基于計算機技術的智能視頻監控系統探討

王加梁

（四川旅游學院，四川成都 610100）

隨著信息技術及計算機硬件的發展，現代監控系統已經實現了網絡技術、計算機技術、集成化技術等多技術的融合，但是就其在實際應用中存在一個突出的問題：人工參與工作。鑒于上述原因，有關人員提出了基于計算機技術的智能視頻監控技術理念，該技術應用基于計算機的多種技術，如視覺分析技術、圖像分析技術、模式識別技術等進行主動監控，對攝像頭錄入的圖像信息進行自動分析，在復雜環境下的目標識別與跟蹤等，進而對目標的行為進行判斷，代替人工完成監控任務。

1 智能視頻監控技術的優勢分析

1.1 不間斷可靠監控

依托人力的傳統視頻監控系統要求監控端7x24小時保持監控人員實時在線和主觀判斷，而基于計算機技術的智能視頻監控技術則可以消除監控對人的依賴，只需要利用其前端設備進行圖像錄入，即可在后端利用計算機信息處理技術對畫面進行實時分析。設備在線的實現相較于監控人員在線更容易實現，且不會產生類似于監控人員的疲勞狀態，故可靠性能較高。

1.2 報警精度高

由于使用了多種計算機技術和高級算法，智能視頻監控系統可以對安全威脅進行精確描述和判斷，還能夠根據分析數據對潛在威脅進行預警，降低誤報和漏報現象出現的幾率，提高報警精度。

1.3 響應速度快

由于智能視頻監控系統可以根據歷史圖像信息對可疑活動進行識別和判斷，故其可以在威脅出現前或者異常情況出現時對監控人員發出報警信號。配合使用適當的安全防護策略，系統還可以按照預定操作對出現的異常情況做出反應，有效避免特殊情況下人為因素導致的響應延誤。

1.4 視頻資源應用廣泛

相較于傳統視頻監控系統而言，智能視頻監控系統可以對目標行為進行判斷并生成日志等存儲文件，以便于后續的視頻再利用。如當視頻監控系統應用于服務領域時，若出現具有VIP客戶身份特征的人物時，智能視頻監控系統可以通知服務人員做好相應的準備工作或服務工作；當智能視頻監控系統應用于消費領域時，可對一段時期內的多目標進行特征分析和統計，便于后續應用獲得的統計數據進行業務安排或者活動開展等。

2 智能視頻監控系統的關鍵技術研究

2.1 移動目標實時監測和提取技術

該技術主要是綜合利用動態場景中的多幀圖像進行圖像分析和圖像處理，從圖像序列中按照一定的算法結構將目標從背景環境中提取出來，實現對運動目標的檢測或對靜止目標的監控。對圖像進行目標提取首先需要對背景圖像進行區域分割，減小運算量，但是在視頻監控環境中的背景圖像非常復雜，存在諸如光線、陰影、移動等。

當前的移動目標提取技術主要分為兩種，一種為背景消除法，一種為時間差分法。其中，背景消除法是利用監控設備的固定特性將當前圖像與預先截取的背景圖像進行差分運算，利用運算結果獲得目標的輪廓并對目標進行提取，獲得較為完整的目標運動特征。該技術具有較高的提取精確度和靈敏度，但是需要高性能的硬件設備的支持，且對環境中的變化因素較為敏感，如場景光線等。而時間差分法則是綜合應用監控視頻中的連續多幀畫面進行圖像特征分析和比較，獲得所需提取的移動目標的特征信息，其實質就是對相鄰多幀的圖像進行區域比較。

2.2 移動目標跟蹤技術

該技術在移動目標提取之后可對所提取的目標創建相關參數，進行跟蹤。就跟蹤對象而言，對移動目標的跟蹤可分為目標部分身體特性跟蹤和目標整體跟蹤兩類；就跟蹤視角而言，可按照所使用的監控設備分為單一視角、多視角和全方位視角三類。除此之外還可以按照其他多種特性進行分類。

2.2.1 基于模型的跟蹤技術

基于模型的跟蹤主要應用數學算法構建人體模型，進而應用該模型對目標進行跟蹤。常用的人體模型構建方式有三種。（1）線圖法。該方法以直線來代替目標身體的各個部位。（2）二維輪廓法。該方法將目標模型在圖像層面上進行投影，獲得模型的平面表達，表達中的各種參數受關節運動的約束。（3）三維立體模型法。該方法將人體建立立體模型，如球、橢圓柱等，進行映射獲得原始模型，再根據詳細參數對模型進行修正獲得較為精細的三維立體模型。

2.2.2 基于區域的跟蹤技術

該跟蹤技術應用較為廣泛。其核心是將人體按照特征劃分成頭、軀干、四肢等區域部分，對于每一部分均應用數學算法構建模型，對于監視區域內的移動目標分別跟蹤其身體各個部分，進而完成對整體的跟蹤。該技術的關鍵點是為對目標陰影和遮擋的處理，在該部分的處理中可應用色彩信息和陰影的性質得到解決。

2.2.3 基于活動輪廓的跟蹤技術

該技術的實現主要是根據對移動目標進行輪廓提取和輪廓連續更新，用該輪廓來描述和跟蹤移動目標。該技術可以大大減小人體模型構建的運算量，且運算復雜度也相對較低。若在較好環境下對多個移動目標進行輪廓描述較為完整，則可以有效改善基于區域的目標跟蹤法中光線變化劇烈或目標特征被遮擋情況下的目標跟蹤難題。

2.2.4 基于特征的跟蹤技術

該技術的實現是將移動目標定位到一個封閉矩形框中，該框中的質心或角點可被認為是目標的跟蹤特征，只要跟蹤特征不被長時間覆蓋或者遮擋，即可實現對目標的跟蹤。該技術實現簡單，受環境變化影響較小。

2.3 目標分類技術

該技術主要用于將特定目標從背景環境中提取出來，與移動目標提取技術相比，該技術更具有針對性，需要對多目標進行區分，以獲得所需的目標。智能視頻監控系統中的目標分類技術主要分為兩類，一類是基于目標運動特性的分類技術，另一類為基于目標形狀信息的分類技術。其中基于目標運動特性的分類技術主要利用目標運動過程中存在的周期性特征對目標進行定位和分類，該技術中目標色彩特征對目標的分類影響較小。基于形狀信息的分類技術則是對目標運動區域的形狀特征進行目標分類，如利用分散度信息和圖像面積信息對動態場景的區域進行分類可以獲得人、車以及混亂擾動的分類等。

2.4 行為識別技術

行為識別技術是智能監控系統的核心技術。該技術可被認為是對監控數據序列與預先標定的典型行為進行特征匹配。通過行為識別技術，可以判斷目標潛在行為是否存在威脅性。

2.4.1 狀態空間法

該方法將多個靜態動作按照一定的概率聯系起來組成狀態庫，目標行為的任一狀態均可以認為是狀態庫中不同狀態之間的一次遍歷，狀態空間法則是利用這些遍歷進行概率運算，選取最大概率的事件作為目標行為。

2.4.2 模板匹配法

該方法的實現是根據將圖像序列轉換為一組靜態形狀模式，在對目標進行行為識別時，該模式與狀態庫中的模板進行比較，超過一定相似度的行為即可認定為目標行為。

3 智能視頻監控系統的實現流程

智能視頻監控系統的硬件設計為模塊化設計方式，包含前端信息采集模塊、智能視頻分析模塊、監控中心模塊以及數據存儲模塊等多個部分。其中智能視頻分析模塊為該系統的核心模塊，主要用于對數字圖像中移動目標的處理和分析，如自動檢測、識別、跟蹤和報警等。

智能視頻分析模塊的部署可以是硬件的方式如嵌入式DSP板卡，也可以是軟件算法的方式。其接受來自上位機的規則和策略對模塊參數進行設置，然后接收前端信息采集模塊，如固定攝像頭采集到的視頻信息等，并進行數據處理和實時分析，分析完畢的結果與系統用戶預設的規則或模板庫進行對照，按照對照結果向用戶發送相關信息，如預警、報警等。此外，當系統發現可疑行為時還需要對目標進行跟蹤和預判，根據預警機制做出應答動作。

4 智能視頻監控系統的應用領域

智能視頻監控系統按照應用領域對安全性能的需求可分為安全相關應用領域以及非安全相關應用領域兩類。其中安全相關領域的應用為智能視頻監控系統的主要應用領域。這類領域中，智能視頻監控系統的作用為協助相關安全部門提供公共或者特殊區域的安全防護手段，如高級視頻移動偵測、人物面部識別、車輛識別、物體追蹤以及非法滯留物檢測等。

非安全相關類應用則是以面向消費服務領域為主，可為服務、零售、醫保等活動提供管理和統計等輔助工具，用以提高服務質量水平。如商場的客流量統計、公共場所的人群控制、注意力控制以及交通流量控制等。

5 智能視頻監控系統中存在的問題

我國市場中的智能視頻監控系統存在兩個突出問題，一是市場中的產品多數來自國外，其掌握了核心技術，并參與到了系統的安裝、運行和維護過程中，這就為系統應用安全帶來了極大的潛在隱患。二是智能視頻監控系統涉及四部分關鍵技術，其中運動目標檢測和目標跟蹤相對較為容易實現，而目標分類和目標行為識別則屬于圖像數據的中、高級處理技術部分，在可實現度方面還有所欠缺，雖然國外學者已經提出相關的算法，但是這些算法還停留在理論階段，距離真正應用還存在一段時間。

對于上述情況，必須加強產學研結合，推動智能視頻監控系統的發展、完善和應用。

6 總結

智能視頻監控系統系統依托計算機的強大功能實現了智能視頻分析、智能視頻檢索等多種技術在視頻監控領域的集成應用，在未來，智能視頻監控必然會成為主流的監控應用。

[1]鄭世寶.智能視頻監控技術與應用[J].電視技術，2009，33（1）

[2]李立仁，李少軍，劉忠領.智能視頻監控技術綜述[J].中國安防，2009（10）

[3]蔣馨.淺析國外智能視頻監控技術的發展及應用[J].中國安防，2011（10）

[4]周杰.智能視頻分析技術初探[J].城市建設理論研究（電子版），2012（19）

[5]江浩.智能視頻分析技術的應用與發展[J].中國安防，2012（8）