淺析安防智能視頻圖像分析系統發展趨勢

　　2、 運動物體檢測

　　簡單地說，運動檢測就是發現圖像中運動的物體。運動物體可以簡單定義為圖像中變化的部分。一些初級的運動檢測算法就是基于這些概念，例如早期的DVR產品的運動偵測功能等。它們通常也沒有跟蹤功能。此類方法的誤報警率太高，不適合用作實時報警系統。

　　并不是所有圖像中的變化都是我們感興趣的運動物體。例如由相機自身引入的變化，它包括像素的噪聲，相機自動光圈控制電路引起的整體亮度變化，圖像傳輸中引入的高低頻周期噪聲信號，紅外相機周期校準所帶來的突變等。外界環境引入的變化包括地面光照在多云天氣里迅速的變化，運動物體的陰影，水面波浪或者波光粼粼的現象，陸地上樹枝的擺動，夜間汽車大燈造成的光暈，雨雪天氣等現象。另外相機在大風天，尤其是高燈桿上容易抖動。由上述這些現象造成的圖像變化通常是應該被過濾掉的。它們可以通過算法或者其它技術手段加以解決。

　　從算法的角度來看，可以簡單地分為兩大類。一類是建立背景模型，通過和背景模型相對比來發現運動物體。另一類是通過“光流”法，通過發現運動物體對光流場的影響來發現運動物體。另外就是介于兩者之間或者兩者結合的方法。背景模型法對運動物體的提取較完整，有利于下一步對物體的跟蹤，分類以及將來的檢索。但是它要求相機固定。如果沒有有效的穩定算法，在相機抖動的情況下容易產生誤報警。光流法對相機穩定性的要求低。即使相機安裝在云臺上，或者其它運動平臺如飛機上，也可以進行運動檢測。不過由于光流法是基于導數的檢測方法。它較容易受到圖像噪音的影響。所以它不適用于檢測小物體，檢測距離較近。

　　3、多物體跟蹤

　　現有視頻分析算法和早期移動偵測最大的區別就在于是否對運動物體進行跟蹤。運動物體檢測和跟蹤是視頻分析的基礎。這兩方面做扎實了，才有可能對物體的行為特性進行分析，同時也才有可能較容易地針對某些特殊應用迅速開發出來新功能模塊。跟蹤實質上就是將在每一幀上發現的同一物體沿時間順序串起來。此領域本身就是一個相對獨立的活躍的研究領域。主要研究方向是在復雜環境下，如多個運動物體，多個相機，運動物體之間互相遮擋，消失及重現等情況下進行有效跟蹤。例如在擁擠的地鐵站臺對某個人進行跟蹤;對草叢里身著迷彩服沿一定方向爬行的士兵進行跟蹤。雖然在每一幀里用肉眼無法辨明此士兵的位置，但是積累了一定幀數后，系統發現了他。以上實例主要還停留在實驗室演示階段。但是它們代表了跟蹤算法的發展方向。

　　在實際監控應用中，尤其是對一些入侵報警的應用案例中，對跟蹤算法的要求比較低。現有的商業系統對運動物體“融合”及其它復雜應用場景的跟蹤效果并不理想。但是參照以往技術發展速度，這方面會很快完善起來。

　　4、行為特征分析

　　行為特征分析是從圖像中尋找滿足預先設定的行為特征的事件。目前市場上比較典型的應用包括：

　　(1)分類： 判斷運動物體是人，車，船只，飛機。

　　(2)停止或者突然加速：例如車輛在隧道或者公路上拋錨;大街上搶劫得手后逃跑等場景。

　　(3)徘徊：例如在敏感區域外觀察的人員。對正常通過的行人、車輛不報警。

　　(4)遺留物： 例如對在機場，油庫等地放置爆炸物然后離開。

　　(5)物品遺失： 例如博物館的貴重展品保護。當發現展品消失后，系統會立刻報警。

　　(6)人數統計：例如 對進入超市等場所的人數進行統計。并結合銷售數據繪制一天當中平均消費額曲線。

　　(7)人群密度：例如當聚集人員過多時報警。或者人群突然散開，如出現異常情況時，進行報警。

　　(8)人員倒地： 例如當人員由直立突然變成平躺。

　　總的來說，智能視頻分析可以作很多事情。所以需要視頻分析開發人員和最終用戶進行有效溝通。由于智能視頻分析還是一個較新的技術，在國內了解此項技術的圈子目前只拓展到集成商這個層面上，所以很多適合視頻分析技術的應用場景還有待市場開發。但有一點是一目了然的：企業必須掌握核心技術并具有自主研究開發能力。智能視頻分析的市場是由許多細分小市場組成的，新的應用正不斷地出現。在可預見的將來，這會是這個市場的一個明顯特點。

　　5、設定報警條件

　　在視頻監控里引入“智能”極大地豐富了監控內容，提高了監控的靈活性。用戶可以針對某個特定行為進行報警。例如簡單地說，當運動物體穿越某條界限時報警。也可以使用更多的限定條件，如在晚上7點到早晨7點之間對進入某個區域的人員進行報警，對出去的人員，進出的車輛不報警。由于是通過軟件設定報警條件，更改報警策略通常來說非常容易。例如有一批貴重貨物在倉庫里只存放一天，可以在那一天在屏幕上倉庫周圍設置虛擬邊界，就像孫悟空用金箍棒畫個圈將唐僧等人保護起來一樣，很快地建立起保護措施。用戶也可以依據不同設施的具體安保需求設定不同的策略。例如白天和夜晚的監控內容不一樣，工作日和周末監控內容、監控力度也不一樣。系統自動切換，避免了人員監控的隨意性。目前可供選擇的報警要素包括區域、時間段、物體種類、尺寸、運動方向、速度、行為特征等許多內容。

　　6、報警聯動

　　在智能視頻分析系統發現異常情況以后，通常需要作3類事情：

　　1) 核實報警真實性：通過另外一臺云臺相機對報警事件拉近進行詳細調查。由于監控范圍的需要，報警相機的監控范圍通常較大，而且經常是固定相機。另外一臺云臺相機可以和一臺或者幾臺固定報警相機相配合自動或者手動響應報警事件。報警錄像片段通常會被同時存在硬盤上。

　　2). 及時通知、提醒監控人員：常用實時提示方法包括語音提示監控人員，如“倉庫門口發現人員。”;在屏幕上彈出報警圖像;在圖像上用標識框標識觸警物體;顯示觸警物體之前的運動軌跡。另外也有非實時的技術手段，如通過郵件或者短信的形式通知負責人員，并附以觸警截圖。目前通過手機瀏覽實時監控圖像已經較成熟。3G手機在國內的普及必將促使手機成為有一個響應平臺。除了DVR備份以外，智能視頻分析系統可以存儲報警錄像片段，供監控人員迅速檢索。

　　3). 觸發其它外部響應手段： 為避免頻繁出警，有些系統可以和喇叭聯動，提醒入侵人員已經被監控。通常他們在知道被發現后會迅速離開。

　　智能視頻分析系統主要形式及特點

　　目前智能視頻分析產品主要基于通用CPU如英特爾(服務器，工控機)或者DSP。有些產品和DVR集成在一起，有些產品做成獨立的模塊，通過提供界面和開發SDK供集成商使用。集成化程度最高的產品已經和相機做成一體，直接輸出智能分析結果。

　　基于服務器(工控機)的系統通常適合布置在監控系統的后臺。由于它的架構相對開放，所以可以方便地和現有監控系統融合。另外服務器的CPU處理能力和DSP相比要高，可以使用較為復雜的算法。多核是英特爾CPU的發展方向，非常適合多路圖像處理的需要及發展趨勢。對于降低系統成本很有幫助。英特爾每兩年推出一款新產品的速度也遠較德州儀器(TI)快。基于服務器的系統性能可以隨著英特爾產品的更新而方便地提升。在一些高端智能視頻監控系統中，使用服務器的比較多。

　　基于DSP的模塊化產品通常適合布置在監控系統的前端。它安裝實施起來比較方便。對于知識產權的保護也容易做到位。從商業模式的角度來看，比較適合中國市場的需要。

　　如果我們可以從北美市場汲取一些經驗的話，那就是成功安裝使用一臺智能視頻分析產品通常應由有豐富經驗的集成商或者開發商通過解決方案的形式給予直接有力的支持。現在市場上的智能視頻分析產品和傳統監控形式相比，監控效率、質量，特別在實時報警方面，有了實質性的進步。但是它們離我們期望的標準還有一些差距。還不能指望像安裝監控相機一樣搭起一套系統馬上正常運轉。像任何新技術一樣，要達到好的效果，必須有了解智能視頻分析產品特點的工程人員從方案設計到施工、調試的全程支持。

　　智能視頻分析仍然是一個活躍的研究領域。新思路、新成果不斷出現。無論從理論方面，還是硬件平臺能力方面，目前的智能視頻分析系統還有明顯的提升空間。從用戶使用的角度來看，在短時間內(如一分鐘)單路圖像監控情況下，人通常比現有的系統更快、更準的做出判斷。從目前技術發展趨勢來看，智能視頻分析完全可以做到全面超過人的監控能力。變成像現在的DVR一樣成熟、可靠的監控手段。