淺析智能視頻監控技術

【摘 要】本文首先分析了智能視頻監控技術的潛在優勢；接著闡明了智能視頻監控中運動目標檢測與跟蹤方法，對不同的的方法進行分析比較并指出不同方法的優勢與不足。在此基礎上說明了監控目標行為分析技術的應用；最后總結了智能視頻監控技術發展的意義。

【關鍵詞】智能視頻監控；目標檢測與跟蹤；行為分析

0 引言

智能視頻監控是實現安全監控的重要技術手段。它涉及信號獲取、圖像處理、視頻處理、計算機視覺等多個學科的研究領域。其中，視頻通信、視頻處理和視頻理解是視頻監控技術的三大核心技術。

1 智能監控技術與傳統監控技術比較

雖然傳統的視頻監控技術在視頻捕獲、通信以及視頻存儲等方面的技術發展迅速并且日趨成熟，但是對視頻內容的分析和理解工作在許多情況下仍然需要人工完成。這不但會導致人工的大量浪費，而且安防人員在疲勞監控中會丟失大量的有用信息。智能視頻監控系統不僅能夠實時接收視頻數據，還能夠主動分析得到的視頻信息，利用計算機來替代人工進行數據分析判斷，在有效的評估后給出最終的不同程度的報警信息。該技術具備實時不間斷可靠監控、報警精度高、響應速度快等特點。傳統的視頻監控系統將無條件的被先進的、功能更強大的智能視頻監控系統所替代。

2 監控視頻中運動目標的檢測方法

監控視頻中運動目標檢測的算法較多，常用檢測方法主要有幀差法、背景差分法和光流法。

2.1 幀差法

幀差法就是將兩幅圖像的對應像素做相減運算，差值閾值化處理確定運動目標在圖像上的區域位置。幀差法中門限值選取低則不能有效地抑制圖像中的噪聲，過高將會損失圖像中有用的細節信息。合理閾值的選擇是應用該方法的難題，但幀差法是實時性最強的方法。

2.2 背景差分法

背景差分法的原理就是選取某一參考幀作為參考圖像，將當前幀和參考幀做差分。較其它方法比，如果檢測環境背景很少變化或不變化，采用這種方法較好，而在一般情況下背景是漸變的。一般采用背景重構的方法構造背景圖片，但重構背景比較耗時。

2.3 光流法

光流法的主要原理是利用圖像灰度在時間上的變化與景象中物體的運動情況的關系來進行目標檢測。通過圖像觀察到物體表面的模式運動和二維物體的實際運動在圖像上的投影來發現目標。該方法缺點是計算復雜，基本不能滿足實時性要求。

3 監控視頻中運動目標的跟蹤方法

3.1 監控視頻中的目標跟蹤算法

目前監控視頻中視覺跟蹤算法一般可以分為基于區域、特征、模型和主動輪廓的跟蹤算法。

3.1.1 基于區域的跟蹤

該算法將視頻圖像中運動顯著的區域分割出來標記成目標對象，通過運動情況估計運動區域幾何形狀和位置，通過連續幀的目標匹配跟蹤目標。優點是簡單有效，在多個目標的場景中應用效果好，缺點是只能獲得區域級別的跟蹤，不能可靠地處理對象間的遮擋問題。

3.1.2 基于特征的跟蹤

此類跟蹤算法是通過提取圖像中運動目標的主要特征元素，并把它們綜合處理得到圖像的高級別特征，在圖像之間匹配這些特征，從而定位和跟蹤目標。該算法優點是當出現局部遮擋時目標的一些特征仍然可見，缺點是特征的選取問題和特征的維持時間難以確定。

3.1.3 基于模型的跟蹤

此類算法先通過先驗知識獲得待跟蹤目標的模型，以對象模型為依據與圖像數據進行匹配跟蹤。該算法優點是在對象之間出現干擾或遮擋時能取得較好的跟蹤性能，缺點是必須得先獲取先驗知識，目標形狀變化時的實時模板更新困難。

3.1.4 基于主動輪廓的跟蹤

此類跟蹤算法是先檢測出運動目標的輪廓信息，根據對象的邊界信息來實現運動目標的跟蹤。此算法的優點是簡單，出現干擾或遮擋時仍然可以跟蹤，缺點是對初始的輪廓信息依賴較大，初始輪廓不準確很容易導致跟蹤錯誤。

3.2 監控視頻中的目標跟蹤方法

監控視頻中目標跟蹤常用的有粒子濾波法、均值漂移和卡爾曼濾波法。

3.2.1 粒子濾波法

它是一種基于貝葉斯遞推理論和蒙特卡洛方法的非線性系統分析工具，它利用粒子集來表示概率，通過從后驗概率中抽取的隨機狀態粒子來表達其分布情況。它能夠比較精確地表達基于觀測量和控制量的后驗概率分布。存在的主要問題是需要用大量的樣本。

3.2.2 均值漂移法

均值漂移法[1]是一種基于密度梯度上升的非參數估計法，通過迭代運算找到目標的最佳位置，實現運動目標跟蹤。算法的優點是計算量相對較小，簡單易實現，對目標遮擋、旋轉、變形和背景運動魯棒。缺點是容易丟失目標，跟蹤效率不高，缺乏模板更新算法，目標大小變化影響大。

3.2.3 卡爾曼濾波法

它是采用噪聲與信號的狀態空間模型，利用當前時刻的觀測值和當前時刻前一時刻的估計值來更新對狀態變量的估計，求出估計值。此方法是一種統計意義上的最優狀態估計。對于非線性系統，必須進行線性化，再采用擴展卡爾曼濾波進行估計。

4 監控視頻中目標行為理解技術的應用

近些年來，隨著人們安全意識的加強，對監控視頻中目標行為理解[2]的應用越來越多。

4.1 目標跟蹤檢測

使用帶坐標定位的快速攝像機對監控區域內的特定移動目標進行監測、分類識別及軌跡追蹤，保證跟蹤目標持續放大顯示在鏡頭中央。針對運動目標的運動軌跡調整自身角度跟蹤，彌補固定攝像機監控視野窄的缺點。應用于十字路口、地鐵等場所。

4.2 絆線、入侵與徘徊檢測

絆線檢測就是在監視范圍內，并在目標穿越規定檢測線的非法方向時告警，比如車輛的逆行檢測。入侵檢測是對目標進入、離開或突然出現時告警。徘徊檢測則是對同一目標在該區域內運動超過一定時間時的告警。適合于看守所、監獄、銀行、博物館等場所。

4.3 物體狀態檢測

監視場景中，對警戒區域內特定位置的物品狀態發生變化進行檢測分析并告警。可分為：遺留物體檢測，物體移除檢測。重要物品一旦被遮擋、移動時系統立即發出告警。用于ATM機、地鐵、車站、倉庫等場所的監控。

4.4 目標識別檢測

在目標識別方面，應用比較成熟的是車牌識別，主要用于交通十字路口。近些年，人臉、人體識別技術發展迅速，可以在多段視頻中查找相似人或車輛等目標，在特定環境下特定目標的查詢等，這些技術在安檢方面也有一定的應用。

4.5 流量、密度統計

流量統計是在檢測區域中，統計單位時間內按指定方向進入或離開該區域的目標數量。密度檢測則是對區域內的目標稠密程度或目標數進行估計。一般用于廣場、門口、文化與宗教聚集地等場所的安監。

4.6 人體異常行為監測

檢測比如打架斗毆、奔跑、摔倒、滑倒等特殊行為的檢測，在考場監控對考生的坐姿進行監控，在醫院監測病人異常行為進行及時救助，在電梯內是否發生搶劫等特殊地點的特殊行為進行檢測和告警。

4.7 災害監測

對監視場景中的煙霧、火焰等信息進行監測和報警。目前此方面的檢測方法主要根據當時的情況發生的嚴重程度進行評估，給出不同程度的警告。

5 智能視頻監控技術發展的意義

智能視頻監控技術源于計算機視覺技術，同時融合了計算機圖形學技術、圖像處理技術、模式識別等多項技術，目的是對圖像、視頻序列圖像間潛在的敏感信息做出快速反應。智能視頻分析技術在軍事、經濟、醫療、安全等諸多方面都有特殊應用價值。不同的行業對于視頻監控的需求迥異，異常行為類型與異常事件也有著特殊性。現階段對智能視頻監控的需求日益多樣化和復雜化。它的應用將從相對集中的領域向各行各業深層次大幅度延伸，智能視頻分析技術對社會的發展具有巨大的理論與現實意義。

【參考文獻】

[1]詹建平，黃席樾，沈志熙等.基于均值漂移和卡爾曼濾波的目標跟蹤方法[J].重慶理工大學學報：自然科學，2010， 24（3）：76-80.

[2]張凡忠.智能視頻分析技術在視頻監控中的應用[J].技術與應用，2013，12：56-61.

[責任編輯：周娜]