安防監控中的視頻分析技術探討

宋雅靜

本文從視頻分析內容技術和運動目標檢測和識別技術兩個角度出發，對安防監控中的視頻分析技術展開了研究。

【關鍵詞】安防監控 視頻分析技術

近年來，在社會經濟不斷進步的過程中，安防狀況成為人們廣泛關注的話題，作為一個子系統，視頻監控系統在其運行過程中發揮了不容忽視的重要作用，其較強的技防功能結合多種技術項目，如編解碼和多媒體等技術是維持該系統正常運行的關鍵。近年來，信息技術以日新月異的速度飛快發展，芯片和網絡等技術發展速度加快，推動了安防監控的進步，本文在積極進行研究的過程中，對其中的視頻分析技術展開了詳細的研究。

1 視頻分析內容技術

該技術的產生并有效應用于計算機系統內部，促使視頻信息的讀取可以獨立實現，并直接展開一定程度的分析和處理，對人工監控進行了取代，在運行過程中，可以自動判定視頻內容并及時進行告警的觸發。

1.1 基本原理

視頻分析內容技術即VCA，是安防監控中最關鍵的組成部分，其運行過程中，能夠實現分離視頻畫面中前景與背景的功能，促使自動更新在背景中得以實現，這一過程中對前景目標的檢測可以通過差分在背景以及前圖像之間的體現來實現，有效處理前景目標的過程中，還同時可以實現對其的分類和識別，在對報警觸發規則在場景預設中的不同體現進行參考的過程中，可以有效比較規則以及目標行為，一旦發現符合條件的目標，該系統將會自動發出警告。

1.2 視頻數據結構

分析視頻內容以前，應將促使層次不一樣的索引結構得以在視頻圖像中構建起來，因此準確的進行結構的分析，通常情況下，視頻數據可以呈現出以下結構，分別為視頻場景、幀以及視頻序列等。

1.3 工作流程

視頻內容分析工作流程在實施過程中包含以下內容，背景模的構建、檢測、識別目標和分類等。

1.3.1 背景建模以及更新

在獲得視頻現場的背景圖像過程中，需要對某一算法進行應用，這就是背景建模。該流程并不具備復雜性，而實時更新背景模型至關重要，因為這一環節將嚴重左右檢測的前景目標，同時影響的還有分類和識別內容；

1.3.2 目標檢測

在這一環節當中，只要目標產生于前景當中，前景目標的提取需要依靠算法進行，這一過程中能夠促使識別、分類前景目標更加快捷。現階段，我國在進行目標檢測的過程中，主要的算法包含幀間差分法和背景差分法等；

1.3.3 目標識別和分類

分析視頻的過程中，前景目標的成功檢測至關重要。前景目標經過檢測能夠獲得一定的主要特征因素，包含動作、形狀以及大小等，這樣一來分類和識別工作將更加容易，能夠確定目標是車輛還是人等；

1.3.4 規則判定及觸發告警過程

相關信息在前景目標中得以有效的采集，這部分內容應當有效對比相關報警規則，該規則是已經預先自定義好的，如果二者完全相符，則可以將警報信息進行自動發送，例如，遺留物和入侵行為的報警等。

2 運動目標檢測和識別技術

2.1 常用算法在運動目標檢測中的應用

運動目標檢測指的是，在序列視頻圖像內部，對某一算法進行應用，對運動區域進行有效檢測，并獲取完整的運動目標信息，促使其同北京圖像進行區分。如果第k幀圖像存在于視頻圖像序列當中，那么就可以應用fk（x，y）進行表示，則可以有Mk（x，y）、Bk（x，y）和nk（x，y）的總和等于fk（x，y）。其中，運動目標可以應用Mk（x，y）來表示，背景圖像應用Bk（x，y）來表示，噪聲應用nk（x，y）來表示，同時nk（x，y）還可以對干擾因素以及光線等內容進行表達。檢測這一運動目標最主要的目的就是將相關干擾因素以及噪聲等進行有效的去除，將運動目標在背景圖像內部進行有效檢測，從而有效提取完整的信息，為接下來的工作內容提供有效的依據。

現階段，固定的攝像頭能夠保證背景實現靜態化，在進行目標檢測的過程中，應用的算法重要有三種，分別為背景差分法、幀間差分法和光流法。

2.2 運動目標檢測流程

在促使運動目標檢測在視頻圖像序列中得以實現的過程中，其關鍵環節是提升其精確性和實時性。從客觀的角度來看，如果相關工作人員在日常工作中需要傳送、處理以及顯示相關收集到的視頻圖像，其使用過程中一定會受到相關客觀因素的影響，如設備質量、當地環境、噪音以及光線等，這樣一來，圖像的質量將被嚴重降低，一定程度上干擾以及噪聲是不可避免的，因此必須將預處理工作應用于收集到的視頻圖像當中。

如果出現了運動目標，在檢測運動目標過程中需要應用一定的算法，二值化處理需要對閾值等進行應用，促使黑白圖像得以產生，而后處理過程中可以對相應的方法進行應用，這樣一來，背景圖像當中的運動目標就能夠實現有效的分割。

2.3 圖像后處理

二值化圖像在運動目標中的體現，不僅擁有運動目標主體，同時還擁有空洞以及噪音等內容，在對這些客觀因素進行處理的過程中，本文應用了中值濾波法。

該方法為平滑技術，同時也是非線性濾波技術，在應用過程中，能夠對圖像中的噪音和其他干擾等進行有效的抑制。其應用過程中，主要思路是排序某一窗口當中存在的像素灰度值，其數量為基數，并將中間位置的值進行應用，促使其成為該窗口使用過程中的中心像素灰度值。這一方法最主要的目的是應用同周邊像素灰度值差距較小的值來對差距較大的值進行替代，從而實現對噪聲等客觀干擾因素進行孤立的目的。現階段該技術被有效應用于驗證交通視頻的過程中，經過檢測以后，還需要對相關視頻的二值化圖像進行生成，它能夠將汽車的具體狀況進行清晰的體現，還能夠對事物的細節進行充分的展現。

3 結論

綜上所述，安防監控是現階段維護我國社會安定的關鍵環節之一，其運行過程中，視頻分析技術的作用不容忽視。本文在積極展開研究的過程中，詳細討論了視頻分析內容技術和運動目標檢測和識別技術等內容，希望對我國安防監控領域的進步起到促進作用。

參考文獻

[1]周小舟.面向安防監控視頻感知噪聲盲檢測的關鍵技術研究[D].武漢：武漢科技大學，2015.

[2]苑春苗.網絡視頻監控系統中的QoS機制和智能分析技術研究[D].天津：天津大學，2012.

[3]段長征.視頻內容分析技術剖析及在校園視頻監控系統的應用探討[J].山東農業大學學報（自然科學版），2012（01）：100-104.

作者單位

國家新聞出版廣電總局2024臺 黑龍江省佳木斯市 154025