小議面向多攝像機網絡的智能視頻分析技術

智能視頻分析的需求是在視頻監控水平發展到一定階段后必然的產物，它能很好地緩解傳統視頻監控中海量信息冗余的問題。雖然經過幾年的發展，但現階段，無論是智能視頻分析的技術與應用，還是市場環境都還處于成長階段，需要在不斷地實踐中探索中前進。

不同行業需求差異性明顯

據了解，不同的行業對于視頻監控的需求一般有著非常明顯的差異，特別是對于智能視頻分析技術的應用需求，由此也決定了不同行業間檢測行為類型與異常事件的特殊性。比如在平安城市中，可針對城市治安突發事件，專門研發打架、搶劫、攀越等行為分析功能；在銀行ATM自助服務區，可通過對目前ATM自助服務區犯罪手段的分析，實現如非法粘貼小紙條、安裝假鍵盤、蒙面、暴力搶劫等行為分析功能；在交通行業，可實現針對交通事件如逆行、非法停車、交通擁堵等情況報警的更多的功能。

只有結合行業應用實際，深入了解不同行業的具體問題，才能更好地抓住用戶的需求，將智能視頻分析技術的功能落實到應用的實處，這也是智能視頻分析技術未來產業化價值的最終體現。

不斷完善核心算法

在技術方面，目前智能視頻分析技術主要分為模式識別和行為分析技術。模式識別技術包含：人臉檢測、人臉比對、車牌識別、煙火識別檢測等；行為分析包含：越線、進入、離開、丟失、遺留物、人群聚集、滑倒等。智能分析最核心的是視頻算法，目前算法的體現形式包括了集成到硬件和純軟件方式提供，效果基本相同。

目前，專注于智能視頻分析領域的廠商也越來越多，綜合型的企業代表如海康威視，專項智能行業型的如卓揚科技、智安邦科技、文安科技等；國外企業代表如美國的ObjectVideo、以色列的ioimage、NICE等。

為了做好智能分析的良好推廣與深入應用，從廠家方面，仍然要不斷的完善產品核心算法技術，或者開發出更多符合各個特定場景的應用模式。智能視頻分析區別于傳統行業產品的一點是，它的核心算法還遠遠沒有達到定型的程度，具有很大的拓展空間，因為隨著應用的普及，將會對產品的功能提出更加具體多的要求。另外，智能視頻分析的技術往往還牽涉到許多復雜的參數配置，如何簡化這些技術參數的配置是廠家需要重視的問題。同時在行業推廣的過程中涉及到的產品知識與行業技術的推廣，也需要各個廠家共同努力。

目前，實際復雜的應用環境就需要越加復雜的算法，當前應用智能視頻分析技術開發相應高級功能的嵌入式產品，解決了很多產品的施工難度與實際推廣的阻力，這也是智能視頻分析技術發展的必然趨勢。

減少漏報、誤報率

以檢測準確性作為評價標準的智能視頻分析產品，一般通過考察其在不同環境下的檢測率和誤報率來評價其性能。理想系統的檢測率和有效率都應是100%，但實際系統只能接近這些指標而不是完全達到。只有通過調整系統的靈敏度參數，改變檢測率與有效率之間的關系，在有效率合乎使用要求的情況下，性能優良的系統才能達到最高檢測率。當靈敏度調很高時，檢測率提高但誤報增多，有效率會下降。反之，誤報率減少，有效率提高但檢測率會降低。

智能分析能達到簡單的行為分析。提高漏報與誤報的形式必須通過整體的方式去設計，比如攝像機擺放的位置，鏡頭的選擇，室內的光線，過濾器及靈敏度，規則的合理設置等。通過整體的考慮可以降低誤報率。

當前市場上的智能視頻分析產品的效果是參差不齊的，有的打著智能的旗號實際上實現不了智能的效果。未來廠家們將繼續完善算法，同時加強在復雜及惡劣環境下的測試，不斷提高產品的性能，將漏報、誤報減少到最低程度。

未來仍需提高的部分

雖然智能視頻分析技術已得到快速發展，但是實施到具體的應用，還有許多復雜的技術問題。

無法完全消除誤報的影響。例如運動目標識別中的背景建模技術，在控制漏報數量的同時，還不能完全的刪除誤報。在以目標識別為技術基礎的周界防范產品中，誤報的數量一直是反映該產品優劣的一大指標。而誤報的數量是由背景模型與實際使用情況之間的差距造成的。模型的適應能力越強，造成的誤報越少，背后要求的技術也越高。影響背景模型建立的因數很多，例如空曠的柏油馬路和邊上有樹木的圍墻，6m高的攝像機與2m高的攝像機所拍攝的畫面就需要不同的背景模型，白天和黑夜的狀態需要的模型也不同。目前，行業中還沒有開發出一種可以涵蓋所有使用情況的背景模型來，也無法完全的解決隨機事件的影響，如在黑夜環境下車燈造成的誤報。

不具備行為的判斷能力。例如周界防范，機器中行為分析的區域入侵功能能夠發現活動目標，并可以在這些活動目標中利用技術手段把用戶希望的目標（例如人體）提取出來。但是再進一步，這個闖入者的動機是什么，是偶爾路過，還是故意闖入，是否有意的往警戒區域內探望，這些都無法靠機器來識別。畢竟智能視頻分析還只是一系列設定好的數學公式與程序，遠沒有達到人的判斷能力。

特征識別技術對畫面要求高。對于基于特征識別的分析技術，對于圖像的要求比較高。除了畫面本身清晰度外，也需要清楚的展示目標物體的特征，目前計算機的識別能力大大低于人類對物體特征的識別能力，不同的光照條件和拍攝角度，都將改變計算機所看到的特征。因此，對攝像機的安裝以及周圍環境的要求比較高。例如車牌識別的產品，對車牌在畫面中呈現的角度，像素大小都有比較嚴格的要求，這些高要求限制了該類產品的實施與應用。

CPU的處理能力仍然是瓶頸。要滿足實際復雜的應用環境就需要越加復雜的算法，隨之帶來了巨大的計算量，目前DSP芯片的能力有限，已經不能滿足某些復雜算法的需要。因此，難以開發相應高級功能的嵌入式產品，這也增加了很多產品的施工難度與實際推廣的阻力。

總體而言，智能視頻分析技術也如計算機一樣，對于傳統的手段是智能的，但是對于人的智慧來說，還處于低級的階段。