智能视频监控技术.doc

智能视频监控简介 工程师金兴：2547110899@ 智能视频监控的概念 视频监控系统经历了从第一代的模拟系统（VCR），到第二代部分数字化的系统（DVR/NVR），再到第三代完全数字化的系统（网络摄像机和视频服务器）三个阶段的发展演变。 在这一过程中，视频监控系统与设备虽然在功能和性能上得到了极大的提高，但是仍然受到了一些固有因素的限制，其中既包含人类作为监控者自身在生理上的弱点，也包含视频监控系统配置和以及视频监控设备在功能和性能上的局限性。这些限制因素使各类视频监控系统均或多或少的存在报警精确度差、误报和漏报现象多、报警响应时间长、录像数据分析困难等缺陷，从而导致整个系统在安全性和实用性的局限。 智能视觉监控，是指通过机器来帮助人脑对视频图像进行视觉分析和自动监控，以提高监控有效性的一种技术，是对传统视频监控观念的一种革新。通过智能视觉监控，可以把监控人员从24小时紧盯屏幕这种简单低级的重复劳动中解放出来，以便专注于安全事件的事前预防和事中处理等更高级的工作。CV，Computer Vision）技术。它能够在图像及图像描述之间建立映射关系，自动的分析和抽取视频源中的关键信息。 如果把摄像机看作人的眼睛，而智能视频系统或设备则可以看作人的大脑。智能视频技术借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅仅为监控者提供有用的关键信息。 智能视觉监控技术让计算机能够认，认出目标的类型或者人的身份；能够看，看目标物体的行为：能够想，想目标物体的行为意味着什么；能够说，把想的结果用特定的形式（声、光报警，语音提示等等）表达出来。 W4：(Where？，When？，Who？，What？) 智能视觉监控的作用和意义 传统视频监控系统固有的局限性 无论是传统的第一代纯模拟视频监控系统，还是第二代、第三代经过部分或完全数字化之后的视频监控系统，都具有一些固有的局限性： 1．人类自身的弱点 在很多情况下，人类并非一个可以完全信赖的观察者，无论是在观看实时的视频流还是在观看录像回放的时候，由于自身生理上的弱点，经常无法察觉安全威胁，从而导致漏报（False Negatives）现象的发生。 2．监控时间除了一些规模较小的监控应用之外，很少有视频监控系统会按照1:1的比例为监控摄像机配置监视器。这意味着对于那些机场、港湾等大型的视频监控系统来讲，各个监控点并非每时每刻都处于监控当中。 3．误报和漏报 误报（False-Positive）和漏报（False-Negative）是视频监视系统中最常见的两大问题。漏报指的是在监控点发生安全威胁时，该威胁没有被监控系统或安全人员发现。误报指的是位于监控点的安全活动被误认为是安全威胁，从而产生错误的报警。 4．数据分析困难 报警发生后对录像数据进行分析通常是安全人员必须要做的工作之一，而误报和漏报现象则进一步加剧了对数据分析的需求。安全人员经常被要求找出与报警事件相关的录像资料，找到肇事者、确定事故责任或评估该事件的安全威胁。 由于传统视频监控系统缺乏智能因素，录像数据无法被有效的分类存储，最多只能打上时间标签，因此数据分析工作变得及其耗时，并且很难获得全部的相关信息，而经常发生的误报现象使无用数据进一步增加，从给数据分析工作带来更大的难度。 5．响应时间长 对于安全威胁的响应速度关系到一个安全系统的整体性能。传统的视频监控系统通常都由安全工作人员对安全威胁作出响应和处理，这对于处理一般性的、实时响应要求较低的安全威胁来说已经足够。但是很多情况下，在威胁发生时，需要安全系统的多个功能部分，甚至多个安全相关的部门在最短的时间内协调配合，共同处理危机。这时候，监控系统的响应速度将直接关系到用户的人身或财产的损失情况。 1给出了一个典型的视觉监控系统的基本工作流程。摄像机获取视频序列后，首先通过图像恢复或超分辨率复原技术提高图像质量，然后对场景中的目标进行检测、分类和跟踪，进而实现视频内容的分析理解，包括场景中的异常检测、人的身份识别以及视频内容的理解描述等。 目标检测 目标的实时检测处于视觉监控技术的最底层，是各种后续处理如目标分类、行为分析理解的基础。人们希望设计能适用于各种监控环境，不受光照、天气等外界因素影响的目标检测(object detection)算法。但这种算法难免复杂度大，现有一些算法大多是针对某一类问题提出的，主要包括背景减法、相邻帧差法和光流法等 。 目标分类 目标分类(object classification)的两个关键问题是特征量的提取和分类器的构造。 用于目标分类的特征主要包括空问特征和时问特征。空间特征是与单帧图像里的目标相关的一些特征，如目标的形状