主頁（http://www.130131.com）：智能監(jiān)控或?qū)⒊蔀榘卜佬袠I(yè)的下一個(gè)拐點(diǎn) 目前視頻監(jiān)控的現(xiàn)狀 視頻監(jiān)控系統(tǒng)已經(jīng)廣泛應(yīng)用于小區(qū)安全監(jiān)控、火情監(jiān)控、交通違章、流量控制、軍事，以及銀行、商場、地鐵、機(jī)場等公共場所的安全防范中，并且將有更廣泛的應(yīng)用前景。但現(xiàn)有的視頻監(jiān)控系統(tǒng)通常只能靠人工來完成監(jiān)控、報(bào)警、錄制等一系列分析處理工作，沒有充分發(fā)揮實(shí)時(shí)主動的監(jiān)控作用。更多的產(chǎn)品需求和更廣闊的市場應(yīng)用需要今后的安防產(chǎn)品中必須具備智能分析處理的能力。從目前的技術(shù)層次來說，數(shù)字圖像處理技術(shù)已經(jīng)日益成熟，人工智能也突飛猛進(jìn)，如何將圖像智能分析的功能融入到智能產(chǎn)品中來成了各個(gè)公司和廠商關(guān)注的焦點(diǎn)。擁有高級智能分析的智能視頻監(jiān)控系統(tǒng)，不僅能大大增強(qiáng)監(jiān)控的能力、降低不安全隱患，同時(shí)節(jié)省了人力物力，降低了成本。 智能在監(jiān)控領(lǐng)域中的發(fā)展 在上世紀(jì)九十年代初以前，以模擬設(shè)備為主體的閉路電視監(jiān)控系統(tǒng)是最早的第一代監(jiān)控系統(tǒng)，該技術(shù)成熟，穩(wěn)定，在許多實(shí)際工程中都得到了廣泛的應(yīng)用，在某些場合這項(xiàng)技術(shù)至今還在人們關(guān)注的視野當(dāng)中。真正的智能監(jiān)控是隨著計(jì)算機(jī)的發(fā)展以及網(wǎng)絡(luò)的革新才出現(xiàn)的。九十年代中期，計(jì)算機(jī)處理能力的提高和視頻技術(shù)的發(fā)展使得人們開始利用計(jì)算機(jī)的高速數(shù)據(jù)處理能力來進(jìn)行視頻的采集和處理，由此而生的數(shù)字化監(jiān)控系統(tǒng)稱之為第二代視頻監(jiān)控系統(tǒng)。從九十年代末開始，隨著網(wǎng)絡(luò)帶寬，計(jì)算機(jī)處理能力和存儲容量的進(jìn)一步提高，以及各種視頻處理技術(shù)的出現(xiàn)，視頻監(jiān)控進(jìn)入了全新數(shù)字化時(shí)代。智能在安防中的應(yīng)用越來越重要。因此，第三代監(jiān)控系統(tǒng)的就是以網(wǎng)絡(luò)為依托，以數(shù)字視頻的壓縮、傳輸，存儲和播放為核心，以智能的圖像分析為特色的技術(shù)革命。闖入報(bào)警，非法停留，物品遺留，運(yùn)動目標(biāo)跟蹤等等。這些高級智能分析的功能成為了現(xiàn)代安防監(jiān)控產(chǎn)品中一大特點(diǎn)。 相關(guān)智能算法的研究 提到安防不能不提智能，提到智能不得不提算法。算法，作為行為分析和圖像處理的靈魂，在今后的產(chǎn)品研發(fā)和方案實(shí)施中起著引導(dǎo)性的作用。監(jiān)控的領(lǐng)域不斷的擴(kuò)大，市場不斷的發(fā)展，使得巨大的視頻信息需要分析處理，對于智能視頻監(jiān)控系統(tǒng)來說，面對如此大的信息量，好的技術(shù)和結(jié)構(gòu)是關(guān)鍵的問題所在。在遠(yuǎn)程監(jiān)控過程中，為了減少網(wǎng)絡(luò)傳輸?shù)膲毫Γ谠O(shè)備前端將一些智能分析的模塊嵌入到產(chǎn)品的編碼模塊當(dāng)中去，通過前面的智能分析只提取有用的視頻信息，并對其進(jìn)行編碼壓縮傳輸，大大的減小了傳輸?shù)臄?shù)據(jù)量，而圖像分析部分則在解碼后由后端的軟件部分處理。這種分工式思想比單純的靠集中式軟件或硬件處理的效果都要好的多。 同H264等編解碼算法相比，視頻智能算法之所以沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，沒有ASIC化，就是因?yàn)槠鋸?fù)雜度以及目標(biāo)行為的多樣性，導(dǎo)致很難制定出一套標(biāo)準(zhǔn)的規(guī)則來應(yīng)用于各個(gè)行業(yè)領(lǐng)域。智能算法屬于新興的綜合類科學(xué)技術(shù)，許多有效的智能分析算法都是先從國外發(fā)展起來的，而且還有相當(dāng)一部分的算法要么復(fù)雜度太高，不適合實(shí)時(shí)性的要求;要么自適應(yīng)較差，對場景的依賴性太大;要么則還停留在理論研究的階段，離產(chǎn)品還比較遠(yuǎn)。國內(nèi)完全真正具有自主知識產(chǎn)權(quán)的智能監(jiān)控產(chǎn)品很少，絕大多數(shù)產(chǎn)品的技術(shù)都是源于美國、歐洲、和以色列等發(fā)達(dá)國家。國內(nèi)大多數(shù)生產(chǎn)和安裝的視頻監(jiān)控系統(tǒng)仍停留在非智能的領(lǐng)域，在監(jiān)控系統(tǒng)中提到的"智能視頻監(jiān)控",實(shí)際上還停留在普通的網(wǎng)絡(luò)視頻監(jiān)控的概念上。 大都還是IP監(jiān)控和數(shù)字化監(jiān)控等，不具備所說的高級智能分析的內(nèi)容。為此國內(nèi)有很多公司在智能方面也投入了大量的人力物力開發(fā)研究，并在傳統(tǒng)的運(yùn)動目標(biāo)檢測等方面做了大量的改進(jìn)，取得了突破性的效果。擁有自主知識產(chǎn)品的智能化的安防產(chǎn)品，對提高國內(nèi)的整體智能化監(jiān)控水平，提高國內(nèi)產(chǎn)品在國際競爭中的地位有著非常重要的作用。 從算法的角度來說，監(jiān)控產(chǎn)品的智能化在技術(shù)方面還有很多的研究要做，但這也給了大家一個(gè)機(jī)遇，誰在今后的發(fā)展中掌握了核心的技術(shù)，誰就能夠挖到第一桶金，占據(jù)相關(guān)領(lǐng)域的市場。在智能圖像分析中，運(yùn)動目標(biāo)的檢測和跟蹤應(yīng)該是高級智能分析里面最基本的功能。是入侵報(bào)警，非法停留，丟包遺物等行為分析的基礎(chǔ)。下面就簡單分析一下物體識別跟蹤的過程。 具體應(yīng)用舉例 算法的實(shí)現(xiàn)可以看作一個(gè)建模的過程，也可以理解成一種應(yīng)用數(shù)學(xué)工程。運(yùn)動目標(biāo)的檢測識別是指從序列圖像中將變化的前景從背景中分離出來，是數(shù)字圖像處理的一個(gè)主要部分。天氣和光照的變化，復(fù)雜背景中其他物體的干擾，運(yùn)動的影子以及攝像機(jī)的運(yùn)動、抖動等都會對目標(biāo)的提取過程帶來困難。因此運(yùn)動目標(biāo)的正確檢測和準(zhǔn)確跟蹤成為了視頻監(jiān)控系統(tǒng)中一項(xiàng)重要的技術(shù)點(diǎn)。整個(gè)過程可以簡單分為以下幾個(gè)步驟：視頻預(yù)處理，目標(biāo)檢測與識別，目標(biāo)分類，目標(biāo)跟蹤，行為分析和規(guī)則創(chuàng)建。 視頻預(yù)處理 視頻預(yù)處理過程其實(shí)就是降低噪聲，突出跟蹤目標(biāo)。圖像噪聲有兩類，一類是源噪聲，一類屬于觀察噪聲。環(huán)境光線變化，背景的樹葉，雨雪等都屬于源噪聲;而觀察噪聲主要指得是攝像頭抖動，傳輸線路干擾等影響。這些噪聲都會對跟蹤目標(biāo)提取過程造成麻煩。在消除噪聲方面一般采用的方法為數(shù)字穩(wěn)像，背景自適應(yīng)學(xué)習(xí)，閾值分割，形態(tài)學(xué)濾波，二值化等。這些處理可以消除圖像中大部分噪聲，減少其對目標(biāo)檢測的干擾。 目標(biāo)檢測與識別 利用運(yùn)動目標(biāo)提取過程得到前景運(yùn)動的物體后，就需要對目標(biāo)有一個(gè)識別的過程。這種識別分為單目標(biāo)人工識別和多目標(biāo)區(qū)域識別。對于單個(gè)物體的跟蹤來說，可以從視頻中人為的選取出感興趣的物體，并對其進(jìn)行跟蹤;對于區(qū)域多物體來說，則可以劃分出一個(gè)區(qū)域，只對進(jìn)入?yún)^(qū)域的物體進(jìn)行識別和跟蹤。 目標(biāo)分類 對于監(jiān)控區(qū)域內(nèi)的單個(gè)物體跟蹤來說是不需要分類的。即使物體在運(yùn)動過程中發(fā)生了遮擋，當(dāng)物體滿足線性運(yùn)動，背景變化比較平緩時(shí)，該算法仍然可以對物體進(jìn)行準(zhǔn)確的跟蹤。對于復(fù)雜環(huán)境下的非線性運(yùn)動的物體，我們則在診-來單目標(biāo)跟蹤的基礎(chǔ)上加入一些目標(biāo)特征信息來幫助識別跟蹤。目標(biāo)分類一般應(yīng)用于多目標(biāo)情況下跟蹤單目標(biāo)，或者多目標(biāo)跟蹤多目標(biāo)的環(huán)境。當(dāng)環(huán)境中有多個(gè)運(yùn)動目標(biāo)的時(shí)候我們可以把每個(gè)運(yùn)動的目標(biāo)都提取出來，按照位置、速度、形狀、紋理以及色彩等有關(guān)特征對它們進(jìn)行分類。首先將感興趣目標(biāo)的特征信息保存下來，然后對其進(jìn)行跟蹤。當(dāng)視頻中跟蹤的物體消失后又出現(xiàn)時(shí)，我們就重新用以前保存的特征信息和當(dāng)前畫面中出現(xiàn)的所有運(yùn)動目標(biāo)進(jìn)行匹配。通過比較的結(jié)果，就可以判定出現(xiàn)的物體中哪一個(gè)是剛才跟蹤的目標(biāo)。
|
