當(dāng)今社會(huì)是一個(gè)人口密集、高度復(fù)雜和流動(dòng)性大的社會(huì)，面臨的突發(fā)事件和異常事件越來(lái)越多，其監(jiān)控的難度和重要性也越來(lái)越突出。現(xiàn)有的視頻監(jiān)控系統(tǒng)大多數(shù)只是對(duì)場(chǎng)景內(nèi)運(yùn)動(dòng)目標(biāo)的監(jiān)測(cè)和跟蹤，進(jìn)行進(jìn)一步識(shí)別與行為理解等很少。雖然人們不斷建造越來(lái)越大的視頻監(jiān)控系統(tǒng)，但這些監(jiān)控系統(tǒng)仍只是提供事后取證錄像的工具。
然而，監(jiān)控的目的就是對(duì)監(jiān)視場(chǎng)景中的異常事件或監(jiān)控對(duì)象的行為進(jìn)行檢測(cè)與分析。而在長(zhǎng)時(shí)間視頻序列中采用人工的方法處理此類工作既不實(shí)用也不經(jīng)濟(jì)，因此在視頻序列中利用計(jì)算機(jī)進(jìn)行視頻智能自動(dòng)檢測(cè)就顯得十分重要。
據(jù)了解，就目前較成熟的視頻異常行為智能檢測(cè)包括雙向越界、單向越界、進(jìn)入禁區(qū)、離開(kāi)禁區(qū)、徘徊、無(wú)人值守、驟變、人員聚集、煙霧檢測(cè)、快速運(yùn)動(dòng)、逆行、打架等事件。而異常行為檢測(cè)的實(shí)現(xiàn)方法通常有兩類：1、把小概率行為或與先驗(yàn)規(guī)則相反的行為看作異常行為。2、把與已知正常行為的模式不匹配的行為看作異常行為。
核心算法
智能視頻分析技術(shù)對(duì)異常事件進(jìn)行分析需要核心的算法和技術(shù)做支撐，這些核心算法包括：(1) 將人類行為進(jìn)行建模的虛擬現(xiàn)實(shí)的技術(shù)；(2)3D建模技術(shù)，通過(guò)對(duì)攝像機(jī)場(chǎng)景的實(shí)際參照標(biāo)定構(gòu)建場(chǎng)景的三維模型，從而能夠準(zhǔn)確計(jì)算出場(chǎng)景中任意物體的高度及任意兩點(diǎn)之間的距離，為威脅目標(biāo)分析提供準(zhǔn)確的依據(jù)；(3)基于對(duì)象的標(biāo)簽分類，能夠準(zhǔn)確區(qū)分人、交通工具和其他對(duì)象；(4)基于環(huán)境變化的自學(xué)習(xí)自適應(yīng)，理解和鑒別行為模式，自學(xué)習(xí)自適應(yīng)環(huán)境，內(nèi)置多種環(huán)境模型(街道、圍墻、水面、雨雪霧天氣等等)，能夠根據(jù)環(huán)境的變化自動(dòng)調(diào)節(jié)；(5)自檢測(cè)自保護(hù)，在環(huán)境能見(jiàn)度低、視場(chǎng)受阻、攝像機(jī)角度偏移、視頻信號(hào)故障、低信號(hào)或無(wú)信號(hào)等異常情況時(shí)，立即發(fā)出報(bào)警；(6)敏感度自適應(yīng)，根據(jù)場(chǎng)景環(huán)境持續(xù)自學(xué)習(xí)和自調(diào)節(jié)參數(shù)，確保外部敏感度自適應(yīng)能力達(dá)到7×24全天候(在各種惡劣環(huán)境和照明條件下提供高可靠性的檢測(cè)，無(wú)需外部人工干預(yù)調(diào)節(jié))。相關(guān)技術(shù)如下：
圖像異常檢測(cè)算法
(1)圖像信號(hào)丟失、被遮擋：檢測(cè)圖像方差。如果方差很小，可以認(rèn)為圖像丟失或者鏡頭被蓋住等現(xiàn)象發(fā)生。(2)相機(jī)被扭轉(zhuǎn)到新方向： 通過(guò)和指定背景進(jìn)行比對(duì)來(lái)檢測(cè)是否發(fā)生扭轉(zhuǎn)。(3)圖像信號(hào)質(zhì)量下降，如有大量噪點(diǎn)，周期性干擾(橫紋等)：對(duì)幀差信號(hào)進(jìn)行方差、FFT分析。
圖像增強(qiáng)算法
(1)超分辨率技術(shù)，就是使用多張同一物體的低分辨率圖像整合成一張高分辨率圖像。現(xiàn)在主要應(yīng)用在公安偵破案件上。例如還原一張較為模糊的車牌或者人臉等。(2)對(duì)比度增強(qiáng)、去霧化技術(shù)。對(duì)于一些“霧蒙蒙”的圖像，可以簡(jiǎn)單地通過(guò)直方圖平衡或者通過(guò)對(duì)顏色中的散射成分進(jìn)行過(guò)濾從而提高圖像的“清晰度”。應(yīng)該注意到這些技術(shù)手段并沒(méi)有從源頭增強(qiáng)有用信號(hào)，而是選取了適合人眼觀測(cè)習(xí)慣的表達(dá)方式。所以這些過(guò)濾后的信號(hào)適合提供給監(jiān)控人員觀看，而不是作為智能視頻監(jiān)控系統(tǒng)的輸入。(3)防抖動(dòng)技術(shù)。相機(jī)抖動(dòng)通常是由風(fēng)吹而引起。在采用長(zhǎng)焦鏡頭的時(shí)候，圖像抖動(dòng)更為明顯。防抖動(dòng)有兩種思路， 一種是對(duì)檢測(cè)到的抖動(dòng)進(jìn)行平滑；另外一種就是爭(zhēng)取將圖像象釘子釘住一樣一動(dòng)不動(dòng)。前一種技術(shù)適合過(guò)濾給監(jiān)控人員直接觀看的信號(hào)，后一種是智能視頻分析系統(tǒng)所需要的。主流的基于背景建模的運(yùn)動(dòng)檢測(cè)方法需要穩(wěn)定的輸入信號(hào)，否則容易在對(duì)比強(qiáng)烈的邊緣等處產(chǎn)生誤報(bào)警。
運(yùn)動(dòng)檢測(cè)算法
(1)固定相機(jī)的運(yùn)動(dòng)檢測(cè)：這是主流應(yīng)用。通常是通過(guò)將當(dāng)前幀和背景模型之間進(jìn)行比對(duì)，發(fā)現(xiàn)的差異作為可能的運(yùn)動(dòng)物體輸入給跟蹤模塊。算法的差異主要集中在背景模型如何建立，選擇何種特征進(jìn)行前景和背景的比對(duì)。混合高斯是經(jīng)典的背景模型，簡(jiǎn)單，有一定的自適應(yīng)性，現(xiàn)在市場(chǎng)上的產(chǎn)品主要采用此方法。在一些特殊場(chǎng)合，例如水面波浪，樹枝擺動(dòng)等場(chǎng)景，混合高斯不一定可以有效處理。這時(shí)候就需要采用動(dòng)態(tài)背景或者其他技術(shù)手段來(lái)更好地進(jìn)行背景建模，代價(jià)是計(jì)算量大大增加。采用像素灰度值作為特征進(jìn)行比對(duì)是主流應(yīng)用。出于過(guò)濾陰影、提高信噪比的考慮，也可以使用彩色像素值，但是數(shù)據(jù)量增大很多。另外也有采用紋理、梯度等特征進(jìn)行前景、背景比對(duì)的。它們對(duì)光照突變、陰影不敏感，有助于消除誤報(bào)警。(2)運(yùn)動(dòng)相機(jī)(云臺(tái))的運(yùn)動(dòng)檢測(cè)：據(jù)了解，目前在國(guó)內(nèi)安防領(lǐng)域還沒(méi)有商業(yè)應(yīng)用。在國(guó)外的一些高端監(jiān)控系統(tǒng)和實(shí)驗(yàn)系統(tǒng)上已經(jīng)有一些嘗試。主要是和云臺(tái)跟蹤相配合，甚至是多云臺(tái)相機(jī)之間的配合中采用此技術(shù)。
跟蹤技術(shù)
(1)單目標(biāo)跟蹤技術(shù)：?jiǎn)文繕?biāo)跟蹤本質(zhì)上就是定義、提取目標(biāo)特征，并預(yù)測(cè)最新待選區(qū)域及目標(biāo)特征，進(jìn)而通過(guò)尋找匹配極值來(lái)鎖定目標(biāo)的過(guò)程。目標(biāo)特征可以選用像素值，Blob幾何特征，像素分布特征(直方圖、HOG等)，目標(biāo)的預(yù)測(cè)、更新過(guò)程可以靠Kalman濾波、粒子濾波等過(guò)程來(lái)驅(qū)動(dòng)。尋找最佳匹配可以通過(guò)Camshift，甚至窮盡搜索等方法。(2)多目標(biāo)跟蹤技術(shù)：簡(jiǎn)單地使用“貪婪”匹配就可以完成大多數(shù)運(yùn)動(dòng)物體的跟蹤。但是有時(shí)候會(huì)出現(xiàn)多個(gè)物體和多個(gè)Blobs匹配的情況。這時(shí)候要按照全局優(yōu)化的原則來(lái)完成多對(duì)多的匹配。(3)云臺(tái)相機(jī)的跟蹤技術(shù)：云臺(tái)相機(jī)跟蹤最大的難度來(lái)源于運(yùn)動(dòng)物體的縮放以及模型的更新。 即使是同一物體，在鏡頭拉近拉遠(yuǎn)情況下物體的形態(tài)、顏色等特征有很大的差別。容易造成在縮放過(guò)程中丟失對(duì)運(yùn)動(dòng)物體的跟蹤。在物體大小基本保持不變的情況下，現(xiàn)在有Camshift，HOG等較為有效的跟蹤手段。(4)計(jì)數(shù)：計(jì)數(shù)的技術(shù)基礎(chǔ)是跟蹤。難度主要來(lái)源于較為擁擠情況下，尤其是對(duì)Blob融合、分割需要考慮周全。
模式識(shí)別技術(shù)
(1)目標(biāo)分類技術(shù)：主要是識(shí)別運(yùn)動(dòng)物體是人、人群、自行車(助力車)、汽車還是噪聲等種類。典型的手段是通過(guò)訓(xùn)練對(duì)目標(biāo)種類形成一些模型定義，然后將新發(fā)現(xiàn)的運(yùn)動(dòng)物體與模型比對(duì)。通用的方法有支持向量機(jī)、決策樹、神經(jīng)網(wǎng)絡(luò)等。當(dāng)然在上述常見(jiàn)的種類之外，用戶可以指定某種特殊物體，如渣土車等，在完成專門訓(xùn)練后就可以進(jìn)行有針對(duì)性的檢測(cè)。
(2)行為識(shí)別技術(shù)：主要是識(shí)別打架、奔跑、跌倒、徘徊、哨兵離崗等簡(jiǎn)單異常行為。 也可能是收銀員的異常操作等較為復(fù)雜的行為。主要算法可以是非常有針對(duì)性的特定行為的檢測(cè)；也可以較為通用的方法，如隱形馬爾科夫過(guò)程等。(3) 車牌識(shí)別、集裝箱號(hào)識(shí)別：由于實(shí)際應(yīng)用時(shí)間較長(zhǎng)，這類技術(shù)相對(duì)于上述技術(shù)而言更成熟些。通常采用決策樹、神經(jīng)網(wǎng)絡(luò)或者組合技術(shù)。
[page]
應(yīng)用力求突破
在平安城市建設(shè)的推動(dòng)下，安防視頻監(jiān)控應(yīng)用日趨普及。隨著智能化技術(shù)的普及使用，市場(chǎng)漸漸不再滿足于現(xiàn)有的智能視頻分析技術(shù)種類，而是尋求更新的算法、更豐富的業(yè)務(wù)應(yīng)用、更整體化的系統(tǒng)應(yīng)用，力求實(shí)現(xiàn)在應(yīng)用的廣度、深度上的突破。為此，安防行業(yè)已經(jīng)開(kāi)始進(jìn)行對(duì)新一代智能視頻分析技術(shù)的研究，提出了一些新的產(chǎn)品形態(tài)、新的應(yīng)用模式、新的系統(tǒng)架構(gòu)。這些新技術(shù)、新產(chǎn)品正在逐漸與市場(chǎng)結(jié)合，探求新的發(fā)展空間。
一些廠家將一些簡(jiǎn)單的功能，如跨線、區(qū)域入侵、人臉檢測(cè)等算法直接嵌入到芯片中，從而降低相關(guān)產(chǎn)品的開(kāi)發(fā)門檻，進(jìn)而推動(dòng)智能視頻分析的分布式應(yīng)用，對(duì)網(wǎng)絡(luò)帶寬占用、視頻存儲(chǔ)空間的降低等方面均會(huì)有一定的改觀。
面臨問(wèn)題
目前來(lái)看，雖然近年智能視頻分析技術(shù)迅速發(fā)展，應(yīng)用范圍也在不斷擴(kuò)展，市場(chǎng)上已經(jīng)有了網(wǎng)絡(luò)監(jiān)控的各種產(chǎn)品，如網(wǎng)絡(luò)攝像機(jī)、網(wǎng)絡(luò)矩陣等，但由于這些產(chǎn)品的質(zhì)量還有待提高，圖像看起來(lái)有明顯的延遲、跳動(dòng)、不夠清晰等缺陷，由于硬件本身性能不夠穩(wěn)定，易出現(xiàn)死機(jī)、重啟、誤漏報(bào)等問(wèn)題。而智能視頻分析本身算法的局限，在理想環(huán)境下才可實(shí)現(xiàn)其全部功能，所以在實(shí)際應(yīng)用中，只能初步實(shí)現(xiàn)較簡(jiǎn)單的功能。目前智能視頻分析主要面臨以下幾個(gè)方面問(wèn)題：
第一是技術(shù)層面：室外夜間光照不足、惡劣天氣、圖像壓縮處理、網(wǎng)絡(luò)傳輸鏈路帶寬受限等因素造成圖像質(zhì)量下降，給安防智能視頻分析帶來(lái)先天困難；目標(biāo)與背景相似或背景雜亂等導(dǎo)致目標(biāo)分割以及特征信息提取困難；針對(duì)復(fù)雜異常行為、事件建模困難，相應(yīng)的智能分析算法識(shí)別性能不高。上述因素容易造成虛假報(bào)警、漏報(bào)警、跟蹤困難等不良后果，制約了智能視頻分析應(yīng)用系統(tǒng)實(shí)戰(zhàn)性能的提升。
第二是產(chǎn)業(yè)層面：主要的困惑還是客戶對(duì)智能視頻分析產(chǎn)品的過(guò)高期望與該技術(shù)的性能表現(xiàn)易受使用條件的限制。由于用戶對(duì)智能分析這類產(chǎn)品接觸不多，對(duì)這類產(chǎn)品的效果有疑問(wèn)。而有的廠家為了能夠吸引客戶進(jìn)行夸大宣傳，結(jié)果實(shí)際使用效果與宣傳效果不符，使得這些客戶對(duì)智能視頻分析產(chǎn)品再無(wú)好感。廠商對(duì)產(chǎn)品大部分用戶沒(méi)有認(rèn)真梳理應(yīng)用需求；產(chǎn)品研發(fā)部門缺乏對(duì)安防行業(yè)的深入理解，導(dǎo)致智能視頻分析產(chǎn)品功能千遍一律，缺乏針對(duì)性。再者，缺少權(quán)威的標(biāo)準(zhǔn)認(rèn)證體系，導(dǎo)致用戶對(duì)產(chǎn)品的性能無(wú)法有效把控。
第三是市場(chǎng)層面：目前很多智能視頻分析產(chǎn)品多是自主研發(fā)，而這類企業(yè)就需要攤薄早期的開(kāi)發(fā)成本。因此，這類產(chǎn)品在定價(jià)方面可能要高于一般客戶的承受能力，這也就決定了智能分析產(chǎn)品尤其是行為分析產(chǎn)品只能在監(jiān)獄、高檔小區(qū)或者機(jī)關(guān)重地等具有嚴(yán)格、精準(zhǔn)監(jiān)控需求的地方。
只有開(kāi)展基礎(chǔ)、共性的關(guān)鍵技術(shù)攻關(guān)，為突破智能視頻分析深度應(yīng)用創(chuàng)造條件；做好典型項(xiàng)目的示范作用，引導(dǎo)用戶從管理流程上重視智能視頻分析提供的信息；深化行業(yè)的智能應(yīng)用，建立“研發(fā)+集成商+行業(yè)用戶”的合作機(jī)制，為研發(fā)和應(yīng)用提供一個(gè)互動(dòng)平臺(tái)；加快制定標(biāo)準(zhǔn)和規(guī)范，提高智能視頻分析產(chǎn)品性能鑒定的權(quán)威性和可操作性，才能為智能視頻分析應(yīng)用推廣“保駕護(hù)航”，智能視頻分析也才能在更多行業(yè)、領(lǐng)域得到應(yīng)用。
智能視頻分析作為一項(xiàng)仍在不斷發(fā)展與完善的新技術(shù)，如果企業(yè)不能迅速建立自己獨(dú)具特色的核心競(jìng)爭(zhēng)力和核心產(chǎn)品，想要取得市場(chǎng)的話語(yǔ)權(quán)和持續(xù)性的發(fā)展不是一件容易的事情。目前智能視頻分析技術(shù)仍處于成長(zhǎng)階段，最大的挑戰(zhàn)其實(shí)還是來(lái)自于技術(shù)，這是一個(gè)需要能夠靜下來(lái)專心研究做產(chǎn)品和價(jià)值的行業(yè)，作為產(chǎn)業(yè)鏈底層的技術(shù)供應(yīng)商，最終還是需要靠產(chǎn)品說(shuō)話。作為視頻監(jiān)控未來(lái)發(fā)展的必然方向，智能化雖然現(xiàn)在還存在一些問(wèn)題，但隨著計(jì)算機(jī)技術(shù)以及智能技術(shù)的發(fā)展，這些問(wèn)題都會(huì)得到很好的解決，智能化視頻技術(shù)將得到更為廣泛的應(yīng)用。
[page]
1圖像異常檢測(cè)算法
當(dāng)今社會(huì)是一個(gè)人口密集、高度復(fù)雜和流動(dòng)性大的社會(huì)，面臨的突發(fā)事件和異常事件越來(lái)越多，其監(jiān)控的難度和重要性也越來(lái)越突出。現(xiàn)有的視頻監(jiān)控系統(tǒng)大多數(shù)只是對(duì)場(chǎng)景內(nèi)運(yùn)動(dòng)目標(biāo)的監(jiān)測(cè)和跟蹤，進(jìn)行進(jìn)一步識(shí)別與行為理解等很少。雖然人們不斷建造越來(lái)越大的視頻監(jiān)控系統(tǒng)，但這些監(jiān)控系統(tǒng)仍只是提供事后取證錄像的工具。
然而，監(jiān)控的目的就是對(duì)監(jiān)視場(chǎng)景中的異常事件或監(jiān)控對(duì)象的行為進(jìn)行檢測(cè)與分析。而在長(zhǎng)時(shí)間視頻序列中采用人工的方法處理此類工作既不實(shí)用也不經(jīng)濟(jì)，因此在視頻序列中利用計(jì)算機(jī)進(jìn)行視頻智能自動(dòng)檢測(cè)就顯得十分重要。
據(jù)了解，就目前較成熟的視頻異常行為智能檢測(cè)包括雙向越界、單向越界、進(jìn)入禁區(qū)、離開(kāi)禁區(qū)、徘徊、無(wú)人值守、驟變、人員聚集、煙霧檢測(cè)、快速運(yùn)動(dòng)、逆行、打架等事件。而異常行為檢測(cè)的實(shí)現(xiàn)方法通常有兩類：1、把小概率行為或與先驗(yàn)規(guī)則相反的行為看作異常行為。2、把與已知正常行為的模式不匹配的行為看作異常行為。
核心算法
智能視頻分析技術(shù)對(duì)異常事件進(jìn)行分析需要核心的算法和技術(shù)做支撐，這些核心算法包括：(1) 將人類行為進(jìn)行建模的虛擬現(xiàn)實(shí)的技術(shù)；(2)3D建模技術(shù)，通過(guò)對(duì)攝像機(jī)場(chǎng)景的實(shí)際參照標(biāo)定構(gòu)建場(chǎng)景的三維模型，從而能夠準(zhǔn)確計(jì)算出場(chǎng)景中任意物體的高度及任意兩點(diǎn)之間的距離，為威脅目標(biāo)分析提供準(zhǔn)確的依據(jù)；(3)基于對(duì)象的標(biāo)簽分類，能夠準(zhǔn)確區(qū)分人、交通工具和其他對(duì)象；(4)基于環(huán)境變化的自學(xué)習(xí)自適應(yīng)，理解和鑒別行為模式，自學(xué)習(xí)自適應(yīng)環(huán)境，內(nèi)置多種環(huán)境模型(街道、圍墻、水面、雨雪霧天氣等等)，能夠根據(jù)環(huán)境的變化自動(dòng)調(diào)節(jié)；(5)自檢測(cè)自保護(hù)，在環(huán)境能見(jiàn)度低、視場(chǎng)受阻、攝像機(jī)角度偏移、視頻信號(hào)故障、低信號(hào)或無(wú)信號(hào)等異常情況時(shí)，立即發(fā)出報(bào)警；(6)敏感度自適應(yīng)，根據(jù)場(chǎng)景環(huán)境持續(xù)自學(xué)習(xí)和自調(diào)節(jié)參數(shù)，確保外部敏感度自適應(yīng)能力達(dá)到7×24全天候(在各種惡劣環(huán)境和照明條件下提供高可靠性的檢測(cè)，無(wú)需外部人工干預(yù)調(diào)節(jié))。相關(guān)技術(shù)如下：
圖像異常檢測(cè)算法
(1)圖像信號(hào)丟失、被遮擋：檢測(cè)圖像方差。如果方差很小，可以認(rèn)為圖像丟失或者鏡頭被蓋住等現(xiàn)象發(fā)生。(2)相機(jī)被扭轉(zhuǎn)到新方向： 通過(guò)和指定背景進(jìn)行比對(duì)來(lái)檢測(cè)是否發(fā)生扭轉(zhuǎn)。(3)圖像信號(hào)質(zhì)量下降，如有大量噪點(diǎn)，周期性干擾(橫紋等)：對(duì)幀差信號(hào)進(jìn)行方差、FFT分析。
圖像增強(qiáng)算法
(1)超分辨率技術(shù)，就是使用多張同一物體的低分辨率圖像整合成一張高分辨率圖像。現(xiàn)在主要應(yīng)用在公安偵破案件上。例如還原一張較為模糊的車牌或者人臉等。(2)對(duì)比度增強(qiáng)、去霧化技術(shù)。對(duì)于一些“霧蒙蒙”的圖像，可以簡(jiǎn)單地通過(guò)直方圖平衡或者通過(guò)對(duì)顏色中的散射成分進(jìn)行過(guò)濾從而提高圖像的“清晰度”。應(yīng)該注意到這些技術(shù)手段并沒(méi)有從源頭增強(qiáng)有用信號(hào)，而是選取了適合人眼觀測(cè)習(xí)慣的表達(dá)方式。所以這些過(guò)濾后的信號(hào)適合提供給監(jiān)控人員觀看，而不是作為智能視頻監(jiān)控系統(tǒng)的輸入。(3)防抖動(dòng)技術(shù)。相機(jī)抖動(dòng)通常是由風(fēng)吹而引起。在采用長(zhǎng)焦鏡頭的時(shí)候，圖像抖動(dòng)更為明顯。防抖動(dòng)有兩種思路， 一種是對(duì)檢測(cè)到的抖動(dòng)進(jìn)行平滑；另外一種就是爭(zhēng)取將圖像象釘子釘住一樣一動(dòng)不動(dòng)。前一種技術(shù)適合過(guò)濾給監(jiān)控人員直接觀看的信號(hào)，后一種是智能視頻分析系統(tǒng)所需要的。主流的基于背景建模的運(yùn)動(dòng)檢測(cè)方法需要穩(wěn)定的輸入信號(hào)，否則容易在對(duì)比強(qiáng)烈的邊緣等處產(chǎn)生誤報(bào)警。
運(yùn)動(dòng)檢測(cè)算法
(1)固定相機(jī)的運(yùn)動(dòng)檢測(cè)：這是主流應(yīng)用。通常是通過(guò)將當(dāng)前幀和背景模型之間進(jìn)行比對(duì)，發(fā)現(xiàn)的差異作為可能的運(yùn)動(dòng)物體輸入給跟蹤模塊。算法的差異主要集中在背景模型如何建立，選擇何種特征進(jìn)行前景和背景的比對(duì)。混合高斯是經(jīng)典的背景模型，簡(jiǎn)單，有一定的自適應(yīng)性，現(xiàn)在市場(chǎng)上的產(chǎn)品主要采用此方法。在一些特殊場(chǎng)合，例如水面波浪，樹枝擺動(dòng)等場(chǎng)景，混合高斯不一定可以有效處理。這時(shí)候就需要采用動(dòng)態(tài)背景或者其他技術(shù)手段來(lái)更好地進(jìn)行背景建模，代價(jià)是計(jì)算量大大增加。采用像素灰度值作為特征進(jìn)行比對(duì)是主流應(yīng)用。出于過(guò)濾陰影、提高信噪比的考慮，也可以使用彩色像素值，但是數(shù)據(jù)量增大很多。另外也有采用紋理、梯度等特征進(jìn)行前景、背景比對(duì)的。它們對(duì)光照突變、陰影不敏感，有助于消除誤報(bào)警。(2)運(yùn)動(dòng)相機(jī)(云臺(tái))的運(yùn)動(dòng)檢測(cè)：據(jù)了解，目前在國(guó)內(nèi)安防領(lǐng)域還沒(méi)有商業(yè)應(yīng)用。在國(guó)外的一些高端監(jiān)控系統(tǒng)和實(shí)驗(yàn)系統(tǒng)上已經(jīng)有一些嘗試。主要是和云臺(tái)跟蹤相配合，甚至是多云臺(tái)相機(jī)之間的配合中采用此技術(shù)。
跟蹤技術(shù)
(1)單目標(biāo)跟蹤技術(shù)：?jiǎn)文繕?biāo)跟蹤本質(zhì)上就是定義、提取目標(biāo)特征，并預(yù)測(cè)最新待選區(qū)域及目標(biāo)特征，進(jìn)而通過(guò)尋找匹配極值來(lái)鎖定目標(biāo)的過(guò)程。目標(biāo)特征可以選用像素值，Blob幾何特征，像素分布特征(直方圖、HOG等)，目標(biāo)的預(yù)測(cè)、更新過(guò)程可以靠Kalman濾波、粒子濾波等過(guò)程來(lái)驅(qū)動(dòng)。尋找最佳匹配可以通過(guò)Camshift，甚至窮盡搜索等方法。(2)多目標(biāo)跟蹤技術(shù)：簡(jiǎn)單地使用“貪婪”匹配就可以完成大多數(shù)運(yùn)動(dòng)物體的跟蹤。但是有時(shí)候會(huì)出現(xiàn)多個(gè)物體和多個(gè)Blobs匹配的情況。這時(shí)候要按照全局優(yōu)化的原則來(lái)完成多對(duì)多的匹配。(3)云臺(tái)相機(jī)的跟蹤技術(shù)：云臺(tái)相機(jī)跟蹤最大的難度來(lái)源于運(yùn)動(dòng)物體的縮放以及模型的更新。 即使是同一物體，在鏡頭拉近拉遠(yuǎn)情況下物體的形態(tài)、顏色等特征有很大的差別。容易造成在縮放過(guò)程中丟失對(duì)運(yùn)動(dòng)物體的跟蹤。在物體大小基本保持不變的情況下，現(xiàn)在有Camshift，HOG等較為有效的跟蹤手段。(4)計(jì)數(shù)：計(jì)數(shù)的技術(shù)基礎(chǔ)是跟蹤。難度主要來(lái)源于較為擁擠情況下，尤其是對(duì)Blob融合、分割需要考慮周全。
模式識(shí)別技術(shù)
(1)目標(biāo)分類技術(shù)：主要是識(shí)別運(yùn)動(dòng)物體是人、人群、自行車(助力車)、汽車還是噪聲等種類。典型的手段是通過(guò)訓(xùn)練對(duì)目標(biāo)種類形成一些模型定義，然后將新發(fā)現(xiàn)的運(yùn)動(dòng)物體與模型比對(duì)。通用的方法有支持向量機(jī)、決策樹、神經(jīng)網(wǎng)絡(luò)等。當(dāng)然在上述常見(jiàn)的種類之外，用戶可以指定某種特殊物體，如渣土車等，在完成專門訓(xùn)練后就可以進(jìn)行有針對(duì)性的檢測(cè)。
(2)行為識(shí)別技術(shù)：主要是識(shí)別打架、奔跑、跌倒、徘徊、哨兵離崗等簡(jiǎn)單異常行為。 也可能是收銀員的異常操作等較為復(fù)雜的行為。主要算法可以是非常有針對(duì)性的特定行為的檢測(cè)；也可以較為通用的方法，如隱形馬爾科夫過(guò)程等。(3) 車牌識(shí)別、集裝箱號(hào)識(shí)別：由于實(shí)際應(yīng)用時(shí)間較長(zhǎng)，這類技術(shù)相對(duì)于上述技術(shù)而言更成熟些。通常采用決策樹、神經(jīng)網(wǎng)絡(luò)或者組合技術(shù)。
2應(yīng)用力求突破
應(yīng)用力求突破
在平安城市建設(shè)的推動(dòng)下，安防視頻監(jiān)控應(yīng)用日趨普及。隨著智能化技術(shù)的普及使用，市場(chǎng)漸漸不再滿足于現(xiàn)有的智能視頻分析技術(shù)種類，而是尋求更新的算法、更豐富的業(yè)務(wù)應(yīng)用、更整體化的系統(tǒng)應(yīng)用，力求實(shí)現(xiàn)在應(yīng)用的廣度、深度上的突破。為此，安防行業(yè)已經(jīng)開(kāi)始進(jìn)行對(duì)新一代智能視頻分析技術(shù)的研究，提出了一些新的產(chǎn)品形態(tài)、新的應(yīng)用模式、新的系統(tǒng)架構(gòu)。這些新技術(shù)、新產(chǎn)品正在逐漸與市場(chǎng)結(jié)合，探求新的發(fā)展空間。
一些廠家將一些簡(jiǎn)單的功能，如跨線、區(qū)域入侵、人臉檢測(cè)等算法直接嵌入到芯片中，從而降低相關(guān)產(chǎn)品的開(kāi)發(fā)門檻，進(jìn)而推動(dòng)智能視頻分析的分布式應(yīng)用，對(duì)網(wǎng)絡(luò)帶寬占用、視頻存儲(chǔ)空間的降低等方面均會(huì)有一定的改觀。
面臨問(wèn)題
目前來(lái)看，雖然近年智能視頻分析技術(shù)迅速發(fā)展，應(yīng)用范圍也在不斷擴(kuò)展，市場(chǎng)上已經(jīng)有了網(wǎng)絡(luò)監(jiān)控的各種產(chǎn)品，如網(wǎng)絡(luò)攝像機(jī)、網(wǎng)絡(luò)矩陣等，但由于這些產(chǎn)品的質(zhì)量還有待提高，圖像看起來(lái)有明顯的延遲、跳動(dòng)、不夠清晰等缺陷，由于硬件本身性能不夠穩(wěn)定，易出現(xiàn)死機(jī)、重啟、誤漏報(bào)等問(wèn)題。而智能視頻分析本身算法的局限，在理想環(huán)境下才可實(shí)現(xiàn)其全部功能，所以在實(shí)際應(yīng)用中，只能初步實(shí)現(xiàn)較簡(jiǎn)單的功能。目前智能視頻分析主要面臨以下幾個(gè)方面問(wèn)題：
第一是技術(shù)層面：室外夜間光照不足、惡劣天氣、圖像壓縮處理、網(wǎng)絡(luò)傳輸鏈路帶寬受限等因素造成圖像質(zhì)量下降，給安防智能視頻分析帶來(lái)先天困難；目標(biāo)與背景相似或背景雜亂等導(dǎo)致目標(biāo)分割以及特征信息提取困難；針對(duì)復(fù)雜異常行為、事件建模困難，相應(yīng)的智能分析算法識(shí)別性能不高。上述因素容易造成虛假報(bào)警、漏報(bào)警、跟蹤困難等不良后果，制約了智能視頻分析應(yīng)用系統(tǒng)實(shí)戰(zhàn)性能的提升。
第二是產(chǎn)業(yè)層面：主要的困惑還是客戶對(duì)智能視頻分析產(chǎn)品的過(guò)高期望與該技術(shù)的性能表現(xiàn)易受使用條件的限制。由于用戶對(duì)智能分析這類產(chǎn)品接觸不多，對(duì)這類產(chǎn)品的效果有疑問(wèn)。而有的廠家為了能夠吸引客戶進(jìn)行夸大宣傳，結(jié)果實(shí)際使用效果與宣傳效果不符，使得這些客戶對(duì)智能視頻分析產(chǎn)品再無(wú)好感。廠商對(duì)產(chǎn)品大部分用戶沒(méi)有認(rèn)真梳理應(yīng)用需求；產(chǎn)品研發(fā)部門缺乏對(duì)安防行業(yè)的深入理解，導(dǎo)致智能視頻分析產(chǎn)品功能千遍一律，缺乏針對(duì)性。再者，缺少權(quán)威的標(biāo)準(zhǔn)認(rèn)證體系，導(dǎo)致用戶對(duì)產(chǎn)品的性能無(wú)法有效把控。
第三是市場(chǎng)層面：目前很多智能視頻分析產(chǎn)品多是自主研發(fā)，而這類企業(yè)就需要攤薄早期的開(kāi)發(fā)成本。因此，這類產(chǎn)品在定價(jià)方面可能要高于一般客戶的承受能力，這也就決定了智能分析產(chǎn)品尤其是行為分析產(chǎn)品只能在監(jiān)獄、高檔小區(qū)或者機(jī)關(guān)重地等具有嚴(yán)格、精準(zhǔn)監(jiān)控需求的地方。
只有開(kāi)展基礎(chǔ)、共性的關(guān)鍵技術(shù)攻關(guān)，為突破智能視頻分析深度應(yīng)用創(chuàng)造條件；做好典型項(xiàng)目的示范作用，引導(dǎo)用戶從管理流程上重視智能視頻分析提供的信息；深化行業(yè)的智能應(yīng)用，建立“研發(fā)+集成商+行業(yè)用戶”的合作機(jī)制，為研發(fā)和應(yīng)用提供一個(gè)互動(dòng)平臺(tái)；加快制定標(biāo)準(zhǔn)和規(guī)范，提高智能視頻分析產(chǎn)品性能鑒定的權(quán)威性和可操作性，才能為智能視頻分析應(yīng)用推廣“保駕護(hù)航”，智能視頻分析也才能在更多行業(yè)、領(lǐng)域得到應(yīng)用。
智能視頻分析作為一項(xiàng)仍在不斷發(fā)展與完善的新技術(shù)，如果企業(yè)不能迅速建立自己獨(dú)具特色的核心競(jìng)爭(zhēng)力和核心產(chǎn)品，想要取得市場(chǎng)的話語(yǔ)權(quán)和持續(xù)性的發(fā)展不是一件容易的事情。目前智能視頻分析技術(shù)仍處于成長(zhǎng)階段，最大的挑戰(zhàn)其實(shí)還是來(lái)自于技術(shù)，這是一個(gè)需要能夠靜下來(lái)專心研究做產(chǎn)品和價(jià)值的行業(yè)，作為產(chǎn)業(yè)鏈底層的技術(shù)供應(yīng)商，最終還是需要靠產(chǎn)品說(shuō)話。作為視頻監(jiān)控未來(lái)發(fā)展的必然方向，智能化雖然現(xiàn)在還存在一些問(wèn)題，但隨著計(jì)算機(jī)技術(shù)以及智能技術(shù)的發(fā)展，這些問(wèn)題都會(huì)得到很好的解決，智能化視頻技術(shù)將得到更為廣泛的應(yīng)用。
京公網(wǎng)安備 11010502049343號(hào)