主页（http://www.pttcn.net）：从技术到产品应用，深度解析IVS
纵观国内市场形形色色的IVS宣传中，我们遗憾的是核心技术缺乏，而声称拥有自我知识产权的厂家也屈指可数。IVS的基本原理如何，其应用情况如何，其产品形式有哪些，未来可能存在的产品形式等，本文将围绕以上问题对IVS做一次全面的阐述，并借此抛砖引玉。
IVS（IntelligentVideoSurveillance智能视频监控）起源于CV（ComputerVision计算机视觉），而CV则是AI（ArtificialIntelligence人工智能）的一部分。从科学的角度来讲，CV的目的是了解自然，寻找和开发能够从影像源中提取有效信息的方法。从技术的角度，CV的目的则是构建计算视觉系统，能够辅助人类完成控制、监测、组织信息、建模和交互等功能。作为CV的一个重要的分支，IVS涉及了图像处理、建模、物体跟踪、识别等等诸多领域，以下将逐一论述。
IVS基本原理
IVS的基本原理是利用计算机视觉技术，对视频画面进行分析、处理、应用的过程，IVS的实现一般包含以下几个层次。
移动目标提取
移动目标提取的目的是有效地排除外界干扰，找到并抽取画面中移动的物体。换句话说，它是一个取证的过程，取得我们视频分析所需要的依据。正是因为如此，它的稳定性与鲁棒性直接决定了后面跟踪、识别，以及行为分析的表现，可以说它是IVS的最基础数据分析的来源。从技术实现的角度讲，它可以分成三个层次。
视频画面的变化分析
第一层是对原始视频流（压缩或非压缩）进行简单的视频分析，得到一些随着时间发生相对变化的区域。通常采用的算法包括相邻帧做差或建立背景模型做差，以及光流法等等。
过滤噪声
过滤噪声的目的在于排除光线变化以及自然与非自然环境变化的扰动。毫不夸张地说，噪音可以给后面的视频分析过程带来灾难性的影响。例如图2A中靠左侧正在向右行走的人已经很难在辨认出他的形状。如何消除这些噪声的干扰是有效抽取移动目标的一项重要任务。
大体上，噪声出现的原因可以分为三种。其一，摄像机自噪声，信号干扰，摄像机抖动，如前景图中的一些细小而又不很连续的亮点基本属于这一类。
其二，光线变化包括室内、外光线的变化。室外的光线变化包括天气变化（由阴天转晴天，晴转阴，太阳位置移动）、昼夜变化、阴影（云，建筑等）的移动；室内光线变化包括灯光的明暗变化、光源的位置及方向的变化。而光线变化所造成的噪音往往比较明显，在前景图中会表现成大片面积的误报。
其三，自然环境干扰。它包括树叶的摇动、水面的波纹、海浪、浮动的云朵、雨、雪；还有一些非自然环境的干扰包括旗子、条幅、窗帘的飘动，以及建筑物玻璃墙的反射等等。靠上方水面的波动就是个很好的例子。
区域提取
一方面，由上两个环节处理过所得到的前景图往往是以像素为单位的，没有一个“物体”的整体概念。另一方面，这样处理过的前景图区域内部很可能存在许多空隙，给描述物体的形状带来不便。在这一环节，区域提取的主要目的就是利用一些基本的二值图像（黑与白）的处理算法对得到的前景图进行加工，填补空隙，并将连接好的区域区分开，最后作为一个个整体返回给系统。返回给系统的内容可以包括区域大小、位置、形状、颜色、图案等等关键特征描述信息，供下一步有针对性的分析。可以看到物体里面包含的大部分空隙已经被添上，而且物体的整体形状变得更加平滑。有了这样的结果，我们就能进入下一步的处理。
移动目标的跟踪
对目标的跟踪是实现任何一项智能视频分析功能（越界、入侵、遗留、盗窃、徘徊、流量统计等等）所需要的前提，因为我们必须要知道是哪个物体，在什么时间，什么地点出现过，出现了多久，运动的方向怎样，等等信息，而这些都只能通过跟踪得到。
目标的表示
通过上一节“区域提取”我们得到了移动目标的一系列与表象相关的静态描述，如形状、颜色等等。然而，要跟踪目标以及了解他们的运动信息，我们必须利用这些描述建立运动模型。
目标跟踪
移动目标的提取与跟踪其实是两个互利互惠的过程。一方面，如果提取做得很精确，跟踪就会变得很简单，只要选择目标的中心就可以了；另一方面，如果跟踪做得很理想，我们就可以在移动目标在下一个时间点可能出现的地方着重提取，这样得到的结果会更精确。然而，正是由于这两方面都存在很大的不确定性，我们需要权衡双方以得到最好的表现。当然，一个稳定的跟踪算法是得到最好表现的必要前提。
跟踪的算法有很多，有基于物体颜色位置的，有根据物体运动方程的，有级连其它物体辅助跟踪的，还有采用模板的等等。但言而总之，目的只有一个，那就是根据移动物体以前的运动状态（包括速度，加速度，方向等）来推测它可能的下一个位置。再通过前面提取到的移动区域信息进行更正补偿，然后确认最终位置并更新物体的运动状态以供下个时间点处理。
显示的是截取的一帧行人跟踪画面。在这里，移动物体（行人）用简单的矩形框表示，过去5秒钟内矩形框的中心被连成一条轨迹。图中存在很多噪音，包括树叶的大幅摆动和遮阳伞的飘动，这些都被成功地过滤掉了。
复杂情况处理
以上所述的只是一些跟踪的简单情况，往往只涉及到对一个或者几个独立目标的跟踪。然而，现实情况要复杂很多。这包括单个目标的遮挡、消失、重现、以及多个目标的聚合、分离等等。我们不仅需要实现个体的稳定跟踪，而且需要对这些复杂情况做出判断，从而采取相应的措施以保证不会出现混淆、遗漏、重复等错误现象。
在显示的是一个移动目标被部分遮挡的跟踪情况。图中行人身体的下半部被遮挡住，也就是说，我们所得到的提取出来的移动物体只有原来的一部分，然而，稳定的跟踪算法能够正确地推算出物体的实际大小并判断出该物体被遮挡。
高级跟踪技术
(中国集群通信网 | 责任编辑：陈晓亮) |
