刘光尧，郭晶晶，汪 磊，李 伟，侯成刚， 刘冠华，王明直，黄 威，黎智辉，李志刚

（公安部鉴定中心，北京 100038）

在一些疑难案事件视频的侦查过程中，大都需要对视频内容进行深入的分析，涉及的监控视频往往存在拍摄距离远、拍摄角度偏、视频质量低等问题，从而导致反映案事件变化的关键内容无法直观观察，一些视频现象难以清晰解释，视频中的有效信息无法获取。特别是在长时间的视频分析过程中很容易忽视视频中一些细微变化，或者这些变化本身就十分微弱难以发现。能否发现视频中的关键信息，个人的逻辑推理和视觉观察能力起到了很大作用[1]。在数据层面，一些关键信息变得直观明显，如亮度值的增减，亮度值标准差变化等，均可体现视频内容的变化过程。本文提出一种视频数据分析的方法，提取视频颜色空间参数数值，观察总结其数据变化的规律，后续视频分析人员结合视频内容、逻辑推理和数据变化规律等多方面的信息[2]，从数据层面直观捕捉视频中的有效信息。笔者将该方法在多起疑难案事件视频侦查中进行了应用，归纳和总结了相关经验教训，可作为视频侦查的一个有效补充手段。

1 视频数据分析方法

1.1 数据分析方法

本文通过总结多起疑难案事件视频分析的经验，借鉴数据分析的技术思路和方法，提出在视频分析过程中首先选择与案事件密切相关的视频内容，将能反映案事件变化的关键视频内容进行数据量化[3]，建立起视频内容变化与视频颜色空间参数数据变化之间的联系，后续分析提取颜色空间中最能表征数据变化的参数，最后在数据层面进行视频内容的分析，根据数据分析的结果，反映案事件视频内容的变化。

本文提出的视频数据分析算法流程图见图1，通过python编写相关代码实现并进行实验验证。

图1 视频数据分析算法流程图Fig. 1 Flowchart of algorithm about video data analysis

1.2 不同颜色空间的参数选择

颜色空间是用一组数值来描述颜色的数学模型，常见的颜色空间包括RGB、CMY、HSB、HSL、Lab、YUV、GRAY等。

按照视频数据分析流程，视频内容分析需要选择提取颜色空间的参数数值，本文选择视频中常见的RGB、HSB、HSL、YUV以及GRAY颜色空间中的多个参数进行了统计分析，统计一段时间内所选参数在感兴趣区域中的平均值和最大值，将其作为选择参数对应该视频内容变化的响应均值和响应峰值。

分析实验选择某火灾模拟实验视频，选择视频的暗部、灰部和亮部进行了对比实验，视频暗部区域选择参数及对本实验视频内容变化的敏感程度见表1，数据对比图见图2。

根据统计实验结果分析可知在数据分析时，选择不同颜色空间的参数，对视频内容变化的表现程度不尽相同，各参数对视频暗部、灰部和亮部的敏感度排序大体一致，RGB颜色空间的R参数、HSL颜色空间中L参数的敏感度一般效果较好，YUV颜色空间中的Y参数的敏感度变化浮动较大，在实际案例分析中颜色空间参数的选择可参考本次实验统计分析结果。

1.3 应用范围

本文提出的视频数据分析方法，主要针对一些疑难视频的分析，如拍摄距离远、拍摄角度偏、视频质量低、视频变化微弱不明显等的情况。视频分析人员无法直接从视频中观察到案事件的变化，但经过逻辑推理可以预测视频颜色空间的参数值会产生变化，通过分析该参数的时间序列变化规律，实现对视频内容的时空[4]和逻辑等分析。

表1 不同颜色空间选择参数分析表Table 1 Parameters selected to reflect different color spaces

图2 不同颜色空间参数曲线对比图Fig. 2 Comparison among parametric curves of different color spaces

2 数据分析方法应用案例

根据统计实验结果可知，RGB颜色空间的R参数、HSL颜色空间中L参数敏感度一般效果较好。后文应用案例中，案例一和案例二基于RGB颜色空间中的R参数进行数据分析，案例三基于HSL颜色空间中L参数进行数据分析，应用场景见表2。

2.1 起火时刻分析

2.1.1 案例简介

2020年1月，为研究火场视频的变化规律，在天津消防研究所开展一系列火场模拟实验[5]。案例一视频选择海康DS-2CD2326DWDA1-Ⅲ型号的摄像头录制的一段起火过程视频作为分析对象，选择的实验视频共计875帧，帧率为25 fps。

本实验场景设置为通过引线点燃模拟卧室，现场环境布置了床、衣柜和部分床上用品等模拟实际居家环境，现场模拟图见图3。

2.1.2 数据分析

按照视频数据分析算法流程，选择非起火点位置（[193, 280], [326, 384]）矩形框区域作为数据分析的兴趣区域，模拟拍摄角度偏和光线微弱、变化不明显的情况。

表2 实验视频应用场景Table 2 Scenarios of tested videos applied for this essay

图3 火场模拟实验现场图Fig. 3 Scene of a simulated fire experiment

提取区域内RGB颜色空间的R参数的数据进行分析，正常状态下参数值约为139左右，在420帧参数值突变至180左右，420～540帧参数值出现剧烈波动，参数值的最大值出现在453帧为190.42，分析着火点区域可知实际起火时刻为419帧，数据曲线见图4，着火点时刻与非着火点区域数据分析结果一致，本模拟实验中借助该数据分析方法可以有效确认起火时刻。

图4 案例一视频 RGB-R曲线图Fig. 4 RGB-R curve of video data about case 1

2.2 视频光影分析

2.2.1 案例简介

案例二视频为某坠落事故现场，拍摄距离远，无法看清事故发生位置的详细情况。在未做任何视频增强处理的情况下，难以观察到坠落时事故点视频的内容变化，在使用视侦通进行慢速放大等视频增强处理后播放事故视频，隐约可见事故发生时事故点出现一个亮块，无法看清亮块内容，怀疑出现第三人造成人员坠落，本案例视频共计2 854帧，帧率为25 fps，事故现场图见图5。

图5 事故现场图Fig. 5 Scene of one accident investigated

2.2.2 数据分析

按照数据分析算法流程，数据分析选择坠落点位置亮块附近的（[5, 320], [15, 337]）区域，提取区域内RGB颜色空间R参数的数据进行分析，观察到坠落时出现的亮块在2 490帧左右，分析整个视频数据时间序列曲线，按照参数值大于160为亮块的标准统计，共计出现7次亮块反应，坠楼时间点出现的亮块不具有特异性，可以看出现场环境光线变化较为复杂，数据曲线见图6，综合事故现场其他证据可以得出结论：此事故现场出现第三人导致人员坠落的可能性较小。

2.3 光源变化分析

2.3.1 案例简介

案例三视频为某火灾视频，火灾发生位置在摄像头拍摄区域之外，仅可通过部分区域的反光现象间接反映火灾位置的光影变化，影像变化十分微弱。火灾发生前起火位置的光线变化，可以从侧面揭示起火房间的人员活动过程，本案例选择的视频片段共计2 993帧，帧率为25 fps，案件现场图见图7。

图6 案例二视频RGB-R曲线图（a：坠落时刻RGB-R参数曲线；b：RGB-R参数数值大于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)

图7 案件现场图Fig. 7 Scene of the case investigated

2.3.2 数据分析

按照数据分析算法流程，选择视频中反光变化明显的中心区域点[536,863]作为分析点（坐标±1像素平均值代表单点），提取区域内HSL颜色空间L参数进行数据分析，分析结果见表3，并根据数据的变化情况进行了行为的预测，数据曲线见图8。

表3 案例三 HSL-L数据分析表Table 3 Data analysis about case 3

图8 案例三视频HSL-L曲线图Fig. 8 HSL-L curve of video data about case 3

3 讨论

疑难案事件视频中涉及关键目标的光线变化、反光、发光等的一些重要信息，有些可以直观地观察到，有些进行视频增强后仍无法观察出来。在后一种情况下，结合逻辑推理预测视频中相关内容的变化，将案事件关心的视频内容变化转化成颜色空间中参数的数据改变，视频内容变化经量化后将更加直观明显，可进一步降低干扰因素对视频解读的影响，直观准确地将视频内容的变化表征出来，揭示视频中隐藏的细节，提供更加可靠的证据材料。

本方法取得良好效果的关键是视频内容变化的参数量化，选择合适的感兴趣区域，并对量化参数的数据变化规律进行准确的解读，但案事件现场的视频情况复杂，视频中环境变化多样，视频存储的属性千差万别，都会对视频数据分析的过程及结果造成干扰，本文仅将该方法在3个案例中进行了初步应用，在数据分析时选择哪些参数，选择参数的哪些统计信息，都可能对结果产生影响，如何将数据分析的一些方法在视频侦查过程中更好地应用，还需要进一步的探索研究。