智能視頻監(jiān)控中的多特征融合問題研究

李宇瓊 劉香萍

【摘要】 本文對智能視頻監(jiān)控中的多特征融合問題進行了分析，供相關(guān)專業(yè)人士參考借鑒。

【關(guān)鍵詞】 智能視頻監(jiān)控多特征

現(xiàn)今信息技術(shù)已經(jīng)在我國各行業(yè)領(lǐng)域內(nèi)廣泛推廣使用，視頻監(jiān)控技術(shù)向智能化發(fā)展也已經(jīng)迫在眉睫，由于監(jiān)控工作的復(fù)雜以及自身的一些局限，通過單一特征不能夠?qū)τ趫D像內(nèi)容分類，利用多特征融合能夠更好的對于運動目標或是背景進行分類。

一、智能視頻監(jiān)控簡介

由于人類安全意識的不斷提升，人民對于公共安全的需求也越來越高，目前視頻監(jiān)控已經(jīng)是公共安全防范中的一種重要手段。由于其內(nèi)部系統(tǒng)或是功能性的差異，視頻監(jiān)控的發(fā)展已經(jīng)度過了模擬系統(tǒng)、半數(shù)字化系統(tǒng)、全數(shù)字化系統(tǒng)幾個時期，隨著多年的完善我國的視頻監(jiān)控系統(tǒng)已經(jīng)實現(xiàn)了集成化、網(wǎng)絡(luò)化、數(shù)字化，可是最主要的缺點是具體內(nèi)容的分析主要是依靠人工。同時由于工作量比較巨大，要求具體工作者對于異常問題的反應(yīng)力高，目前很多失誤都是由于人為因素形成的，如此說明視頻監(jiān)控系統(tǒng)的主動性沒有被發(fā)揮出來。為了滿足人民不斷提升的要求標準逐漸提出來智能視頻監(jiān)控理念，在原有的基礎(chǔ)上借助于計算機技術(shù)的大量數(shù)據(jù)信息處理系統(tǒng)，對于收錄到的大量數(shù)據(jù)信息處理分析，將和實際應(yīng)用無關(guān)的信息過濾處理，提供關(guān)鍵的內(nèi)容。如此才能夠降低工作者的勞動強度，最大化避免信息失誤、漏報等問題，同時該系統(tǒng)能夠?qū)τ谝曨l行為合理分析，鑒別有疑點的活動或是人員，提出相應(yīng)的警示，發(fā)揮防范系統(tǒng)應(yīng)用的作用效果；在技術(shù)方面來看，該系統(tǒng)對于傳輸寬帶的要求比較低，能夠節(jié)省相應(yīng)的容量和空間，避免了資源的浪費。

二、智能視頻監(jiān)控研究現(xiàn)狀

智能視頻監(jiān)控僅僅是計算機視覺研究的一個方面，如今更多的專業(yè)研究人員關(guān)注該領(lǐng)域的發(fā)展和研究。該系統(tǒng)應(yīng)用計算機的圖像處理方法和視覺方法將獲取到的圖形序列進行有序的檢測分類、對于目標進行跟蹤或是對于監(jiān)視目標的相關(guān)行為進行描述。其中的目標跟蹤、目標分類、運動檢測可以規(guī)劃到視覺中的低級以及中級處理部分，行為理解和描述劃分到高級處理中，具體包括了對于異常問題的檢測、目標的身份鑒定。前三個問題是研究比較廣泛的方面，行為理解描述如今是研究的熱點方向。

三、智能視頻監(jiān)控相關(guān)技術(shù)

1運動目標檢測。目的是能夠在有序列的背景圖像中將運動目標區(qū)域分離出來，是對于整個視頻內(nèi)容進行分析的第一過程，能夠精確的進行分割是非常關(guān)鍵的環(huán)節(jié)。整個分離過程中的難點在于由于監(jiān)控場景的復(fù)雜性，例如光照的變化、搖擺的樹木、目標的重疊等等，如何有效的獲得需要的資源，避免多元化外界因素影響是研究的重點。如今常用的方法具體包括能量運動檢測、光流、時間差分、背景差方法。背景差法應(yīng)用的比較廣泛，光流法的優(yōu)勢是即使在攝像機處于動態(tài)狀況下也能夠快速的檢測目標，缺點是容易被噪音影響。

2運動目標跟蹤。目標跟蹤的作用是為了將一個圖像序列上定位目標在每一幀的位置。目前需要跟蹤的有三種情況，多個攝像機之間的協(xié)同跟蹤、云臺攝像機下的目標跟蹤，固定場景下的目標跟蹤。云臺跟蹤基于背景的變化性，能夠應(yīng)用的主要是前景運動目標信息，固定場景法是利用運動目標檢測的信息，多攝像協(xié)調(diào)是研究中的難題。現(xiàn)今有各種的跟蹤方法被使用在該環(huán)節(jié)中，例如卡爾曼濾波算法、動態(tài)貝葉斯網(wǎng)絡(luò)，其中卡爾曼濾波算法無法處理多封模式分布問題；根據(jù)目標進行分類的化還劃分為特征跟蹤、骨架模型跟蹤、基本幾何形狀跟蹤、點特征跟蹤、模板跟蹤、主動表像模型跟蹤；依據(jù)跟蹤特征分類的化則分為紋理特征跟蹤、光流特征跟蹤、邊緣特征跟蹤、顏色特征跟蹤等。

3運動目標分類。進行目標分類的作用是對于運動目標的類別進行識別，監(jiān)控區(qū)域的不同意味著不同的運動目標，如今常用的目標分類手段有基于運動特性分類、根據(jù)形狀信息的分類。目標分類的特征是時間和空間，空間特點是單幀圖像里的目標相關(guān)特點，目標的具體位置、大小、形狀等等；時間是和跟蹤過程有直接聯(lián)系，例如目標的大小、速度等，常用的分類器具體包括貝葉斯分類器，支撐向量機分類器、人工神經(jīng)網(wǎng)絡(luò)分類器等。支撐向量機和各種的改進算法，由于在小樣本分類方面具有一定的優(yōu)勢，所以關(guān)注度比較高。

4行為理解和描述。具體指對于運動模式進行識別和分析，利用自然的言語合理描述，也可以單純的當做是時變數(shù)據(jù)分類問題，既將測試序列以及預(yù)先標定的典型行為參考序列進行匹配。如今對于異常事件的檢測方法主要有根據(jù)模型的方法或是基于分類器的方法兩種?；谀Ｐ头椒ㄖ攸c在于進行檢測而不是分類，根據(jù)異常事件建立具體的統(tǒng)計模型，對于需要測定的事件利用該種模型進行判斷，這種方法適合應(yīng)用在一類樣本不容易獲得的情況，對于容易獲得的樣本建模，判定新的樣本是否屬于該種類別確定具體結(jié)果。分類器的方法是對于場景中的事件進行分類，構(gòu)建合理的分類器，對于正常事件和異常事件進行區(qū)別。監(jiān)控主體中的重點大部分是人，人類的步態(tài)或是臉是能夠利用的兩種重要特點，人臉識別技術(shù)關(guān)乎到人臉的檢測、跟蹤、特征提取、識別等幾個方面，多年來得到了大力的發(fā)展，取得了相應(yīng)的成效。步態(tài)識別是根據(jù)走路姿勢進行身份的認證。

參 考 文 獻

[1]齊文靜.網(wǎng)絡(luò)安全原理與應(yīng)用.[J].中國水利水電出版社.2014