基于智能视频监控系统中5G技术应用研究 .pdfVIP

基于智能视频监控系统中5G技术应用研

究

摘要：在科学技术快速发展创新的背景下，5G技术的研发推动了我国科技水

平的发展进步。5G技术在信号传输速度和传播时延等多方面具有更高的可靠性，

借助于5G技术加强科技创新已经成为重要的发展趋势。智能视频监控系统是现

代化科技发展的重要衍生物，智能视频监控系统设计主要是将计算机视觉目标识

别、跟踪处理技术以及5G通信技术相结合，通过三者在技术功能方面的优势可

以充分提高监控系统的便捷性。

关键词：5G技术；监控系统；边缘计算

一、前言

现代的智能监测系统可以借助5G技术与视觉科技帮助人们采集清晰的图象，

同时还能够针对使用者的相关要求，设置自动跟踪目标与提升识别效果的功能，

可以实现将众多视频摄像机所收集到的大量数据通过云端服务器进行运算，可以

迅速确定警报对象，并可将目标辨识和追踪效果的计算结果迅速传递到摄像机，

通过适时调节摄像机的高度与视角，可以实现精确跟踪并辨识警报对象，提升了

报警的实时性和精确度，同时依托于5G通信技术的高带宽传输速度，还能够进

行高清晰画面的传送，提高了画面的清晰度，对后续图像回放和确定画像中对象

具有很大意义。

二、智能视频监控系统的主要特点

高清晰度视频录制、高速识别对象、动态跟踪对象、智能监视摄像机，主要

运用了人工智能、模式识别、概率论和图像处理技术，并运用了计算机超强的数

据处理功能，利用目标辨识与跟踪技术来研究已获取的影像信息，以便于过滤掉

影像中的无用信息及干扰信号、获取影像源中的有用信息、判断有无异常情况等，

并以最快、最佳的速度分析进行全面管理，以达到全自动、全天候、即时监测的

智能体系。

(1)目标检测。由于目标检测方法主要是从复杂的现实背景中识别出目标对

象，从而可以实现场景与目标对象的分开，对分离的目标对象可以实现事后的目

标跟踪和识别。所以说，目标检测算法性能好坏将直接影响目标跟踪和识别效果。

而根据目标检测方法的不同，一般还可以分为采用前景建模和采用后景模型二类

目标检测方法。采用前景模型的方法主要是利用对颜色、灰度、以及图象质量方

面的同质化特征进行对目标画面的表观建模，并通过设计适当的分类器将目标对

象分别检出；而采用后景模型的则主要是通过对场景进行分解，并通过将场景模

型和时间进行联系，对当前画面与现实背景模型进行对比，从而区别出目标类型。

基于背景建模的探测方法实现方式比较简单、运算效率高，但由于应用场景相对

狭小，故通常使用在静止的摄像机拍摄场景中；而基于前景建模的探测方法虽然

能够实现对动态环境特征的目标检测，但因为在不同场景的环境特征表现方式不

同，故需要建立不同的环境目标分类器，所以适用性相对欠缺。

(2)目标跟踪。目标追踪过程也可以理解为检测出目标对象以后，在连续的

一个场景内或在多个帧之间，通过逐步建立与目标对象的位置、形状、色彩、纹

理、信息等特征的对应关系相匹配问题。通常，目标跟踪程序是按有或无的目标

检测步骤，又可以分为判别式方法和对抗型目标跟踪方式。但判别式跟踪方法又

可以看作是如何把前景与背景进行区分，通过对每一个场景的目标检测程序，以

掌握跟踪的对象的当前状况，而判别型目标跟踪方法通过学习分类器，在当前场

景找到了与背景区别较大的前景，目标检测过程与跟踪程序就能够彼此联系、共

同进行；生成式的跟踪法是指通过目标检测获取了前景对象的外观模型，从而选

定一种具体的跟踪策略，以预测在下一次画面中目标对象的状态，监测方式与跟

踪方法之间是相互独立的，且二者在时间上均有先后顺序。生成式跟踪技术虽然

在较复杂环境下会获取更准确的拟合值结果，但在参数估计上却相对受局部极数

干扰很大，且受背景信息影响也很大，在画面中存在着与目标对象相似的情况背

景时，很容易发生跟踪偏移；判别型跟踪能够较好解决传统对抗型跟踪方法的缺

陷，对背景信息中的变化有更行的健壮特征，而对训练样本的选取将会极大的增

加算法的稳定性。上述对目标探测与追踪方式做简要的研究分析，并采用视觉的

目标探测和追踪的实现步骤见图1。

图1、基于视觉的目标检测与跟踪基本过程

三、5G技术对智能视频监控的发展机遇与挑战

（1）发展机遇

1)智能视频控制走向高清时代。进入了5G网络时代，监测系统影像的清晰

度也获得了改善，同时提升影像的处理速度也得到了以及提高，同时，对后端智

能数据的具体处理速度也获得了提高。而同时，随着5G通信技术的