智慧城市网

　　福州晚报8月25日讯，闽江大桥南岸泛船浦教堂北侧五十米处的江边的百年老码头惨遭破坏。

　　中国宁波网9月16日讯，宁波港危险品场区OF39区浓烟滚滚，同时01堆场有一集装箱起火，疑有人企图对设施进行纵火破坏；接报后，宁波港域港口设施保安等级一度升至3级，约50分钟后，险情排除，两名“*”落网。

　　南京栖霞龙潭一江边码头12月12日下午发生坍塌事故，一辆在码头作业的大型挖掘机跌落江中，目前落江人员尚未成功打捞，生还可能非常渺茫。有知情人士透露，坍塌事故很可能是长江堤岸附近一些船只违规挖沙，破坏了江堤的基础造成的。

　　这一系列的新闻报道都显示了港口码头安全防范的重要性。随着社会经济的发展，港口和码头的监控系统必须能够提供更安全更智能更准确的分析引擎以满足多种数据业务的承载、更好的编码格式来降低网络的延时和抖动、更多的分析引擎技术以满足不同部署场景的需求，因此本采用智能视频系统来实施布署已成为必然趋势。

　　系统特点

　　入侵检测可以设定多个任意形状的防区，多个防区位置可以重叠，互不影响；各防区内各类型的参数可以独立设定，互不影响；

　　满足预设条件的多个目标进入警戒区域，可以同时对所有目标分别检测、分类和跟踪；

　　根据预设条件，可以自动区分防区内入侵者的类型（人和交通工具），只有符合特征的入侵行为才会引发报警，而其他不符合条件的入侵将会被忽略；

　　与被动红外传感器（PIR）、地面震动传感器等传统直线（或点式）传感器相比，智能视频入侵检测功能可以提供更大的检测范围、更高的检测率（POD）和更低的误报率（FAR），因此可以用它来替代各种类型的直线（或点式）传感器来进行入侵检测和报警；

　　适用于各种场合的非法入侵检测，如入室盗窃、高危区域、游泳池、无人区、攀越围墙、私人住宅区、监狱等。

　　系统架构图

　　在现场实施过程中，造成误报的因素

　　自然环境因素

　　動物例如：狗、小鳥

　　植物例如：樹枝、草

　　水例如：波紋

　　光例如：車頭燈、場境光變化、閃電

　　影子例如：移動影子、伸長影子　

　　特定體積物體例如：地鐵列車

　　人为干扰因素

　　过往行人及车辆干扰

　　监控环境还存在大量的人为因素影响，给视觉监控系统带来干扰

　　在设定好的狭长区域内要求视频监控系统必须在很短时间内识别出入侵者。

　　华天成通过与澳大利亚IQ公司进行战略合作，通过世界*的技术NAMS和NMD技术，可以很好的避免以上因素对入侵检测造成误报。使准确率达到90%以上。目前已在世界各国的机场得到广泛应用。