智能視頻監(jiān)控技術(shù)研究及應(yīng)用

《智能視頻監(jiān)控技術(shù)研究及應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、智能視頻監(jiān)控技術(shù)研究及應(yīng)用曾映華中國聯(lián)合網(wǎng)絡(luò)通信有限公司東莞市分公司摘要：筆者長期在聯(lián)通公司工作，對于智能視頻監(jiān)控的應(yīng)用有著一定的了解，以下簡單的對智能視頻監(jiān)控存在的問題以及智能視頻監(jiān)控技術(shù)的優(yōu)勢和應(yīng)用等內(nèi)容進(jìn)行探討。關(guān)鍵詞：智能視頻；技術(shù)分析；優(yōu)勢；應(yīng)用概述：傳統(tǒng)的電視監(jiān)控技術(shù)只可以達(dá)到“千里眼”的作用，把遠(yuǎn)程的目標(biāo)圖像傳輸?shù)奖O(jiān)控中心，由監(jiān)控人員根據(jù)看到的視頻圖像對現(xiàn)場的情況做出判斷。隨著信息化的進(jìn)程推進(jìn)，圖像處理技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)以及通信技術(shù)飛速發(fā)展，極大地促進(jìn)了視頻監(jiān)控技術(shù)的不斷發(fā)展和更新。智能視頻

2、源自于計(jì)算機(jī)視覺技術(shù)，計(jì)算機(jī)視覺技術(shù)是人工智能研究的一個(gè)分支。智能視頻監(jiān)控在不需人為干預(yù)的情況之下，利用了計(jì)算機(jī)視覺以及視頻分析的方法對攝像機(jī)所拍錄的圖像序列進(jìn)行自動(dòng)分析，實(shí)現(xiàn)了動(dòng)態(tài)場景中目標(biāo)的識(shí)別、檢測以及跟蹤，并且在這基礎(chǔ)上進(jìn)行行為的分析。另外，智能視頻監(jiān)控還能夠應(yīng)用在客戶行為分析、交通管理以及客戶服務(wù)等多種非安全相關(guān)的場景，以提升用戶的投資回報(bào)。一、智能視頻監(jiān)控存在的問題1.缺少自主知識(shí)產(chǎn)權(quán)。在目前來看，我國市場上所見到的智能視頻監(jiān)控產(chǎn)品，基木上都是來源于歐洲、美國和以色列。但絕大部分產(chǎn)品售價(jià)較高、性

3、能的可靠性也不夠。國外廠商控制了核心的技術(shù)，維護(hù)以及安裝都是需要外方的全方位參加，這就給我們的國家安全帶來了很大的隱患。2.加強(qiáng)了產(chǎn)學(xué)研的結(jié)合。從技術(shù)的角度而言，智能視頻監(jiān)控系統(tǒng)所包含了四類視覺分析技術(shù)：目標(biāo)跟蹤、運(yùn)動(dòng)目標(biāo)檢測、行為識(shí)別、目標(biāo)分類。其中的目標(biāo)跟蹤、運(yùn)動(dòng)目標(biāo)檢測都是屬于視覺低級處理部分，而行為識(shí)別、目標(biāo)分類則是屬于中級和高級處理。對于視覺低級處理部分，目標(biāo)跟蹤以及運(yùn)動(dòng)檢測這些類型的視頻智能分析技術(shù)己經(jīng)取到了一定的成果，在B前市場上已有相應(yīng)的產(chǎn)品，在實(shí)際中得到比較廣泛的應(yīng)用。而對于行為理解和0標(biāo)

4、分類描述等中級和高級處理技術(shù)，相關(guān)的研究發(fā)展比較緩慢，盡管在國內(nèi)外學(xué)者提出了許多被證明是冇效的算法，但是還停留在理論階段，離實(shí)用仍然奮著不小的距離。因此要加強(qiáng)產(chǎn)學(xué)研結(jié)合的發(fā)展模式，一方面是要加強(qiáng)S前智能視頻分析技術(shù)的研究。另一方面合理評估已有的視頻分析技術(shù)，將具冇可實(shí)現(xiàn)產(chǎn)業(yè)化的技術(shù)添加到應(yīng)用框架中，指導(dǎo)廠家將視頻分析技術(shù)合理應(yīng)用到智能視頻監(jiān)控系統(tǒng)中。二、智能視頻監(jiān)控技術(shù)分析1.提取移動(dòng)的S標(biāo)。運(yùn)動(dòng)檢測是從背景圖像中將圖像序列提取出來，這種分割運(yùn)動(dòng)區(qū)域的方式，可以奮效的減少后續(xù)過程的運(yùn)動(dòng)量。但背景圖像具備著一

5、定的不穩(wěn)定性，譬如慢移動(dòng)、光照以及陰影等，這種情況引起運(yùn)動(dòng)檢測十分困難。在目前來說，智能視頻監(jiān)控技術(shù)是有兩種分析方法：一是吋間差分方法，二是背景減除方法。其中時(shí)間差分法是運(yùn)用視頻圖像特征，從連續(xù)得到的視頻流中取出有用的信息，這些動(dòng)態(tài)B標(biāo)信息就是利用相鄰幀圖像相減進(jìn)而提取的，但是這種方法不可以提取所有相關(guān)特征像素點(diǎn)，會(huì)造成運(yùn)動(dòng)實(shí)體內(nèi)部出現(xiàn)空洞，檢測出0標(biāo)邊緣。而背景減除方法就是運(yùn)用當(dāng)前圖像和背景圖像的差分，對運(yùn)動(dòng)區(qū)域的一種檢測，這種方法可以提供較為完整的運(yùn)動(dòng)B標(biāo)數(shù)據(jù)，靈敏度以及精確度都是比較高，體現(xiàn)了良好的性

6、能。2.識(shí)別行為。識(shí)別S標(biāo)行為是在這些年來被廣泛關(guān)注的重點(diǎn)，可以準(zhǔn)確的分析0標(biāo)運(yùn)動(dòng)模式并且識(shí)別?？梢詫⒆R(shí)別行為簡單的理解為吋變數(shù)據(jù)的分類問題，就是將預(yù)先標(biāo)定和測試序列的典型行為作為了參考目標(biāo)進(jìn)行匹配。相關(guān)的工作人員經(jīng)過跟蹤檢測行為變化和0標(biāo)的行為，以及用戶自定義的行為規(guī)則和定義，就可以判斷被跟蹤0標(biāo)的行為是不是存在威脅。(1)狀態(tài)空間方法通過狀態(tài)空間模型的方法，可以將靜態(tài)姿勢定義不同的狀態(tài)，這些狀態(tài)之間可以通過某種概率聯(lián)系起來。任何序列都能夠看作這些靜態(tài)姿態(tài)的不同狀態(tài)之間的一次遍歷過程，在這些遍歷期間計(jì)算聯(lián)

7、合概率，這種概率的最大值可以作為分類行為的標(biāo)準(zhǔn)。在0前，狀態(tài)空間模型己經(jīng)被廣泛的應(yīng)用在吋間序列的估計(jì)、檢測以及預(yù)測中。(1)模板匹配方法采用模板匹配技術(shù)行為識(shí)別方法，可以將圖像序列轉(zhuǎn)變?yōu)橐唤M靜態(tài)形狀模式，在識(shí)別過程中，能夠較為預(yù)先存儲(chǔ)的行為標(biāo)本和實(shí)際物體的運(yùn)動(dòng)情況。這種模板匹配技術(shù)的優(yōu)點(diǎn)就是較快實(shí)現(xiàn)以及計(jì)算簡單，但其對噪盧和運(yùn)動(dòng)吋間的間隔比較敏感，常受到此影響。1.進(jìn)行S標(biāo)分類。智能視頻監(jiān)控技術(shù)可以進(jìn)行S標(biāo)分類，從檢測到的運(yùn)動(dòng)區(qū)域內(nèi)，提取出特定類型的物體，譬如場景中的車輛、人等0標(biāo)。然后就根據(jù)可利用的不同信

8、息，進(jìn)行B標(biāo)分類，基于形狀信息和運(yùn)動(dòng)類型兩種分類方法?；谶\(yùn)動(dòng)特性，可以識(shí)別B標(biāo)運(yùn)動(dòng)的周期性變化。監(jiān)控技術(shù)基本上不受光照和顏色影響，根據(jù)形狀信息進(jìn)行了識(shí)別，然后在檢測出的運(yùn)動(dòng)區(qū)域，匹配0標(biāo)物體的模板、形狀特征以及統(tǒng)計(jì)量。三、智能視頻監(jiān)控技術(shù)的優(yōu)勢以及應(yīng)用1.智能視頻監(jiān)控的優(yōu)勢智能視頻監(jiān)控主要的優(yōu)勢體現(xiàn)在以下的幾個(gè)方面：(1)提高響應(yīng)速度智能視頻監(jiān)控系統(tǒng)冇著比普通網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)更加強(qiáng)大的智能特性，它可以識(shí)別任何的