智能視頻監控技術的研究與應用

三亞學院 高華玲

?

智能視頻監控技術的研究與應用

三亞學院 高華玲

【摘要】智能視頻監控的核心技術是目標檢測、目標分類、目標跟蹤、異常行為分析等，相關的算法研究已經比較成熟。本文歸納相關的核心算法，并進行簡單的優缺點評述。后續對近年來智能視頻監控系統的應用現狀進行總結，最后探討相關技術的未來發展方向。

【關鍵詞】智能視頻監控；算法；應用

1　概述

智能視頻監控系統的功能強調對圖像的智能識別、分析和管理，并能在遠程網絡進行操作。隨著平安城市的建設，攝像頭的數量不斷增加，監控設備性能得到了提高，并產生了大量的監控數據。在物聯網和大數據的背景下，智能視頻監控系統的應用更加注重效率和監控效果，更加強調對大量的監控數據進行實時檢測、跟蹤和分析。分布式的監控系統是一種面向對象的技術，以多終端的并行處理和控制為優勢，成為新一代智能視頻監控系統的發展方向。

2　智能視頻監控技術

智能視頻監控技術經歷了模擬化、數字化、智能化三個時代。智能視頻監控的關鍵技術的算法包括目標檢測、目標跟蹤、行為分析等。

2.1運動目標檢測

視頻中動態目標的檢測方法可以分為兩大類，其一是通過背景建模來檢測，其二是通過對目標建模來檢測感興趣的研究目標。這里介紹三種典型的檢測算法——背景減除法、幀間差分法和光流法。

2.1.1背景減除法

首先分析視頻圖像的底層特征對背景建模（單高斯背景建模機票混合高斯背景建模），然后利用當前圖像和背景圖像的差分來檢測運動目標。算法的優點是計算精確度高，算法性能好，缺點是占用系統資源較多，對光線變化、動態背景、攝像機抖動等表現敏感。

2.1.2幀間差分法

利用圖像序列相鄰幀之間的差異獲取運動目標的特征，將結果進行閾值分割來獲取運動區域。優點是環境適應力強，實時性好，具有一定的抗噪能力，占用系統資源少，對光線變化不敏感，缺點是算法精確度不高，需要根據物體運動的快慢選擇合適的時間幀進行比較，并僅在目標運動時限內能夠檢測。

2.1.3光流法

利用運動目標像素的瞬時速度來區分運動目標，即研究在一定時間內圖像灰度值的變化與運動目標的結構、運動方式之間關系。優點是不需要關心背景信息，缺點是計算結果會受到遮擋、陰影、光線變化等因素的影響，計算復雜度高，實時性較差。

2.2動態目標跟蹤

目標跟蹤常常根據運動目標的各種特征值進行判斷，比如形狀特征、顏色特征、空間關系特征、紋理特征和輪廓特征等。三種比較經典的目標跟蹤算法是Meanshift算法［1］、Camshift跟蹤算法［2］和Kalman濾波算法［3］。

Meanshift算法是一種基于核密度估計的梯度上升算法，任意點為起點向核密度梯度上升的方向在離線模型中進行搜索，最后收斂于核密度的局部最大值。算法優點是計算復雜度低，無需參數，容易與其他的算法相結合，常用于圖像切割和視頻跟蹤。缺點是搜索框的核函數帶寬不變，所選的特征值單一，抗干擾能力差。

Camshift跟蹤算法是根據圖像序列中像素的色度直方圖信息對運動目標進行跟蹤的。它是Meanshift算法的擴展。

Kalman基于預測的濾波算法是一種基于運動目標的特征進行遞推預測的算法。此算法的優點是系統處理速度快，抵抗遮擋性能好，但是缺點是難以建立準確地隨機模型，局限于固定的運動模型。

2.3異常行為檢測

人體行為是通過在視頻監控中檢測出較為理想的人體輪廓，提取瞬間輪廓特征進行分析的。人體行為的研究集中在少數具有危害性的異常行為，常見有三種：徘徊行為檢測、人體異常行為檢測和遺留物檢測。比如人體異常行為有停車場背景中的跌倒、下蹲、打、砸、敲、踢等。

1）徘徊行為檢測的方法有基于二維馬爾科夫隨機游走模型的方法［4］、利用貝葉斯表征跟蹤器建模的方法［5］和計算離散曲率熵和方差的方法［6］等。

2）人體異常行為檢測的方法主要介紹3種常用方法，一是利用簡單的人體幾何模型對人體行為進行識別；二是基于不同時刻空間狀態變化計算聯合概率，確定行為分類標準，如隱馬爾科夫模型［7］和動態貝葉斯方法；三是對人體運動方向、軌跡、位置、速度、角度等運動特征進行描述的方法。

3）遺留物檢測的方法

遺留物檢測是針對某物體進入視頻場景之后，檢測該物體是否是遺留物，待物體滯留一段時間后觸發報警系統，防止意外發生。劉強使用codebook模型構建背景模型，對實時更新和非實時更新的背景圖像差值檢測遺留物［6］。

3　已有智能視頻監控系統介紹

1）VSAM是1997年美國國防部高級研究項目署的視頻監控重大項目，目的是為了預防恐怖襲擊。該項目由卡內基梅隆大學和麻省理工學院等高校進行研究，能夠應用于民間場景和戰場的人體和車輛的監控。

2）W4是美國馬里蘭大學（Maryland）開發的視頻監控系統，檢測和跟蹤戶外環境下的多人運動，能夠有效的對住宅、停車場、銀行等場所進行可疑人員的排查，通過外觀建模檢測出物品攜帶者，并跟蹤監控。

3）Pfinder是麻省理工學院（MIT）的Wren等人根據對象的顏色、形狀等特征構建多種模型，通過這種方式建立單個未遮擋人體的三維模型，對人體各部位進行構造。實驗時對實驗室的人員進行實時監視，結果顯示此系統可以克服短暫的光照變化和遮擋等因素，較為準確地判斷其行為方式。

4）CBSR是國內較成功的智能監控系統，此系統檢測所有路過的車輛，并進行跟蹤和處理，同時進行人臉跟蹤和識別。

5）ADVISOR是歐盟信息社會技術程序委員會開發的一個視頻監控和檢索系統，此系統對公共交通中的人群進行監控，分析行人的行為模式。

4　智能監控系統的應用

從歷年的視頻監控白皮書中獲悉，視頻監控系統的應用行業增速最快的是城市監控、能源行業和教育機構。常見的應用在軍事、安保、交通、港口和大型活動中較多。國外以美國為首的應用規模不斷擴大，智能視頻技術逐漸成為具有影響力的產業。美國和歐洲掌握了智能視頻監控領域的核心技術，市場占有率非常高。歐美等研發的智能視頻監控系統已經比較成熟，大量應用于實際的安防系統，如美國ObjectVideo、Vidient和Verint系統，日本NICE系統和以色列的Mate、IOimage系統。中國的市場份額在近年來增長迅速。根據權威的電子行業調研公司IHS的子公司IMS Research的預測，2016年全球視頻監控設備市場的營業收入將從2010年的96億美元上升到205億美元，大增114%。2016年中國已經成為世界最主要的視頻監控市場，市場占有率將達到全球市場的40%以上。全球視頻監控產品按分類看，網絡智能攝像機、模擬高清和家用攝像頭需求快速增長。按終端用戶分類看，平安城市、智能交通、平安社區、平安校園等城市監控需求增速最快，能源行業和教育行業的應用也逐步增速。

4.1安防類應用

安防類的應用是最為常見的應用。用于機場、監獄、軍事和其他的大型活動中的安全視頻監控，智能化技術需求包括高級視頻移動偵測、物體追蹤、人臉識別、車輛識別、非法滯留等。

4.2輔助管理類應用

輔助管理類的應用是應用在賓館、商場等服務性質的企業當中，

為了了解客戶行為，把握市場定位，是進一步提高服務水平的參考依據。這類應用包括人數統計、人流控制、注意力控制和交通控制等。

5　未來發展趨勢

近年來，隨著用戶對遠程監控、管理和高質量圖像的需求增加，監控系統網絡化的趨勢明顯。例如在恐怖襲擊、暴亂和公共安全破壞案件中，常常需要高清智能視頻圖像作為案件佐證材料。同時監控系統的智能化是不可避免的發展趨勢，網絡化、數字化的需求也促進了智能化的需求。在實際應用中，已經成功開發的智能視頻監控系統的功能常常局限于單一特定的領域，如目標檢測、目標跟蹤或者人臉識別，集成多種功能的完整系統尚不多見。目前，智能視頻監控系統還不能完全自動化，特別在異常行為檢測和報警的相關應用中，仍需不斷的降低誤報率、提高檢測的準確性。

參考文獻

［1］Comaniciu D.An Algorithm for Data-Driven Bandwidth Selection［J］.IEEE Transactions on Pattern Analysis & Machine Intelligence，2003，25（2）：281-288.

［2］Morimoto T，Kiriyama O，Harada Y，et al.Object tracking in video pictures based on image segmentation and pattern matching［C］//IEEE International Symposium on Circuits and Systems.IEEE，2005：3215-3218 Vol.4.

［3］Weng S K，Kuo C M，Tu S K.Video object tracking using adaptive Kalman filter［J］. Journal of Visual Communication & Image Representati on，2006，17（6）：1190-1208.

［4］Zin T T，Tin P，Toriu T，et al.A Markov Random Walk Model for Loitering People Detection［C］//Sixth International Conference on Intelligent Information Hiding and Multimedia Signal Processing.IEEE Computer Society，2010：680-683.

［5］ChungHsien Huang，YiTa Wu，MingYu Shih.Unsupervised Pedestrian Re-identification for Loitering Detection［C］//Advances in Image and Video Technology， Third Pacific Rim Symposium，PSIVT 2009，Tokyo，Japan，January 13-16，2009.Proceedings.2009：771-783.

［6］劉強.智能視頻監控中幾種異常行為檢測研究［D］.安徽大學，2012.

［7］朱旭東，劉志鏡.基于主題隱馬爾科夫模型的人體異常行為識別［J］.計算機科學，2012， 39（3）：251-255.

高華玲（1980—），碩士，講師，研究方向：信息隱藏、計算機視覺、語義分析。

項目基金：三亞市院地合作項目（No.2013YD43）、三亞學院校級一般項目（No.XYZZ1319）。

作者簡介：