淺談智能視頻監控技術

海軍駐杭州地區軍事代表室　趙錦園

中國電子科技集團公司第五十二研究所 杭 飛 陳 仕

淺談智能視頻監控技術

海軍駐杭州地區軍事代表室趙錦園

中國電子科技集團公司第五十二研究所 杭 飛 陳 仕

如今電子信息技術發展越來越快，所以傳統的人工視頻監視已經不能夠滿足公共安全的需要了，而為了適應科技的進步，就發展起來了智能監控技術。智能監控技術與傳統的監控技術相比內容比較廣泛。而且所設計領域也比較廣泛。本文主要分析的是智能視頻技術的發展情況，不僅分析了現在的智能視頻技術的發展狀況，而且還對一些典型的算法的優缺點進行了分析，除此之外還討論了視頻監控技術在物聯網背景下的發展情況。

智能視頻監控；物聯網；公共安全

一、智能視頻監控技術的發展史

1.模擬化的視頻監控技術

從20世紀70年代開始， 光學成像技術就不斷發展，這也帶動了電子信息技術的發展。在這樣的背景下，智能視頻監控技術使用的可能性不斷增大，電子監控系統隨之出現，世界范圍內開始使用電子設備進行視頻監控。最早的模擬視頻監控系統主要以CCTV監控為主。CCTV的工作原理并不是非常復雜，在進行信息傳輸的時候使用的是同軸電纜，在模擬監視器上面可以顯示出信息的具體內容，若是要對信息進行存儲需要借助于磁帶錄像機。模擬視頻監控技術應用范圍比較廣泛，因為它價格比較低，而且安裝起來也非常方便。

2.數字化的視頻監控技術

進入到20世紀90年代之后，原來的模擬化視頻監控技術逐漸顯露出了自己的某些缺陷，相比較模擬視頻監控技術而言，數字壓縮編碼技術和芯片技術儲存量比較大，而且她的監控范圍也比較廣泛。在最開始的時候是半數字時代，使用的是NVR，之后進入到真正的數字化視頻監控，就開始使用DVR進行監控。使用DVR進行監控儲存視頻信息比較多，攝像頭的數量也很多，也正是因為如此提高了他的視頻監控儲存量。使用數字化視頻監控技術維護起來非常簡單方便，而且此技術應用范圍也比較廣泛。智能化的視頻監控技術的發展，也從數字化視頻監控技術中得到了一些啟發。

二、智能視頻監控技術的核心算法

智能化視頻監控系統具有很多的優點，其中最特殊的一點就是此系統運行是全自動化的，24小時之內都可以隨時對監控畫面進行分析，若是發生緊急情況能夠進行及時報警。除了對異常情況進行識別之外，對安保人員還有一定的提醒作用。目前智能化視頻監控技術已經得到了廣泛的應用，各界人士都認同此項技術。本文對智能視頻監控技術核心算法的分析主要涉及到三個層面，分別是底層、中層和高層。

1.目標檢測算法

目標檢測算法在對視頻圖像進行采集的時候主要集中在底層，及時獲取終端上的圖像序列，檢測系統當中遇到的異常情況，同時對所定的目標進行跟蹤監控，主要目的是為了做好分析處理工作，在這個過程中需要注意的是要準確的定位好目標的位置以及確定好儲存量。

目標檢測可以劃分為基于目標建模的目標檢測和基于背景建模的目標檢測，這是根據處理對象的不同來進行劃分的。基于目標建模的目標檢測能夠分析的視頻圖像非常廣泛，既包括固定攝像機記錄的視頻圖像，也包括靜態圖像和移動攝像機記錄的視頻圖像。盡管應用范圍廣泛，但是這種檢測實時性達不到要求，而且漏檢程度非常高?；诒尘敖５哪繕藱z測實時性非常強，但是這種檢測方法應用范圍比較小，只能用于背景不變的運動目標的檢測。

2.目標跟蹤算法

目標跟蹤算法的跟蹤目標主要在底層階段，再對目標進行跟蹤的時候需要確定好目標的具體軌跡，其中最重要的一點是要處理好計算機視覺問題。目標跟蹤算法可以分為單一場景目標跟蹤和綜合場景目標跟蹤，這主要是根據應用場景的差別來進行劃分的。其中單一場景目標跟蹤又可以分為跟蹤單個目標和多個目標，而綜合場景目標跟蹤也可以分化為重疊場景目標跟蹤以及非重疊場景目標跟蹤。首先來說當個場景目標跟蹤，相連續的空間里的一個目標相似度非常高。但是，重疊場景中的目標跟蹤就不一樣了，因為目標在每一個場景中的相似程度都非常低，目標可以在場所之間進行變化， 所以就需要在目標進入到一個新場所之后及時確定目標的具體位置。至于飛蟲的場景目標跟蹤，不同的場景之間都存在著一定的盲區，所以會對目標的觀測數據信息造成影響。

3.目標的分類識別算法

目標的分類識別算法盡管是在中層階段，但是此算法的離不開底層上的信息支持，通過底層上的信息基礎可以對其進行準確識別，同時做好準確定位目標。其實也就是說對圖像當中存在的，具體的物體的類別進行準確的識別，這樣做的目的是對目標有一個清楚的認識。

最近十幾年來詞袋模型和深度學習模型的應用越來越廣泛，磁帶模型算法需要進行特征編碼以及特征匯聚，主要做法是先將特征相同的信息提取出來，然后對這些信息進行聚類編碼，最后就需要借助于分類器做分類工作。深度學習模型算法通過對人腦神經元處理結構進行模擬，從而記錄由底層到中層再到高層的目標。

4.行為分析算法

行為分析算法主要是在高層具體的分析目標的運動情況。纖維分析算法又可以分為靜態姿態識別、運動行為識別和復雜事件分析方法三種。第一種靜態姿態識別的研究對象是靜態圖像，可以根據時空特征對圖像進行準確識別。使用第二種算法對目標行為進行分析的時候，需要借助于統計模型和句法模型。第三種算法主要是對目標的交互行為和群體行為進行分析。

三、物聯網時代下的智能視頻監控的挑戰及發展方向

1.跨場景挑戰

現在世界范圍內的攝像頭數量有了進一步的增長，所以帶動了視頻監控技術的出現。全球范圍內各場景分布都比較廣泛，未來智能視頻監控技術需要將場景設備建立成一個完整的系統體系。

2.跨空間挑戰

從視頻監控技術出現應用到現在監控數據也不再是原來比較單一的形式，而是變得越來越復雜，這使得數據處理工作也變得越來越困難，所以未來智能視頻監控技術應該主要考慮如何及時的獲取有效信息，實現大數據和小數據之間的轉換。

3.發展方向

現在物聯網時代的到來，對智能識別監控技術來說既是機遇又是挑戰。通過分析得出，將來視頻監控技術將會朝著高校視覺網，主動視覺網，協同視覺網三個方向進行發展。

四、總結

由上文的分析可以知道，視頻監控技術還有很大的發展空間，智能視頻監控技術的核心算法也是在起步的階段，所以在以后的發展過程中需要進行不斷研究，進行技術創新。而且物聯網時代的到來既給智能視頻監控技術帶來了一定的發展機遇，又對它的發展造成了一個巨大的挑戰，未來視頻監控技術一定會有所進步，技術創新方面也會有一定的提升，從而適應時代的發展。

［1］韓國強.淺談智能視頻監控技術及其主要應用［J］.計算機與網絡，2014，02：62-65.

［2］孫俊迪.淺談智能視頻監控技術在各領域的應用［J］.電子世界，2012，05：21-22+25.

［3］勞曉波，丁曄.淺談智能視頻監控技術的發展前景［J］.數字技術與應用，2010，07：156.

［4］陳寧.融合RFID的智能視頻監控技術研究［D］.杭州電子科技大學，2012.

［5］李雅婧.智能視頻監控運動目標的檢測與跟蹤技術研究［D］.長春工業大學，2014.

［6］張詠.移動智能視頻監控系統關鍵技術的研究與系統實現［D］.海南大學，2012.