1.引言
　　隨著計算機、網(wǎng)絡(luò)、信息與通信、音視頻編解碼、流媒體等技術(shù)的日趨成熟與完善，在安防市場巨大的需求推動下，視頻監(jiān)控技術(shù)正在向著數(shù)字化、網(wǎng)絡(luò)化、智能化的方向發(fā)展，視頻監(jiān)控由目視解釋轉(zhuǎn)變?yōu)樽詣咏忉屖且曨l監(jiān)控技術(shù)的飛躍，也是安防技術(shù)發(fā)展的必然。
　　在2008年北京安防展上，一批視頻監(jiān)控前端設(shè)備廠家分別展出了各自的智能視頻監(jiān)控產(chǎn)品，標(biāo)志著智能視頻監(jiān)控技術(shù)已經(jīng)從概念轉(zhuǎn)化為產(chǎn)品，并逐步進入實際應(yīng)用。本文結(jié)合智能視頻監(jiān)控應(yīng)用系統(tǒng)開發(fā)與部署的經(jīng)驗，對智能視頻監(jiān)控技術(shù)及其應(yīng)用現(xiàn)狀與前景進行分析。
2.智能視頻監(jiān)控技術(shù)
　　智能視頻監(jiān)控技術(shù)源自計算機視覺與人工智能的研究，它的主要研究目標(biāo)是利用計算機視覺技術(shù)、圖像視頻處理技術(shù)和人工智能技術(shù)對監(jiān)控視頻的內(nèi)容進行描述、理解和分析，并能根據(jù)分析的結(jié)果對視頻監(jiān)控系統(tǒng)進行控制，從而使視頻監(jiān)控系統(tǒng)具有較高層次的智能化水平。圖1給出了一個典型的智能視頻監(jiān)控系統(tǒng)的基本工作流程。

　　智能視頻分析模塊獲取視頻序列后，首先通過圖像恢復(fù)或超分辨率復(fù)原技術(shù)提高圖像質(zhì)量，然后對場景中的目標(biāo)進行檢測、分類和跟蹤，進而實現(xiàn)視頻內(nèi)容的分析理解，包括場景中的異常檢測、人的身份識別以及視頻內(nèi)容的理解描述等。最后根據(jù)設(shè)定的規(guī)則產(chǎn)生報警，進而觸發(fā)后續(xù)業(yè)務(wù)處理。各步驟介紹如下：
　　1. 目標(biāo)檢測將輸入的視頻圖像中變化劇烈的圖像區(qū)域從圖像背景中分離出來，它處于視頻監(jiān)控技術(shù)的前端，是各種后續(xù)處理的基礎(chǔ)。目前，算法主要包括背景減法、相鄰幀差法和光流法等。
　　2. 目標(biāo)分類利用一些圖像特征值實現(xiàn)目標(biāo)類型（一般是人和車）的甄別。用于目標(biāo)分類的特征有空間特征和時間特征兩種，空間特征包括目標(biāo)輪廓、目標(biāo)尺寸、目標(biāo)紋理等，時間特征包括目標(biāo)大小的變化、運動的速度等。
　　3. 目標(biāo)跟蹤依據(jù)目標(biāo)及其所在的環(huán)境，選擇能唯一表示目標(biāo)的特征，并在后續(xù)幀中搜索與該特征最匹配的目標(biāo)位置。常用的跟蹤算法包括：基于特征的跟蹤算法，基于3D模型的跟蹤，基于主動輪廓模型的跟蹤以及基于運動估計的跟蹤等。
　　4. 智能分析。它位于智能視頻監(jiān)控的高級階段，是實現(xiàn)視頻監(jiān)控智能化的關(guān)鍵。包括異常檢測、身份識別及視頻內(nèi)容理解等：
　　異常檢測中典型的異常包括用戶定義的異常情況和非常規(guī)事件，檢測方法分為基于模型的方法和基于分類器的方法；
　　身份識別包括人臉識別和步態(tài)識別；
　　視頻內(nèi)容理解是指在對序列進行低級處理的基礎(chǔ)上，對場景中的事件進行分析和識別，用自然語言等加以描述。
　　根據(jù)目前智能視頻分析技術(shù)的成熟度，智能視頻監(jiān)控應(yīng)用場景主要包括人數(shù)統(tǒng)計、車牌識別、事件檢測和視頻診斷等。
　　人數(shù)統(tǒng)計：統(tǒng)計穿越入口或指定區(qū)域的人或物的數(shù)量。例如可為商場統(tǒng)計每天的客流量。
　　車牌識別：識別車輛的形狀、顏色、車牌號碼等特征，并反饋給監(jiān)控者。此技術(shù)可應(yīng)用于車輛黑名單追蹤。
　　事件檢測：對視頻進行周界監(jiān)測與異常行為分析。異常行為包括雙向越界、單向越界、進入禁區(qū)、離開禁區(qū)、徘徊、無人值守、驟變、人員聚集、煙霧檢測、快速運動、逆行、打架等事件。
　　視頻診斷：對視頻圖像出現(xiàn)的雪花、滾屏、模糊、偏色、畫面凍結(jié)、增益失衡和云臺失控等常見攝像頭故障做出準(zhǔn)確判斷并發(fā)出報警信息。該技術(shù)可應(yīng)用于平安城市的建設(shè)中，自動檢測攝像機的狀態(tài)，從而減輕維護人員的工作強度。
3.智能視頻監(jiān)控應(yīng)用
　　3.1 智能視頻監(jiān)控產(chǎn)品形態(tài)
　　根據(jù)智能視頻分析模塊所處的位置可將智能視頻監(jiān)控產(chǎn)品分為兩種形態(tài)：前端智能和后端智能。其中，前端智能通過DSP方式實現(xiàn)，將智能視頻分析算法加載在視頻服務(wù)器、數(shù)字硬盤錄像機、網(wǎng)絡(luò)攝像機等前段設(shè)備中，對攝像頭采集的視頻數(shù)據(jù)直接進行分析。由于利用了DSP強大的硬件處理能力，同時前端設(shè)備的架設(shè)針對具體的智能視頻分析算法優(yōu)化，從而提高了視頻分析準(zhǔn)確率，因此目前智能視頻監(jiān)控產(chǎn)品多為前端智能。后端智能通過純軟件實現(xiàn)，運行于普通PC或服務(wù)器上，構(gòu)成視頻分析服務(wù)器。視頻分析服務(wù)器獲取壓縮的視頻流后，對視頻進行解碼、分析和處理。后端智能的優(yōu)勢在于可以方便的與其它視頻監(jiān)控應(yīng)用軟件融合，而且不需要對已有的前端設(shè)備進行替換升級，保護原有投資，同時智能視頻分析單元可被多路視頻分析分時復(fù)用，降低整個系統(tǒng)的投入。但后端智能受限于視頻分析服務(wù)器的處理能力，而且已有前端設(shè)備的架設(shè)往往不滿足智能視頻分析的要求，導(dǎo)致視頻分析的準(zhǔn)確率較低。
　　3.2 智能視頻監(jiān)控系統(tǒng)實施
　　隨著智能視頻監(jiān)控產(chǎn)品日漸成熟，智能視頻監(jiān)控技術(shù)開始在視頻監(jiān)控系統(tǒng)中逐步應(yīng)用，大大提高了視頻信息的價值。但是，要充分發(fā)揮智能視頻監(jiān)控技術(shù)在視頻監(jiān)控系統(tǒng)中的作用，卻不是想象中那么簡單，主要面對以下幾點挑戰(zhàn)。
　　智能視頻監(jiān)控技術(shù)運用數(shù)學(xué)模型來描述真實世界，并試圖利用數(shù)學(xué)模型來分析視頻數(shù)據(jù)，但是實際環(huán)境比數(shù)學(xué)模型要復(fù)雜得多，智能視頻分析受到諸多因素的干擾而影響其檢測準(zhǔn)確率，存在較大程度的漏報和誤報，當(dāng)漏報和誤報達到一定比例，視頻檢測就失去了它的意義。智能視頻監(jiān)控產(chǎn)品生產(chǎn)廠家針對各種實際應(yīng)用環(huán)境，對算法進行了大量的優(yōu)化以排除干擾，提高了智能視頻檢測的準(zhǔn)確率，但是實際應(yīng)用環(huán)境千差萬別，生產(chǎn)廠家要對各種環(huán)境進行優(yōu)化，勢必增加研發(fā)成本與產(chǎn)品版本管理的負(fù)擔(dān)。
　　由于前端設(shè)備架設(shè)環(huán)境對智能視頻分析的影響，在安裝前端設(shè)備時，需要根據(jù)智能視頻監(jiān)控應(yīng)用場景，針對性的架設(shè)。如進行人流或者車流統(tǒng)計時，攝像機視角與人或車行進方向垂直會達到比較好的分析效果；而應(yīng)用在車牌識別時，攝像機視角又需要能夠從正面拍攝到車牌，并且選擇攝像機時要考慮低照度、逆光、車速等因素。不同的應(yīng)用場景對目標(biāo)對象在整個視頻中的比例或者像素也有相應(yīng)要求。

C114中國通信網(wǎng)