋪門口，垃圾投放點附近，及其他易于出現(xiàn)垃針對居民住宅區(qū)等場景中出現(xiàn)白色煙霧將及時進行上報，第一在居民生活區(qū)域中對道路罐式?；奋囕v與廂式危化品車輛進行5.3視頻圖像格式要求視頻圖像數(shù)據(jù)的輸入格式與方式應(yīng)符合GA/T1399.1—2017中5.1的相關(guān)規(guī)定。5.4視頻圖像質(zhì)量要求對于輸入的視頻圖像數(shù)據(jù)質(zhì)量，應(yīng)達到GB50198—2011中5.4.3描述的4級或4級以上，輸入的視頻圖像照明條件應(yīng)達到GB50198—2011中3.2.12對于照明條件的要求。6內(nèi)容分析與結(jié)果描述要求6.1概述對于基層智治大腦輸入的視頻圖像數(shù)據(jù)，數(shù)據(jù)分析軟件應(yīng)按照以下設(shè)定的內(nèi)容分析要求，分析基層治理事件信息，并輸出以下設(shè)定的分析結(jié)果描述。描述結(jié)果特征屬性格式見附錄A中的表A.1。6.2機動車違規(guī)停放在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出滯留超過指定時間且在指定時間內(nèi)未駛離的機動車目標，并先后輸出兩次報警事件，第一次告警應(yīng)支持輸出：攝像機標識上報大小圖影像、事件發(fā)生時間，宜支持輸出：車牌識別信息（在車牌滿足識別條件下第二次告警應(yīng)支持輸出同一車牌關(guān)聯(lián)的告警信息（事件描述見A.2）。對于采集的視頻圖像中的機動車目標進行識別，機動車目標框的邊長應(yīng)不小于100像素，車牌字符應(yīng)人眼清晰可辨且車牌目標框的尺寸應(yīng)不小于80×25像素、傾斜或側(cè)傾角應(yīng)小于15°,機動車違規(guī)停放事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.3游商攤販在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出滯留指定時間的機動車或非機動車后斗、箱子、框子、桌子、大片布或紙等經(jīng)營類載體，且裝有食品加工工具、農(nóng)副產(chǎn)品、小商品或其他貨物的目標，對于采集的視頻圖像中的機動車或非機動車后斗、箱子、框子、桌子、大片布或紙等經(jīng)營類載體目標和裝有食品加工工具、農(nóng)副產(chǎn)品、小商品或其他貨物目標進行識別，目標框的邊長應(yīng)不小于100像素，游商攤販事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。DB3308/T125-202456.4店外經(jīng)營在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出滯留指定時間的箱子、框子、桌子、冰箱、大片布或紙等經(jīng)營類載體目標，并輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、上報大小圖影像、事件發(fā)生時間（事件描述見表A.2）。對于采集的視頻圖像中的箱子、框子、桌子、冰箱、大片布或紙等經(jīng)營類載體目標進行識別，目標框的邊長應(yīng)不小于70像素，店外經(jīng)營事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.5非機動車違規(guī)停放在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出停留超過指定時間的二輪車或三輪車目標，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、上報大小圖影像、事件發(fā)生時間（準確率見表A.4）。對于采集的視頻圖像中的二輪車或三輪車進行識別，目標框的邊長應(yīng)不小于70像素，非機動車違規(guī)停放事件輸出結(jié)果的識別準確率應(yīng)不小于90%，非機動車類別（聚集二輪車/單獨二輪車/三輪車）的識別準確率應(yīng)不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.6橫穿馬路在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出行人與非機動車橫穿馬路的事件，實時檢測并上報（準確率見表A.4）。對于采集的視頻圖像中的非機動車和行人目標進行識別，目標框的邊長應(yīng)不小于150像素，橫穿馬路事件輸出結(jié)果的識別準確率應(yīng)不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.7非機動車占用機動車道在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出非機動車占用機動車道的事件，實時檢測并上報（準確率見表A.4）。對于采集的視頻圖像中的非機動車目標進行識別，目標框的邊長應(yīng)不小于150像素，非機動車占用機動車道事件輸出結(jié)果的識別準確率應(yīng)不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.8非機動車逆行在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出非機動車逆行事件，實時檢測并上報（準確率見表A.4）。對于采集的視頻圖像中的非機動車目標進行識別，目標框的邊長應(yīng)不小于150像素，非機動車逆行事件輸出結(jié)果的識別準確率應(yīng)不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.9踩踏草坪在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出行人踩踏草坪的事件，實時檢測并上報（準確率見表A.4）。對于采集的視頻圖像中的行人目標進行識別，目標框的邊長應(yīng)不小于150像素，踩踏草坪事件輸出結(jié)果的識別準確率應(yīng)不小于85%。DB3308/T125-20246經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.10占道廣告牌在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出違規(guī)戶外廣告牌(燈箱廣告牌)目標，輸出報警事件，告警應(yīng)支持輸出：攝像機標識、時間、目標區(qū)域坐標、目標摳圖、全圖等（準確率見表A.4）。對于采集的視頻圖像中的戶外廣告牌目標進行識別，目標框的尺寸應(yīng)大于150×100像素，廣告牌違規(guī)占道事件輸出結(jié)果的識別準確率應(yīng)不小于80%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.11占道撐傘在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出滯留指定時間的方形獨立大棚或圓形大傘目標，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、上報大小圖影像、事件發(fā)生時間（準確率見表A.4）。對于采集的視頻圖像中的方形獨立大棚或圓形大傘目標進行識別，目標框的邊長應(yīng)不小于70像素，占道撐傘事件輸出結(jié)果的識別準確率應(yīng)不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.12沿街晾曬在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出滯留指定時間的成片懸掛的被子、衣物目標，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、上報大小圖影像、事件發(fā)生時間（準確率見表A.4）。對于采集的視頻圖像中的成片懸掛的被子和衣物目標進行識別，目標框的邊長應(yīng)不小于100像素，沿街晾曬事件輸出結(jié)果的識別準確率應(yīng)不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.13人數(shù)超限在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出人員總數(shù)超出廠房規(guī)定人數(shù)上限的事件，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、上報大小圖影像、廠房內(nèi)實時人數(shù)，事件發(fā)生時間（準確率見表A.4）。對于采集的視頻圖像中的人員頭部目標進行識別，目標框的邊長應(yīng)不小于16像素，人員頭部應(yīng)清晰可見，人員身體應(yīng)有50%以上區(qū)域可見，人數(shù)超限事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.1，描述結(jié)果特征屬性格式見附錄A中的表A.2。6.14人群聚集在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出總?cè)藬?shù)超過設(shè)定閾值的事件，輸出報警事件，告警應(yīng)支持輸出：攝像機標識、上報大小圖影像、畫面內(nèi)總?cè)藬?shù)，事件發(fā)生時間等（準確率見表A.4）。對于采集的視頻圖像中的人員頭部目標進行識別，目標框的邊長應(yīng)不小于16像素，人員頭部應(yīng)清晰可見，人群聚集事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.15車輛核入在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出經(jīng)過指定區(qū)域的車輛目標，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、上報大小圖影像、經(jīng)過時間以及車輛車牌等（事件描述見表A.2）。DB3308/T125-20247對于采集的視頻圖像中的車輛目標進行識別，車輛目標框的尺寸應(yīng)大于80×80像素，車輛目標應(yīng)無明顯遮擋、體積大、移動速度慢、人眼清晰可辨，車牌目標框的尺寸應(yīng)大于30×10像素，車牌字符應(yīng)人眼可見，車輛車牌事件輸出結(jié)果的識別準確率應(yīng)不小于95%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.16土地苫蓋在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出明顯土方和裸土未苫蓋目標，輸出報警事件，對于采集的視頻圖像中的土方和裸土未苫蓋目標進行識別，目標框的尺寸應(yīng)大于200×200像素，土地苫蓋事件輸出結(jié)果的識別準確率應(yīng)不小于80%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.17積水在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出明顯道路積水影響人員車輛通行的事件，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識，積水位置、上報大小圖影像、事件發(fā)生時間等（事件描述見表A.2）。對于采集的視頻圖像中的積水目標進行識別，目標框的尺寸應(yīng)大于150×150像素,影響通行，道路積水事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.18人員佩戴安全帽在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出有人員未佩戴安全帽的事件，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、上報大小圖影像、事件發(fā)生時間（事件描述見表A.2）。對于采集的視頻圖像中的人員頭部目標進行識別，目標框的邊長應(yīng)不小于16像素，人員頭部應(yīng)清晰可見，人員身體應(yīng)有50%以上區(qū)域可見，人員未佩戴安全帽事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.19人員在崗在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出超過設(shè)定時間沒有工作人員在崗的現(xiàn)象，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、上報大小圖影像、事件發(fā)生時間等（事件描述見表A.2）。對于采集的視頻圖像中的人員身體目標進行識別，目標框的邊長應(yīng)不小于100像素，人員身體應(yīng)有50%以上區(qū)域可見，人員脫崗事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.20人員闖入在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出有人員進入指定區(qū)域的現(xiàn)象，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、上報大小圖影像、人員闖入時（事件描述見表A.2）。對于采集的視頻圖像中的人員身體目標進行識別，目標框的邊長應(yīng)不小于100像素，人員身體應(yīng)有50%以上區(qū)域可見，人員闖入事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.21消防通道阻塞DB3308/T125-20248在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出停留超過指定時間的機動車、非機動車等相關(guān)堵塞物目標，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識，目標堵塞位置、上報大小圖影像、事件發(fā)生時間等（事件描述見表A.2）。對于采集的視頻圖像中的阻塞物目標進行識別，目標框的尺寸應(yīng)大于50×50像素，消防通道阻塞事件輸出結(jié)果的識別準確率應(yīng)不小于80%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.22電動自行車進入電梯在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出電動自行車已經(jīng)進入或正在進入電梯的事件，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、上報大小圖影像、進入時間等（事件描述見表A.2）。對于采集的視頻圖像中的電動自行車目標進行識別，目標框的尺寸應(yīng)大于80×80像素，電動自行車應(yīng)無明顯遮擋、體積大、移動速度慢、人眼清晰可辨，電動自行車進入電梯事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.23渣土車追蹤在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出停留超過指定時間渣土車目標，輸出報警事件，告警應(yīng)支持輸出：時間、點位ID、目標框位置、車牌號、目標進入?yún)^(qū)域時間、目標離開區(qū)域時間、車輛朝向、車身顏色、是否苫蓋、是否有車頂燈、車牌是否被遮擋、車尾是否涂刷噴涂號等信息（事件描述見表A.2）。對于采集的視頻圖像中的渣土車目標進行識別，渣土車目標框的尺寸應(yīng)大于80×80像素，渣土車應(yīng)無明顯遮擋、體積大、移動速度慢、人眼清晰可辨，車輛朝向、車身顏色、是否苫蓋、是否有車頂燈、車牌是否被遮擋、車尾是否涂刷噴涂號等狀態(tài)應(yīng)人眼可見，車牌目標框的尺寸應(yīng)大于20×40像素，車牌應(yīng)人眼可見，左右偏移角度不超過30°,渣土車車牌輸出結(jié)果的識別準確率應(yīng)不小于90%，渣土車車輛朝向、車身顏色、是否苫蓋、是否有車頂燈、車牌是否被遮擋、車尾是否涂刷噴涂號等信息的輸出結(jié)果的識別準確率應(yīng)不小于85%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.24垃圾隨意堆放在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出人眼可見包含剩菜剩飯飯菜、紙箱子、金屬易拉罐、衣服、建筑垃圾、電子垃圾、裝修材料、家具、玻璃、落葉、金屬桶、廢紙、塑料瓶、塑料泡沫、塑料垃圾(塑料包裝、塑料袋、餐盒)、垃圾袋(裝有垃圾)、蛇皮袋或編織袋等其中一類垃圾在區(qū)域內(nèi)隨意堆放事件，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、檢測置信度、上報大小圖影像、事件發(fā)生時間等（事件描述見表A.2）。對于采集的視頻圖像中的垃圾目標進行識別，目標框所占像素面積應(yīng)超過畫面面積的1%，人眼可見，垃圾隨意堆放事件輸出結(jié)果的識別準確率應(yīng)不小于80%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.25垃圾箱滿溢在滿足數(shù)據(jù)采集要求的在線視頻圖像中，應(yīng)能識別出垃圾桶（針對戶外塑料可移動翻蓋式垃圾桶）滿溢事件，輸出報警事件，告警應(yīng)支持輸出：點位攝像機標識、檢測置信度、上報大小圖影像、事件發(fā)生時間等（事件描述見表A.2）。DB3308/T125-2024對于采集的視頻圖像中的垃圾箱目標進行識別，目標框所占像素面積應(yīng)超過畫面面積的1.5%，垃圾箱人眼可見無遮擋，垃圾箱滿溢事件輸出結(jié)果的識別準確率應(yīng)不小于80%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.26煙霧識別煙霧識別算法基于大規(guī)模白色煙霧數(shù)據(jù)識別訓(xùn)練，配合攝像頭實時識別監(jiān)控區(qū)內(nèi)室內(nèi)和室外白色煙霧情況，檢測到白色煙霧立刻發(fā)出警報。適用于工廠、商場、蒸汽作業(yè)等任何有火災(zāi)隱患的場所，并可用于室內(nèi)多種復(fù)雜環(huán)境。應(yīng)識別出突發(fā)的煙霧目標，輸出報警事件，告警應(yīng)支持輸出：攝像機標識、事件發(fā)生時間、目標區(qū)域坐標、上報大小圖影像等（事件描述見表A.2）。對于采集的視頻圖像中的白色煙霧目標進行識別，目標框的尺寸應(yīng)大于150×150像素，白色煙霧事件輸出結(jié)果的識別準確率應(yīng)不小于95%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.27?；嚈z測在滿足數(shù)據(jù)采集要求的在線視頻圖像中，基于AI視覺技術(shù)檢測道路上的罐式?；奋囕v與廂式危化品車輛，包括白天、晚上以及各種天氣條件，如果檢測到?；奋囕v及時進行告警。應(yīng)識別出?；嚹繕?，輸出報警事件，告警應(yīng)支持輸出：攝像機標識、危化車位置、上報大小圖影像、事件發(fā)生時間等（事件描述見表A.2）。對于采集的視頻圖像中的危化車目標進行識別，目標框的尺寸應(yīng)大于200×100像素，?；嚹繕耸录敵鼋Y(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.28遺留物品檢測在滿足數(shù)據(jù)采集要求的在線視頻圖像中，遺留物品檢測基于AI視覺分析技術(shù)，自動檢測12種常見的容易遺留的物品，包括：行李箱、背包、斜挎包、手提包、筆記本電腦、手機、錢包、平板電腦、長雨傘、禮物包裝盒、文件夾、裝了東西的袋子，進行截圖上報。應(yīng)識別出遺留目標，輸出報警事件，告警應(yīng)支持輸出：攝像機標識、遺留物品位置、遺留物品圖像、遺留物品類型、事件發(fā)生時間等（事件描述見表A.2）。對于采集的視頻圖像中的遺留物品目標進行識別，目標框的尺寸應(yīng)大于100×100像素，遺留物品事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。6.29徘徊識別在滿足數(shù)據(jù)采集要求的在線視頻圖像中，徘徊識別算法基于計算機識別技術(shù),配合現(xiàn)場攝像頭，自動識別監(jiān)控點下同一人物進出次數(shù)，對多次進出徘徊人員實時檢測預(yù)警，填補人為管控死角,加強安全管控。應(yīng)識別出徘徊可疑人員的目標，通過統(tǒng)計該人員出現(xiàn)次數(shù)，大于閾值時輸出報警事件，告警應(yīng)支持輸出：攝像機標識、上報大小圖影像、可疑人員徘徊次數(shù)及事件發(fā)生時間等（事件描述見表A.2）。對于采集的視頻圖像中的徘徊可疑人員目標進行識別，目標框的邊長應(yīng)不小于100像素，人員身體應(yīng)有50%以上區(qū)域可見，徘徊人員事件輸出結(jié)果的識別準確率應(yīng)不小于90%。經(jīng)過內(nèi)容分析輸出的事件信息的輸入規(guī)則特征屬性格式見附錄A中的表A.3。7信息存儲要求DB3308/T125-20247.1存儲設(shè)備要求對于支持輸出信息存入的存儲設(shè)備，其存儲設(shè)備類型、信息存儲環(huán)境、信息存儲時間、信息存儲格式和信息存儲安全應(yīng)符合以下內(nèi)容要求。7.1.1信息存儲設(shè)備類型要求存儲設(shè)備類型應(yīng)符合以下要求：a)支持iSCSI協(xié)議，NFS/CIFS協(xié)議、FC協(xié)議；b)支持多端口設(shè)置，支持8Gb/s和16Gb/sFC主機接口，支持1GbE、10GbE、25GbESFP+主機；c)接口和40GbEQSFP+主機接口；d)支持CACHE優(yōu)化算法、不同文件系統(tǒng)調(diào)優(yōu)、硬盤IO調(diào)度算法調(diào)優(yōu)；e)支持容錯功能，支持一種或多種RAID級別，多種RAID級別包含：條帶RAID、鏡像RAID、單校驗盤/雙校驗盤/三校驗盤的RAID冗余；f)支持動態(tài)存儲池功能。7.1.2信息存儲環(huán)境（機房）要求機房環(huán)境應(yīng)符合GB50348、GB50057、GB50343及GA/T670的相關(guān)要求。7.1.3信息存儲時間要求7.1.3.1對于一般單位、商戶、居民社區(qū)或者住宅小區(qū)等為主建設(shè)的視頻監(jiān)控點，視音頻數(shù)據(jù)有效存儲時間應(yīng)不少于30天。7.1.3.2對于重點行業(yè)、領(lǐng)域內(nèi)涉及社會治安的重要部位、易發(fā)案部位，以政府部門或者社會單位等為主建設(shè)單位的視頻監(jiān)控點，視音頻數(shù)據(jù)有效存儲時間應(yīng)不少于60天。7.1.3.3對于重點公共區(qū)域、重點部門、重點場所等人群密集地的公共場所、重要部位或者反恐法規(guī)定的重點目標單位等的視頻監(jiān)控點，視音頻數(shù)據(jù)有效存儲時間應(yīng)不少于90天。7.1.4信息存儲格式要求存儲格式如下：a)4CIF（704×576），幀率不低于25fps，傳輸碼率宜不小于1Mbps；b)720P（1280×720），幀率不低于25fps，傳輸碼率宜不小于2Mbps；c)1080P（1920×1080），