以計算機技術為載體的智能視頻監控系統技術

金慧

摘要 視頻監控技術因其強大的功能在各行各業中得到了廣泛的應用，而傳統的視頻監控技術已經無法跟上當代社會不斷發展的步伐。這就需要更高效、更智能的視頻監控技術來滿足社會各個行業最新的需求。而智能視頻監控技術包含了對視頻、圖像的處理技術、計算機網絡技術和視頻監控技術等。本文主要對智能視頻監控系統技術的概述入手，對其技術要點進行了探討。

【關鍵詞】計算機智能 視頻監控 技術研究

智能視頻監控系統技術其最為核心的技術就是計算機圖像處理與智能分析，并在其他各種技術的綜合運用下，這些技術能夠對視頻監控捕捉到的視頻內容進行自動化的處理與識別，同時還能夠在較為復雜的環境中對其針對的目標對象進行跟蹤與具體識別，進而對其進行有效的監控，最終順利完成其視頻監控任務。

1 簡述智能視頻系統技術

1.1 智能視頻系統技術概述

智能視頻監控系統技術，就是能夠對其所監控到的視頻信息進行智能化的分析與處理，而不僅僅是單一的接受視頻監控信息。這一技術主要是依托計算機技術，從而能夠對人工處理數據予以有效取代。因此，智能視頻監控系統技術是視頻監控領域的一個重大突破，它取代人工的意義不僅能夠有效的節約人力、物力與財力，同時還能夠極大的提升識別速度與準確率，并在此基礎上實施更為復雜、更為智能的監控應用。智能視頻系統技術不僅僅能夠對視頻進行監控，同時還能夠做到精準化與智能化，比如人臉識別、人體特征識別、車牌識別、移動軌跡偵測、入侵檢測、特定行為識別等多維度的智能監控應用。

1.2 智能視頻系統的優勢

1.2.1 不間斷可靠監控

傳統的監控系統主要依靠的是人工進行二十四小時不間斷的監控，這種傳統的監控方式需要依靠人的主觀判斷，由于個人的精力是有限的，這種方式不僅識別速度有限，而且存在一定的差錯率，這對于視頻監控而言是一大問題。但是智能視頻監控系統在大部分情況下就不再需要人工進行干預，僅僅運用前端的監控設備對圖像進行輸入，而后端的計算機信息處理系統就能夠對所輸入的視頻圖像進行實時的分析，這樣就能夠更加容易實現整個視頻監控的實時性，同時其準確度也會提升到更高的等級。

1.2.2 報警準確度高

智能視頻監控系統的基礎是計算機處理技術，計算機處理技術其最為顯著的特點就是準確度高，只需要將各種信息進行輸入，整個視頻監控系統就能夠對所面臨的安全隱患進行準確的描述與分析，并且根據所得到的相關信息對即將要出現的安全威脅進行提前的報警處理。

1.2.3 響應速度快

智能視頻監控系統可以根據所監控到的相關信息進行高效的識別，以目前的技術水平，基本可以做到實時監控，實時響應，實現毫秒級的反應時間。這樣它就能夠提前對危險進行預警，并及時發出報警信號提醒相關監控人員。如果能夠再將安全防范方法進行交叉利用，智能視頻監控系統還能夠對突發緊急情況第一時間做出反應，極大的降低了因緊急危險情況對人員和財產造成的損失。

1.2.4 視頻資源應用廣泛

在服務領域，運用智能視頻監控系統技術，能夠對某個行業的某些特征進行智能化的分析與對比，這對于市場調查并做出相應的市場規劃調整都是具有積極意義的。在安防等領域，智能視頻監控系統還能夠被應用到其他各個方面，比如人流量統計、人體特征識別、運動軌跡識別和交通流量控制等，并在這些領域中通過豐富的智能化應用發揮更大作用。

1.3 智能視頻監控系統的應用領域

根據不同的需求智能視頻監控系統能夠運用到相應的領域，比如說根據對安全性的需求不同，可以將智能視頻監控系統分為安全相關應用領域和非安全相關應用領域這兩個大的領域。由于市場需求的不同，安全相關應用領域對于智能視頻監控領域的需求量更大。而安全相關應用領域中，有著事前預防、事中響應、事后追查的邏輯需求。智能視頻監控技術在這三方面都能起到不可替代的重要作用。其主要功能是協助安全相關部門提供安防相關服務或者是針對特殊地區進行安全保護，并可以和其他安防系統進行智能聯動，提供綜合化的安全防護功能。而非安全相關應用領域目前基本上主要應用于消費服務等領域，比如說為醫療保險、零售業等提供輔助工具，人流統計、關注度統計等智能視頻監控技術的深入運用可以顯著提高消費行業的服務水平與效率，提升消費者的滿意度，促進整個行業的服務水平進一步發展。

1.4 智能視頻監控系統中存在的問題

1.4.1 數據共享難度大

在傳統的視頻監控項目中，各個系統內部數據的開放性較低，還存在兼容性問題，導致各系統之間難以共享數據，所以很難進行多維度的數據綜合分析。比如在人臉識別領域，提高人臉識別的準確率有多種方法，但是僅僅通過提高計算能力與更新計算方法是不夠的，還需要增加多維度數據的來源。比如車輛信息、定位數據、手機數據與支付數據等可反應個人信息的數據，通過這樣大規模、多維度的數據整合才能實現目標的快速準確的追蹤、分析的目的。

1.4.2 綜合聯動能力不足

目前大部分的智能視頻監控系統還是基于靜態特征并且局限在單一環境中的簡單應用，很少涉及大范圍、多場景的關聯行為分析。沒有把行為、軌跡、個體信息等動態特征以及其之間的關聯性做結構化的數據處理。目前能做到多個監控設備、多個監控系統之間的關聯分析處理的應用還很少。

2 以計算機技術為載體的智能視頻監控系統技術研究

2.1 對移動目標的實時監測和提取

對移動的目標實時進行監測和提取技術最為核心的方法就是對動態目標的多幀圖像進行分析和處理工作，并對所分析處理的圖像進行提取工作，進而實現對動態或者靜態的目標進行實時的監控工作。對圖像進行提取工作的話，最開始就需要對背景圖像進行分割處理，進而逐步減少運算量。但需要注意到在整個視頻監控工作中，所處的監控環境是復雜多變的，對背景圖像的處理有不小的難度。

目前對移動的目標進行圖像提取的技術主要有兩種，第一種是對背景進行消除的方法，這一方法主要就是將所提取到的圖像和提前截取到的圖像背景進行差分計算，并利用計算出的結果基本得到所監控目標的基本輪廓，進而逐步得到運動目標的基本特征，這種技術最終得到的目標圖像會更加的清晰與明了，即準確度更高。但這一技術需要高性能的技術設備予以充分的支持才能夠完成監控工作;第二種技術就是時間差分方法，這一技術就是從視頻中所監控到的無數個畫面，并對這些畫面進行對比分析工作，進而得到目標的基本特征，這種技術的本質就是尋找相似之處，最終得到大概的輪廓，這一技術的準確性就沒有第一種技術高，但是其要求的技術支持無需太多，但是工作量相對較大。

2.2 對移動目標的跟蹤技術

2.2.1 基于模型的跟蹤技術

（1）直線法：這種方法就是將直線代替目標各個身體部位予以跟蹤;

（2）二維輪廓法：這種跟蹤技術就是將跟蹤目標的整個模型予以投影，將其用平面術語進行表達;

（3）三維立體模型法：這種跟蹤方法是相對于二維輪廓法的，這一方法是將整個跟蹤目標建立一個三維的立體模型，比如說正方體等，并進行映射從而得到原始的模型。

2.2.2 基于區域的跟蹤技術

這一技術在實踐的運用中比較大眾化。其最為核心的地方就是把整個人體分為幾個主要的部分，它們分別是四肢、軀干和頭部等。對這幾個主要的部分都運用計算機處理技術予以精確計算從而構建出基本的模型，進而從局部到整體進行跟蹤。這一技術需要對目標進行遮擋和陰影處理，想要解決這一難題，充分運用色彩信息和陰影自身的特性是一個比較可行的解決辦法。

2.2.3 基于活動輪廓的跟蹤技術

這一技術相對于基于區域的跟蹤技術而言，其工作量更小，因為它不用建立起整個人體的模型。其僅僅需要對所跟蹤的移動目標進行基本輪廓的提取工作，并進行不斷的更新工作即可。同時由于該技術工作量更小，其進行計算的難度也會相應降低。若所監控跟蹤的環境比較好的話，這一技術還可以解決基于區域的目標跟蹤法中最為困難的問題。

2.2.4 基于特征的跟蹤技術

想要真正實現這一技術就需要將跟蹤的目標鎖定到一個封閉的長方形中，在這個長方形的四個角和中心可以作為被跟蹤目標的主要特征，這一技術得以很好運用的前提條件是被跟蹤物品的主要特征沒有被長時間遮蓋或者掩蓋。

2.3 行為識別技術

2.3.1 狀態空間法

這種技術是對靜態目標的跟蹤，主要是將靜態動作按照相應的概率有機的組合起來，進而形成一個狀態數據庫，在這個數據庫中被跟蹤目標的每一次狀態都將是目標狀態庫中的一個記錄。而狀態空間法就是利用對所有的狀態進行概率分析，并從這些狀態中選擇一個概率最大的事件為目標的具體行為。

2.3.2 模板匹配法

這種方法首先就是將目標圖像轉換成一組靜態模式，并將其放在模板庫中。在對被跟蹤目標進行分析的時候，將目標行為模式和模板庫中的數據進行對比分析，其中相似度最高的行為就可以認定為被跟蹤目標的行為。

2.4 目標分類技術

目標分類技術更加具有針對性，所以需要對所監控的多個目標進行對比分析進而區分出哪個才是所需要的目標。智能視頻監控系統中的目標分類技術基本分為兩種類型，第一種是根據跟蹤目標自身形狀信息的分類技術，這一技術主要對所跟蹤目標在運動過程中所呈現的形狀特征進行分類，比如說目標的圖像面積等，這一技術中所跟蹤目標的色彩特征對于整個目標分類定位的影響較大。另外一種就是針對所跟蹤目標的運動特性進行分類的技術，這一技術主要是運用所跟蹤目標運動過程中的周期性特征而進行的分類。

3 智能視頻監控系統的實現流程

智能視頻監控系統由硬件系統和軟件系統兩部分組成，其中硬件系統的設計一般采用模塊化的設計方式，其中主要包括前端信息采集模塊，數據存儲模塊，智能視頻的分析模塊與中心控制模塊等多個部分。其中智能視頻分析模塊是智能視頻監控系統技術中最為核心的部分，這一模塊主要負責對所跟蹤目標的移動數字圖像進行有效的分析與處理。比如說特征識別技術、軌跡偵測技術、自動報警技術等。而這一核心部分的處理既可以是以硬件為基礎的處理方式也能夠以軟件為基礎的處理方式。這一模塊工作的基本模式就是首先接受來自上位機的策略對具體的模塊進行處理;其次是接受來自信息采集前段模塊的信息，再對所采集到的相關信息進行數據處理與分析工作，最后將所得到的最終數據和整個系統用戶預先設計好的規則與模板進行智能化的對比，并將比對的結果發送給相關用戶。

4 結語

綜上所述，運用計算機技術提升視頻監控的智能化水平是視頻監控發展的必然趨勢。而傳統的視頻監控系統離不開人力的操作，人自身的特質決定其在進行實時監控的過程中難免會出現錯報漏報等情況。智能視頻監控系統比傳統的視頻監控系統具有更加強大的圖像處理能力和智能分析能力，不僅能夠消除監控領域對人力的依賴，減少誤差的出現，還可以為用戶提供更多智能化的分析功能。隨著智能化技術在視頻監控系統中的深入應用，智能視頻監控系統必將在安防、零售等傳統領域中發揮更大的作用，并在更多新興領域中得到應用和推廣。

參考文獻

[1]袁云哲.基于計算機智能的視頻監控系統技術[J].南方農機，2017， 48 （09）：112+114.

[2]李可先，計算機智能視頻監控系統技術研究[J].信息與電腦（理論版），2016 （18）：64-65.

[3]高松，智能視頻監控系統在鐵路中的應用[D].青島理工大學，2014.

[4]王加梁，基于計算機技術的智能視頻監控系統探討[J].電子測試，2013（07）：100-101.

[5]徐農.智能視頻監控系統的分析與設計[D].北京郵電大學，2012.

[6]王駿.基于計算機智能視頻監控系統技術分析[J].信息通信，2012 （02）：187-188.