論智能視頻分析

文｜陜西省電子信息產品監督檢驗院 王曉玲

陜西省安防協會專家委員會 陳嘉偉

智能視頻分析技術起源于計算機視覺技術。美國9·11事件發生后，智能視頻分析技術在國內外均得到了很大發展。隨著相關軟、硬件技術的不斷發展，智能視頻分析技術已在軍事重地，文博、高風險單位以及重要區域、重要交通樞紐、要道、通道等的控制（門禁）方面有了實際應用。

1 視頻報警與智能視頻分析

筆者將智能視頻監控從功能、發展趨勢上劃分為視頻報警和智能視頻分析。

相對于利用主、被動紅外和微波、振動、張力、壓力、電子聲學等原理的報警（均基于模擬信號），視頻報警是最近幾年報警領域新的發展成果，優勢明顯——直觀、現場感強、令人一目了然，因而便于值班人員判斷、處警、決策。早期的視頻報警只能做到將畫面的某個部位設為禁區（設置虛擬紅線），一旦有人進入即報警。目前視頻報警的功能和應用已得到很大的擴展，入侵檢測報警（翻越、穿越報警）可以做到多目標報警、多目標跟蹤；非法停車、滯留檢查報警（車輛停入或滯留禁停區即報警）、徘徊檢測報警；遺棄物（故意將物體遺棄在公共場合或設定區域的行為）檢測報警、物品搬移（在原現場內存在的物體被搬移、丟失）檢測報警、游泳溺水檢測報警（利用水下、水上攝像機覆蓋游泳池水面、水下全景，一旦發現泳者沉于池底或在水中掙扎，立即報警），以及攀爬檢測報警、人員聚集檢測報警（用于預防群體事件）、流量（車流量、人流量）統計等也都得以實現。

2 智能視頻分析模式

目前智能視頻分析有兩種模式：一是基于前端DSP的嵌入式，二是后臺服務器處理式。兩種模式都在發展。早期的智能視頻分析應用基本上都采用基于前端DSP的嵌入式模式，該模式在局部、重要點位的應用對人們認識智能視頻分析有啟蒙、宣傳的作用。該模式的優點是僅當有報警觸發時才上傳信息，無需將畫面實時上傳至監控中心，因而可以大幅降低對傳輸帶寬的占用，并可大幅節省錄像空間，使得同樣的存儲容量可以支撐更長時間；直接接收模擬圖像，因此不存在用于分析的源信號斷開及延時的問題。其缺點是單點式工作，系統架構不靈活。

為滿足應急聯動防控的需要，智能視頻分析正在由前端DSP嵌入式向后端服務器架構或兩者相結合的方向發展。后端處理模式對網絡傳輸要求較高，其分析會在遇到網絡信號不連續時出現誤差，也會受到網絡信號傳輸延時的影響。但這種模式強大的源信號處理功能、靈活的信號切換功能、規模和功能擴展的方便性等都促進了其發展，而相關技術的發展以及需求，尤其是大規模、大系統、大范圍布局的需求的增長，也使這種模式有了較快的發展。

無論哪種模式，智能視頻監控與傳統視頻監控相比都有著明顯的優勢：有助于解決保安人員因長時間觀看屏幕而疲勞、注意力降低的問題；能真正做到7×24小時全天候監控；能自動進行監控，使值班人員只需對告警圖像進行確認和處理，無需時時緊盯多個監控屏幕，提高了監控效率；可以在遠距離、光線不足、低對比度、環境偽裝等挑戰下識別人眼無法分辨的細微變化，從而發現入侵行為；能自動報警，并可自動跟蹤、跟蹤交接，形成聯防，更可貴的是可以起到預防、預警的作用，改變只能在事后分析查證的被動局面。

3 智能視頻分析技術原理

按照技術原理劃分，智能視頻分析（行為分析）可分為基于背景建模技術和基于圖像光流判斷技術的兩種。

（1）基于背景建模技術的智能視頻分析

基于背景建模技術的智能視頻分析，即建立監控區域的靜態背景模型；在該模型的基礎上檢測監控區域內的動態目標，并記錄該動態目標的行動軌跡；當該軌跡達到設定報警規則要求時發出相應警報。該技術主要用于對特定區域或特定時間內的入侵事件的監控。

背景建模技術是智能視頻分析應用最為成熟，運用歷史最長的一種技術，已在國內外得到廣泛應用。該技術抓捕目標的靈敏度高，觸警規則的設量自由多樣，對攝像機架設的要求相對較低。上文所述的視頻報警大都運用了該技術。背景模型與真實模型的匹配程度決定著此類檢測報警的準確度。偶然的外界影響，如光線變化（如駛過汽車車燈的照射）、飄動的樹葉以及突然的天氣變化會導致誤報。通過引入一些新的提高報警準確率的技術，諸如在原有背景模型基礎上加入運動目標軌跡約束，設置景深信息，自學習重復運動物體軌跡等方法，可以濾除車燈照射、樹葉搖動、小動物活動等偶然事件的干擾，已取得了較為理想的應用效果。

需要指出的是，由于此類檢測報警的準確度取決于靜態背景的完整性。故其應用場景應是目標稀少，或是監視時段內目標稀少的場合，例如周界圍墻、下班后的工作大樓、重要物資倉庫、金庫、文博館、設定的重點區域或高速公路路肩（監控違章停車）、禁區等。而諸如人員擁擠的道路、廣場等場景，由于動態目標圖像所占面積幾乎覆蓋了背景面積，計算機無法準確定位靜態背景，容易給出錯誤結果。

（2）基于光流變化的異常事件監測

光流即視頻圖像的像素運動的瞬時速度。利用圖像序列中像素強度數據的時域變化和相關性來確定各像素位置的“運動”，即研究圖像灰度在時間上的變化與景象中的物體結構及其運動的關系。比如，斗毆動作會使圖像中的光流激烈且雜亂無序地變化；如果系統能夠識別這種變化，并在其達到一定閥值時發出相應的警報，即可實現對斗毆行為的報警。奔跑事件與聚集事件報警也是基于對光流異常變化的識別而實現的。

該技術也可運用于公共治安管理中的群體性事件報警；但在舞廳等場合，由于其光流變化與斗毆的表現相似，該技術并不適用。

4 典型應用

4.1 基于人頭特征檢測的飽有量計算

由于人臉特征統計對攝像機安裝角度要求較高，且難以解決人員相互遮擋的問題，因此利用人體特征識別統計場館各出入口人流數量的應用，在實際工作中主要采用人頭特征檢測。

人頭特征檢測有三種檢測方法。

（1）基于顏色分割的方法

此方法針對人頭顏色特征進行圖像分割，算法簡單，準確性較低，易受光線變化影響。

（2）基于運動分割和邊緣檢測的方法

此方法通過在前景或邊緣圖像上搜索圓弧頂點來尋找人頭，結合標定信息對前景進行人頭分割。其缺點是運行復雜，不能處理遮擋。

（3）基于樣本訓練的方法

此方法提取人頭共有特征——顏色分布、邊緣紋理等，采集大量人頭樣本進行訓練，從而得到人頭識別器（識別器的訓練方法有基于神經網絡、Boosting以及SVM的方法等）；用人頭識別器在圖像中搜索人頭，將人頭目標檢測出來后，結合其他特征，如運動、領域邊緣分布等進行后期處理，而后再除去一些誤檢，最終得到較準確的結果。此方法是目前最常用的客流量統計方法。其優點是：受多人同時通過的影響較小，適用于人流量大的公共場館；可同時統計雙向流量；在固定的出入口使用時，能取得很高的統計準確率；可根據光照情況自動控制補光。

4.2 人臉識別

人臉識別涉及人臉圖像采集、人臉定位、人臉識別預處理、身份確認以及身份查找等一系列相關技術。

目前人臉識別有基于可見光、近紅外與三維人臉的三種實現途徑，三者的采集手段和優缺點如表1所示。

紅外光和三維識別技術都有專門的采集條件；對于大規模應用而言，采用可見光人臉識別技術較為理想。

表1 三種人臉識別技術對比表

人臉識別之所以被普遍看好且已在不同領域（如追逃、門禁以及重點部位、取款機的監控等）運用，主要是因為其具有自然性，不易為被測個體察覺。

（1）自然性

所謂自然性，是指人臉識別所利用的生物特征同人類（甚至其他生物）進行個體識別時所利用的生物特征相同——人類可以通過人臉、語言、體形等進行識別（指紋識別與虹膜識別等不具有自然性，因為人類或者其他生物并不通過此類生物特征區別個體），人臉識別也是通過觀察比較人臉來區分和確認身份的。

（2）不被察覺

人臉識別不令人反感，不容易引起被識別人的注意，不容易被偽裝欺騙；這與需要利用電子壓力傳感器采集指紋的指紋識別，以及利用紅外線采集虹膜圖像的虹膜識別大有不同。

人臉識別被認為是生物特征識別領域，甚至人工智能領域最困難的研究課題，其主要困難來源于人臉的相識性和易變性。

（1）相識性

就人臉而言，人與人之間的區別不大——人臉的結構，甚至各人臉器官的外形都很相似。此特點對于利用人臉進行定位是有利的，但對于利用人臉區分人類個體是不利的。

（2）易變性

人臉的外形很不穩定：人在做出不同表情時，臉部的外形會出現變化；在不同的觀察角度上，人臉的視覺圖像相差很大；光照條件（如白天、夜晚、室內、室外等）、人臉上的各種遮蓋物（如口罩、墨鏡、頭發、胡須等）以及年齡等多方面因素都增加了人臉區分與識別的困難，提高了產生誤報的幾率；如果人臉經過整型，就更加難以識別了。

人臉識別需要有一個比較穩定的成像機制。圖像中人臉的大小、光照、攝像機與人臉的角度等，都要符合一定的要求。只有這些前提條件得到滿足，一個良好的人臉識別系統才有可能實現。

在光線較好的監控環境下，如人臉姿態偏轉保持在左右60度，上下30度范圍內，人臉抓拍率可以達到95%左右。在人臉部區域的分辨率不低于120×120像素（對于性能較強的系統，此要求可降低至80×80像素）的前提下，人臉建模的成功率在65%左右（建模時必須對抓拍到的人臉進行篩選，建模成功后還應與黑名單中的圖像進行比對、識別。成功率的高低與需比對識別的黑名單中存留的人臉圖像清晰與否有直接的關系，能達到60%已是較好的結果）。

需說明的是，人臉識別對成像角度、像素數、清晰度、無遮擋等的要求較高，傳統的監控攝像機一般不能滿足人臉識別系統的成像要求。目前用于工程的人臉抓拍攝像機為高清攝像機，可根據監控范圍（監控區域寬度）選用100萬像素高清、200萬像素高清或500萬像素高清攝像機。

5 結束語

智能視頻分析正在蓬勃發展，其擴展應用已深入到許多行業和領域。讓我們共同期待著高成功率實戰應用的不斷涌現，讓刑偵技術更完備、更神奇！