主頁（http://www.130131.com）：智能監(jiān)控或將成為安防行業(yè)的下一個拐點 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、機場等公共場所的安全防范中，并且將有更廣泛的應用前景。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、報警、錄制等一系列分析處理工作，沒有充分發(fā)揮實時主動的監(jiān)控作用。更多的產(chǎn)品需求和更廣闊的市場應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。從目前的技術層次來說，數(shù)字圖像處理技術已經(jīng)日益成熟，人工智能也突飛猛進，如何將圖像智能分析的功能融入到智能產(chǎn)品中來成了各個公司和廠商關注的焦點。擁有高級智能分析的智能視頻監(jiān)控系統(tǒng)，不僅能大大增強監(jiān)控的能力、降低不安全隱患，同時節(jié)省了人力物力，降低了成本。 智能在監(jiān)控領域中的發(fā)展 在上世紀九十年代初以前，以模擬設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)，該技術成熟，穩(wěn)定，在許多實際工程中都得到了廣泛的應用，在某些場合這項技術至今還在人們關注的視野當中。真正的智能監(jiān)控是隨著計算機的發(fā)展以及網(wǎng)絡的革新才出現(xiàn)的。九十年代中期，計算機處理能力的提高和視頻技術的發(fā)展使得人們開始利用計算機的高速數(shù)據(jù)處理能力來進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)絡帶寬，計算機處理能力和存儲容量的進一步提高，以及各種視頻處理技術的出現(xiàn)，視頻監(jiān)控進入了全新數(shù)字化時代。智能在安防中的應用越來越重要。因此，第三代監(jiān)控系統(tǒng)的就是以網(wǎng)絡為依托，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革命。闖入報警，非法停留，物品遺留，運動目標跟蹤等等。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。 相關智能算法的研究 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)和方案實施中起著引導性的作用。監(jiān)控的領域不斷的擴大，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，好的技術和結構是關鍵的問題所在。在遠程監(jiān)控過程中，為了減少網(wǎng)絡傳輸?shù)膲毫�，在設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統(tǒng)一的標準，沒有ASIC化，就是因為其復雜度以及目標行為的多樣性，導致很難制定出一套標準的規(guī)則來應用于各個行業(yè)領域。智能算法屬于新興的綜合類科學技術，許多有效的智能分析算法都是先從國外發(fā)展起來的，而且還有相當一部分的算法要么復雜度太高，不適合實時性的要求;要么自適應較差，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。國內完全真正具有自主知識產(chǎn)權的智能監(jiān)控產(chǎn)品很少，絕大多數(shù)產(chǎn)品的技術都是源于美國、歐洲、和以色列等發(fā)達國家。國內大多數(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域，在監(jiān)控系統(tǒng)中提到的"智能視頻監(jiān)控",實際上還停留在普通的網(wǎng)絡視頻監(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容。為此國內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)的運動目標檢測等方面做了大量的改進，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，對提高國內的整體智能化監(jiān)控水平，提高國內產(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)品的智能化在技術方面還有很多的研究要做，但這也給了大家一個機遇，誰在今后的發(fā)展中掌握了核心的技術，誰就能夠挖到第一桶金，占據(jù)相關領域的市場。在智能圖像分析中，運動目標的檢測和跟蹤應該是高級智能分析里面最基本的功能。是入侵報警，非法停留，丟包遺物等行為分析的基礎。下面就簡單分析一下物體識別跟蹤的過程。 具體應用舉例 算法的實現(xiàn)可以看作一個建模的過程，也可以理解成一種應用數(shù)學工程。運動目標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)字圖像處理的一個主要部分。天氣和光照的變化，復雜背景中其他物體的干擾，運動的影子以及攝像機的運動、抖動等都會對目標的提取過程帶來困難。因此運動目標的正確檢測和準確跟蹤成為了視頻監(jiān)控系統(tǒng)中一項重要的技術點。整個過程可以簡單分為以下幾個步驟：視頻預處理，目標檢測與識別，目標分類，目標跟蹤，行為分析和規(guī)則創(chuàng)建。 視頻預處理 視頻預處理過程其實就是降低噪聲，突出跟蹤目標。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，背景自適應學習，閾值分割，形態(tài)學濾波，二值化等。這些處理可以消除圖像中大部分噪聲，減少其對目標檢測的干擾。 目標檢測與識別 利用運動目標提取過程得到前景運動的物體后，就需要對目標有一個識別的過程。這種識別分為單目標人工識別和多目標區(qū)域識別。對于單個物體的跟蹤來說，可以從視頻中人為的選取出感興趣的物體，并對其進行跟蹤;對于區(qū)域多物體來說，則可以劃分出一個區(qū)域，只對進入?yún)^(qū)域的物體進行識別和跟蹤。 目標分類 對于監(jiān)控區(qū)域內的單個物體跟蹤來說是不需要分類的。即使物體在運動過程中發(fā)生了遮擋，當物體滿足線性運動，背景變化比較平緩時，該算法仍然可以對物體進行準確的跟蹤。對于復雜環(huán)境下的非線性運動的物體，我們則在診-來單目標跟蹤的基礎上加入一些目標特征信息來幫助識別跟蹤。目標分類一般應用于多目標情況下跟蹤單目標，或者多目標跟蹤多目標的環(huán)境。當環(huán)境中有多個運動目標的時候我們可以把每個運動的目標都提取出來，按照位置、速度、形狀、紋理以及色彩等有關特征對它們進行分類。首先將感興趣目標的特征信息保存下來，然后對其進行跟蹤。當視頻中跟蹤的物體消失后又出現(xiàn)時，我們就重新用以前保存的特征信息和當前畫面中出現(xiàn)的所有運動目標進行匹配。通過比較的結果，就可以判定出現(xiàn)的物體中哪一個是剛才跟蹤的目標。
|
