内容字号:默认大号超大号

段落设置:段首缩进取消段首缩进

字体设置:切换到微软雅黑切换到宋体






智能视频监控技术与应用分析

时间:2010-09-10 来源:Donews 作者:陈一凡 点击:
中国集群通信网】1、引言

  随着计算机、网络、信息与通信、音视频编解码、流媒体等技术的日趋成熟与完善,在安防市场巨大的需求推动下,视频监控技术正在向着数字化、网络化、智能化的方向发展,视频监控由目视解释转变为自动解释是视频监控技术的飞跃,也是安防技术发展的必然。

  在2008年北京安防展上,一批视频监控前端设备厂家分别展出了各自的智能视频监控产品,标志着智能视频监控技术已经从概念转化为产品,并逐步进入实际应用。本文结合智能视频监控应用系统开发与部署的经验,对智能视频监控技术及其应用现状与前景进行分析。

  2、智能视频监控技术

  智能视频监控技术源自计算机视觉与人工智能的研究,它的主要研究目标是利用计算机视觉技术、图像视频处理技术和人工智能技术对监控视频的内容进行描述、理解和分析,并能根据分析的结果对视频监控系统进行控制,从而使视频监控系统具有较高层次的智能化水平。图1给出了一个典型的智能视频监控系统的基本工作流程。

  智能视频分析模块获取视频序列后,首先通过图像恢复或超分辨率复原技术提高图像质量,然后对场景中的目标进行检测、分类和跟踪,进而实现视频内容的分析理解,包括场景中的异常检测、人的身份识别以及视频内容的理解描述等。最后根据设定的规则产生报警,进而触发后续业务处理。各步骤介绍如下:

  1.目标检测将输入的视频图像中变化剧烈的图像区域从图像背景中分离出来,它处于视频监控技术的前端,是各种后续处理的基础。目前,算法主要包括背景减法、相邻帧差法和光流法等。

  2.目标分类利用一些图像特征值实现目标类型(一般是人和车)的甄别。用于目标分类的特征有空间特征和时间特征两种,空间特征包括目标轮廓、目标尺寸、目标纹理等,时间特征包括目标大小的变化、运动的速度等。

  3.目标跟踪依据目标及其所在的环境,选择能唯一表示目标的特征,并在后续帧中搜索与该特征最匹配的目标位置。常用的跟踪算法包括:基于特征的跟踪算法,基于3D模型的跟踪,基于主动轮廓模型的跟踪以及基于运动估计的跟踪等。

  4.智能分析。它位于智能视频监控的高级阶段,是实现视频监控智能化的关键。包括异常检测、身份识别及视频内容理解等:

  异常检测中典型的异常包括用户定义的异常情况和非常规事件,检测方法分为基于模型的方法和基于分类器的方法;

  身份识别包括人脸识别和步态识别;

  视频内容理解是指在对序列进行低级处理的基础上,对场景中的事件进行分析和识别,用自然语言等加以描述。

  根据目前智能视频分析技术的成熟度,智能视频监控应用场景主要包括人数统计、车牌识别、事件检测和视频诊断等。

  人数统计:统计穿越入口或指定区域的人或物的数量。例如可为商场统计每天的客流量。

  车牌识别:识别车辆的形状、颜色、车牌号码等特征,并反馈给监控者。此技术可应用于车辆黑名单追踪。

  事件检测:对视频进行周界监测与异常行为分析。异常行为包括双向越界、单向越界、进入禁区、离开禁区、徘徊、无人值守、骤变、人员聚集、烟雾检测、快速运动、逆行、打架等事件。

  视频诊断:对视频图像出现的雪花、滚屏、模糊、偏色、画面冻结、增益失衡和云台失控等常见摄像头故障做出准确判断并发出报警信息。该技术可应用于平安城市的建设中,自动检测摄像机的状态,从而减轻维护人员的工作强度。

  3、智能视频监控应用

  3.1智能视频监控产品形态

  根据智能视频分析模块所处的位置可将智能视频监控产品分为两种形态:前端智能和后端智能。其中,前端智能通过DSP方式实现,将智能视频分析算法加载在视频服务器、数字硬盘录像机、网络摄像机等前段设备中,对摄像头采集的视频数据直接进行分析。由于利用了DSP强大的硬件处理能力,同时前端设备的架设针对具体的智能视频分析算法优化,从而提高了视频分析准确率,因此目前智能视频监控产品多为前端智能。后端智能通过纯软件实现,运行于普通PC或服务器上,构成视频分析服务器。视频分析服务器获取压缩的视频流后,对视频进行解码、分析和处理。后端智能的优势在于可以方便的与其它视频监控应用软件融合,而且不需要对已有的前端设备进行替换升级,保护原有投资,同时智能视频分析单元可被多路视频分析分时复用,降低整个系统的投入。但后端智能受限于视频分析服务器的处理能力,而且已有前端设备的架设往往不满足智能视频分析的要求,导致视频分析的准确率较低。

  3.3智能视频监控系统实施

  随着智能视频监控产品日渐成熟,智能视频监控技术开始在视频监控系统中逐步应用,大大提高了视频信息的价值。但是,要充分发挥智能视频监控技术在视频监控系统中的作用,却不是想象中那么简单,主要面对以下几点挑战。

  智能视频检测准确率。

  智能视频监控技术运用数学模型来描述真实世界,并试图利用数学模型来分析视频数据,但是实际环境比数学模型要复杂得多,智能视频分析受到诸多因素的干扰而影响其检测准确率,存在较大程度的漏报和误报,当漏报和误报达到一定比例,视频检测就失去了它的意义。智能视频监控产品生产厂家针对各种实际应用环境,对算法进行了大量的优化以排除干扰,提高了智能视频检测的准确率,但是实际应用环境千差万别,生产厂家要对各种环境进行优化,势必增加研发成本与产品版本管理的负担。

  工程施工要求提高。

  由于前端设备架设环境对智能视频分析的影响,在安装前端设备时,需要根据智能视频监控应用场景,针对性的架设。如进行人流或者车流统计时,摄像机视角与人或车行进方向垂直会达到比较好的分析效果;而应用在车牌识别时,摄像机视角又需要能够从正面拍摄到车牌,并且选择摄像机时要考虑低照度、逆光、车速等因素。

  不同的应用场景对目标对象在整个视频中的比例或者像素也有相应要求。

  所有的这些要求,需要施工调试人员对智能视频分析应用场景有比较深入的了解,在施工时针对性的选型和架设前端设备,不断的调试以达到最佳分析效果。因此,智能视频监控系统的施工要求比普通视频监控系统要高很多。
(中国集群通信网 | 责任编辑:陈晓亮)

本文标签: 智能监控, 视频监控

相关文章

中国集群通信网,国内首家集群通信专业网站。

Copyright © PttCn.Net, All Rights Reserved.   

联系我们 联系我们 中国集群通信网 对讲机学堂 对讲机世界