重慶監(jiān)控安裝訊：視頻監(jiān)控是視頻工程中重要的技術(shù)和應(yīng)用領(lǐng)域，支撐其發(fā)展的視頻技術(shù)在不到一個世紀(jì)的發(fā)展過程中，大致經(jīng)歷了3個跨越式的發(fā)展階段。20世紀(jì)30年代，以電視廣播為代表的視頻技術(shù)走出了實驗室，進(jìn)入廣播電視臺和千萬家庭，實現(xiàn)了從靜止圖像傳輸?shù)交顒訄D像傳輸?shù)目缭?20世紀(jì)80年代末，以會議電視、視頻監(jiān)控等為代表的視頻技術(shù)走出了實驗室，進(jìn)入眾多的電視會議室、安防系統(tǒng)，實現(xiàn)了從模擬視頻通信到數(shù)字視頻通信的跨越；如今，以智能視頻監(jiān)控(IVS)為代表的視頻技術(shù)，正處在走出實驗室、進(jìn)入到各行各業(yè)的應(yīng)用階段，將要實現(xiàn)從“機(jī)械”的視頻信息處理向智能化視頻信息處理的跨越。當(dāng)前中國正處在這一跨越的關(guān)鍵時段。智能視頻監(jiān)控只是智能視頻技術(shù)的一個部分，一個將視頻技術(shù)引入智能時代的部分。

智能視頻監(jiān)控技術(shù)兩種構(gòu)架方式

視頻監(jiān)控的智能化表現(xiàn)為計算機(jī)視覺算法在視頻分析中的應(yīng)用。智能視頻監(jiān)控區(qū)別于傳統(tǒng)意義上的監(jiān)控系統(tǒng)在于變被動監(jiān)控為主動監(jiān)控(自動檢測、識別潛在入侵者、可疑目標(biāo)和突發(fā)事件)，即它的智能性。簡單而言，不僅用攝像機(jī)代替人眼，而且用計算機(jī)代替人、協(xié)助人，來完成監(jiān)視或控制的任務(wù)，從而減輕人的負(fù)擔(dān)。智能視頻監(jiān)控系統(tǒng)的結(jié)構(gòu)通常有如下兩種：

主動智能監(jiān)視系統(tǒng)，這類系統(tǒng)的特點(diǎn)是主動攝像機(jī)不僅可以理解視場內(nèi)的場景，還可以有選擇性專注于特定的活動或感興趣的事件。主動智能監(jiān)視系統(tǒng)需要額外完成兩個任務(wù)：管理主動攝像機(jī)資源，即確定哪些攝像機(jī)用于監(jiān)視全景，哪些攝像機(jī)用于監(jiān)視特定行為或事件;利用視頻分析算法提供的信息控制攝像機(jī)的運(yùn)動和變焦。

分布式智能視頻監(jiān)視系統(tǒng)，通過無線視頻通信網(wǎng)絡(luò)將各點(diǎn)智能攝像機(jī)與中心站連接起來，智能監(jiān)視服務(wù)器不僅可以生成圖像還可以分析視頻，根據(jù)視頻分析的信息控制攝像機(jī)以及確定使用恰當(dāng)?shù)拇鎯Y源和帶寬傳送高質(zhì)量視頻給終端用戶。智能攝像機(jī)最大程度減小了系統(tǒng)結(jié)構(gòu)的成本。

智能視頻監(jiān)控技術(shù)特性

智能視頻監(jiān)控技術(shù)一直在發(fā)展，然而，環(huán)境的復(fù)雜性以及目標(biāo)行為的多樣性等原因使得智能監(jiān)控算法變得復(fù)雜，且算法通常是針對具體的應(yīng)用而設(shè)計的。盡管已經(jīng)提出許多被證明是有效的智能分析算法，但是受計算機(jī)數(shù)據(jù)處理能力的限制，難以適合實時計算，自適應(yīng)性也較差，應(yīng)用場合受限。目前，對于以目標(biāo)整體的運(yùn)動軌跡作為研究目標(biāo)，提取運(yùn)動目標(biāo)的運(yùn)動特征或者其本身所具有的特性這種類型的視頻智能分析已經(jīng)取得了一定的成果。這一類研究目標(biāo)不一定是人，也可以是車輛、動物或飛機(jī)、坦克等軍事目標(biāo)。以目標(biāo)的局部部分運(yùn)動為研究目標(biāo)，提取其局部的“肢體語言”特征分析判斷目標(biāo)的行為，比如視頻的手語識別、步態(tài)識別、表情識別或者動作識別等。此類監(jiān)視問題的困難在于運(yùn)動模式的提取以及高效可靠的識別算法。智能視頻監(jiān)控系統(tǒng)可以解決兩個主要問題：一個是將安防操作人員從繁雜而枯燥的“盯屏幕”任務(wù)中解脫出來。由機(jī)器來完成這部分工作，對異常情況能夠及時處理等，比如報警等;另外一個是為在海量的視頻數(shù)據(jù)中快速搜索到想要找的圖像。對于上述兩個問題，視頻分析廠家經(jīng)常提到的案例是：操作人員盯著屏幕超過1O分鐘后將漏掉90%的視頻信息而使這項工作失去意義;倫敦地鐵案中，安保人員花了70個工時才在大量磁帶中找到需要的信息。智能視頻監(jiān)控的核心內(nèi)容是對特定目標(biāo)的自動檢測、跟蹤與行為識別，包括運(yùn)動檢測、目標(biāo)分類、目標(biāo)跟蹤、行為識別等4個方面內(nèi)容。例如對人體的跟蹤：首先從實時圖像序列中檢測出運(yùn)動物體，再判定運(yùn)動物體中的人體，然后跟蹤人體的運(yùn)動軌跡，并分析和選定有異常行為的人，如在車站，機(jī)場等遺留包裹的人。最后對行為異常的人進(jìn)行持續(xù)跟蹤。

移動目標(biāo)提取

運(yùn)動檢測是從圖像序列中將變化區(qū)域從背景圖像中提取出來。運(yùn)動區(qū)域的有效分割將大大減少后續(xù)過程的運(yùn)算量。然而，背景圖像的不穩(wěn)定性，如陰影、光照、慢移動、靜移動(樹葉的擺動)等等，也使得運(yùn)動檢測非常困難。目前較為實用的視頻分析方法主要有兩類：一類是背景減除方法，另一類是時間差分方法。背景減除方法是利用當(dāng)前圖像和背景圖象的差分來檢測出運(yùn)動區(qū)域的一種方法，可以提供比較完整的運(yùn)動目標(biāo)特征數(shù)據(jù)，精確度和靈敏度比較高，具有良好的性能表現(xiàn)。時間差分法利用視頻圖像特征，從連續(xù)得到的視頻流中提取所需要的動態(tài)目標(biāo)信息。時間差分實質(zhì)是利用相鄰幀圖像相減來提取前景目標(biāo)移動的信息，此方法不能完全提取所有相關(guān)特征像素點(diǎn)，在運(yùn)動實體內(nèi)部可能產(chǎn)生空洞，能檢測出目標(biāo)的邊緣。