視頻監控中異常行為檢測在安防領域的研究分析

摘要：隨著社會的發展，城市安防視頻監控越來越廣泛地應用于城市的各種場合。本文主要針對視頻監控中異常行為檢測在安防領域的應用進行了簡要分析，以公共安全、社區安全、校園安全等具體應用作為典型案例，通過進一步完善視頻監控系統，有效提高了視頻監控效率，清晰的數字化圖像為城市安防提供了可靠的依據。

關鍵詞：視頻監控；異常行為檢測；安防領域

智能視頻監控在維護社會公共安全和秩序方面發揮著重要作用，通過建設城市安防視頻監控系統項目，實現了城市報警聯動、異常行為檢測、車輛跟蹤，在公安警察系統查辦案件方面提供了很大便利，有效提高了城市安防系統建設水平。異常行為檢測是目前安防領域研究的重點，未來其應用的場景將更加多樣化，能夠促使社會生活和生產不斷趨向智能化。在社會經濟和科技高速度發展的背景下，對這項技術系統仍需不斷進行研究，使其在社會安全保障領域能夠發揮更大的作用。

一、異常行為檢測相關理論基礎

目標檢測是視頻監控中異常行為檢測的基礎，目標提取與行人異常行為檢測理論都是基于此得以成立并應用的。隨著計算機信息技術中的視覺、深度神經網絡以及識別技術的發展，視頻監控系統變得更加完善。目前，該系統已經在多個安防領域得到應用，并發揮著重要的作用。本文將圖像預處理、行人目標檢測、深度學習作為研究異常行為檢測視頻監控系統的重點，并對其進行了簡要介紹。

（一）圖像預處理

圖像預處理就是對進行變換和處理，通過強化其清晰度和特征，為人們提供識別信息。在現實生活中，視頻監控系統應用場景非常多，不同場景下對視頻圖像的清晰度要求具有較大差異。同時，由于視頻監控的圖像是由攝影頭設備質量以及環境變化所決定的，在獲取視頻圖像以及序列的過程中還會受到噪聲影響，如果存在比較嚴重的噪聲污染，會導致后續圖像分割和分析的難度增大。圖像預處理分為色彩空間轉換、圖像濾波以及形態學處理三個方面，通過使用其中任意一個方法，均可對目標物體運動行為進行運算判斷，具有較強的適用性。

（二）行人目標檢測

行人目標檢測就是把視頻監控序列中的行人異常行為情況檢測出來，對其運動方向和運動特征進行提取并分析，從而確定是否存在行為異常的情況。行人目標檢測的方法主要包括三個部分，分別是幀間差分法、光流法、背景建模法。在視頻監控系統中，利用幀間差分法對視頻監控區的目標進行檢測，當目標行人或物體發生移動，前后連續兩幀之間的灰度值會發生變化。利用圖像前后幀數變化進行運算得到絕對值，再利用二值化作操作處理，可以反映出目標狀態。當得到絕對值等于零時，可以認為物體處于靜止狀態；當絕對值大于一定閾值時，可以確定物體為運動狀態[1]。

利用光流法進行視頻監控目標檢測的原理是基于圖像幀數的像素點移動速度生成的。用二維光標記圖像中運動目標點的變化，然后分析光流速度，確定場景的三維圖像運動結構，以便于對目標物體進行集中觀察。光流法在視頻監控系統異常行為檢測中具有非常強的適應性，無論目標物體處于靜止還是非靜止狀態均可及時確定。然而，這種方法也存在一定弊端，它對光線和噪聲等因素比較敏感，容易將光線錯誤地識別為光流，計算量較大，在確定目標物體運動與否時會耗費大量時間。因此，在實時性條件比較苛刻的情況下，使用這種方法難以得到精準的結果。

（三）深度學習

視頻監控系統的深度學習是機器學習的一種形式，它通過對其中的技術進行反復驗證和分析、集中試驗，極大地提高了視頻圖像識別能力。同時，在語音識別和自然語言處理上也具有較高的應用水平。深度神經網絡是一種多層次的神經網絡，位于數據輸入層與輸出層之間，在計算模型中可以運用數據進行表示。

深度學習可以利用反向傳播算法來指導機器進行數據計算和分析。目前隨著集中復雜結構的進一步優化，使得視頻監控系統中圖像、語音和音頻等處理技術實現了質的突破。這種深層學習的方式無須再依靠人工對數據特征信息進行提取，得到的網絡模型具有清晰的層次結構，能夠保障監控系統的清晰度。

與圖像識別相比，深度學習是自上而下的學習方式。深度學習模型在運行中具有前向傳播和反向傳播兩種結構。以深度學習模型為基礎，通過輸入層獲取圖像樣本數據，然后通過解碼器對隱藏層信息進行解析，直至最終獲取圖像特征，模型運行停止。

二、異常行為檢測技術

（一）入侵檢測

入侵檢測算法的目標是搭建一個功能齊全的新系統，具有比較強的智能性和較高的安全識別級別。當檢測到任何異常行為時，系統會自動發出警報。該系統具有高敏感的特征，在發現入侵物后除了會自動報警，還會進行持續追蹤，在安防系統中發揮著重要作用。基于目標檢測物遮擋情況和合并分裂情況，構建了入侵檢測系統，它分為三個模塊：目標檢測、目標跟蹤以及自動報警。其算法流程如圖1所示。

其中，目標檢測模塊通過入侵檢測算法能夠合理預測前景目標是否會出現。在跟蹤模塊下，它還能預測出目標位置與大小。當目標檢測模塊觸發跟蹤請求后，報警模塊會自啟動。在一個相對密閉的空間里，當監控場景沒有人進入時，系統處于正常監控狀態。一旦有人入侵，會立即觸發目標跟蹤請求，緊接著系統在執行跟蹤指令的過程中會自動報警。當入侵目標消失后，系統會恢復到原始設置[2]。

（二）絆線檢測

絆線檢測是指在視頻監控圖像上繪制一條或多條虛擬線，對監控區域內的運動目標進行檢測，當發現目標通過虛擬線時即會觸發自動報警系統。本文將絆線檢測分為兩種情況。第一種是單向絆線檢測，就是當目標穿越到絆線時，從視頻中找到這個運動目標對象，并確定其運動方向和所在位置。然后再與未穿越絆線的方向進行對比，如果方向一致，可以確定屬于違規行為，系統會即刻進行報警；如果方向不一致，系統則不做任何處理。另一種情況是雙向絆線檢測，即無需確定監控目標移動方向，只要檢測到目標穿越絆線，系統即可進行報警處理。

（三）徘徊檢測

徘徊檢測是指在監控區域內發現一個目標或多個目標存在徘徊行為，會觸發系統報警系統，以減少公共區域的危險行為。目前，由于視頻監控系統的智能性還不夠優化，很難對目標的徘徊行為進行準確判斷。

當前在視頻監控系統異常行為檢測中，對徘徊檢測系統的應用主要是通過判斷目標運動時間、當前位置與首次出現在視頻中的位置距離。如果在監控范圍內目標移動軌跡是一條直線，且行為運動沒有往返這種情況，則無法確定目標屬于徘徊狀態。如果目標在視頻監控中多次進行折返運動，并且折返路線之間形成一定夾角，即可確定目標在監控區域內徘徊。此外，還需考慮目標在監控區域的運動時間，如果超過常規運動時間，也可初步確定目標在進行徘徊運動。

（四）遺留物檢測

遺留物檢測是指對監控區域內遺留或遺棄的物體進行自動檢測和分析。當物品丟失或者在某個區域被放置期間，系統可以檢測并標記遺留位置，一旦發現問題，系統會自動警報，進而達到安全防范的目的。在現實場景中，該技術主要用于對監控區域遺留物體進行檢測和分析。當出現目標時，監控系統會持續進行跟蹤，如果物體靜止或停留時間大于設定閾值，系統會進一步分析，從而判斷該物體是否為遺留物。如果確定是，系統會觸發警報，否則將不做任何處理。通過對目標進行檢測和跟蹤，可以初步確定異常行為檢測算法流程，將所有算法集中在一個系統中，構建視頻分析平臺，以提高視頻監控系統的工作效率。

三、視頻監控中異常行為檢測在安防領域的具體應用

（一）公共安全

目前，特別是經濟比較發達的現代化城市，城市中的視頻監控系統已經日臻完善。它在公共安全領域發揮著重要作用，并有效提高了社會公共安全指數。它能夠有效地防范、化解和控制各種風險和潛在危險。公共場所通常非常擁擠，人流密度較大，因此是安全事故多發的場所。在公共安全防范領域應用智能視頻監控系統，可以進一步降低異常行為對公共場所安全的隱患。

尤其在機場、客運站、高鐵站等區域，更需要要加強和完善安防系統。由于人群聚集時間較長，現場安防工作很難實現全面無遺漏地管控。合理運用智能視頻監控系統可以有效減輕安防工作人員的壓力。對人群異常行為或狀況的檢測只需要通過智能終端上傳的圖像就可以查看，有效提高異常事件處理的效率。

目前，大型集中的公共場所安防系統已經建設的比較全面，在異常行為檢測方面發揮著重要作用。一旦發現潛在危險事件，系統可以實時預警，再由現場的安保人員到場進行巡邏，進一步推動安防工作的有效展開。當前階段，大型公共設施和建筑的異常行為自動檢測系統在建設過程中正向機場、高鐵站等方向靠攏。為合理規避意外事件，還加入了逃生路徑的自動規劃研究，以進一步保障公共場所的安全性。

（二）社區安全

現代化城市建設講求的是規范性，對公共設施進行規范，對社區進行規范，逐步促進城市有秩序地運行和發展。在打造智慧城市的過程中，這種新型的發展理念發揮著重要的引導作用。借助互聯網、人工智能、大數據和路網監控等技術，對住宅小區資源進行全面整合。在逐步規范城市居民的生活、工作、娛樂、教育和醫療等便捷服務的過程中，進一步進行完善安防系統，可以更好地促進公共事業單位為居民提供服務，同時還能夠提高廣大民眾生活質量[3]。

在智慧城市建設背景下，對社會規劃和建設問題逐步提高了重視，其中在視頻監控系統中，異常行為檢測是非常關鍵的組成部分之一。目前，社區內的公共區域監控系統正處于不斷完善的過程中，如地下停車場、公共健身服務區。同時，圍繞居民住宅附近的公共區域，如學校和商鋪等，也自行安裝了智能視頻監控系統，對異常行為檢測也發揮著重要作用。如果通過視頻監控發現活動區域內有聚眾斗毆、快速奔跑等事件，系統可以及時對異常事件發出警示。在行為異常比較嚴重的情況下，相關人員可通過報警進行安防預警。

此外，社區視頻監控也加強了對電梯和樓梯等公共區域的異常行為檢測。電梯轎廂和樓梯空間比較狹小，居民在活動中不慎發生跌倒，或偶發搶劫、施暴等事件無法從根本上得到控制。通過智能視頻監控系統的運用，可以有效抑制危險行為的發生。如果出現意外事件，也能夠在短時間內妥善處理，進一步保障居民的居住安全和活動安全。

（三）校園安全

隨著社會經濟的發展，目前國家非常關注培養高素質的全能型人才問題，教育領域的安防系統研究也成為當前視頻監控建設的重點。提到教育領域就必須回歸到校園建設這一主題。自從信息化技術快速發展并逐漸普及開來，校園視頻監控系統當前已經基本實現了全面覆蓋，但是部分學生活動比較少的區域仍然依賴校園人工監管。在安全事件處理時常常會出現疏忽和遺漏，這使得一些危險問題和異常事件不能得到及時響應和處理。極有可能隨著時間的推移而演變成更嚴重的潛在安全問題，對校園師生的安全可能會產生一定影響。

通過搭建智能視頻監控系統，并對校園安全系統進行不斷建設，對其功能進行補充和完善，能夠有效保障校園內安全。其中，異常行為檢測提供的高清成像是布設視頻監控問題的重點。然而，由于學校是相對封閉的公共區域，因此在檢測外來人員方面并不需要投入過多精力。視頻監控的重點主要集中在學生行為異常上，通過全天候監控學生的行為動作，能夠減少因矛盾糾紛引發的沖突和暴力事件。同時，對于教師來說，也能夠規范自身行為，避免在教學過程中用嚴重的體罰來懲治學生。高校校園視頻監控行為異常檢測是目前智能監控系統的重點研究內容之一。通過不斷完善校園安防領域，能夠進一步保障校園內的安全。

（四）家庭安全

當前我國人口老齡化問題已經非常嚴峻，老年人的監護問題已經成為社會事件，受到了極高的關注度。將家庭安全與視頻監控系統的不斷完善并聯動在一起使用，通過居家安置視頻監控，可以實時監控居家成員的異常行為，不僅可以更好地服務家庭安全，也能夠更好地服務民生。在我國社會保障機制日趨完善的過程中，已經將孤寡老人、空巢老人家庭養老問題納入其中。通過智能視頻監控系統對他們異常行為進行監控，一定程度上可以推動我國民生工程的進一步發展[4]。

（五）智慧警務

基于信息化、大數據、人工智能和物聯網高速發展的背景下，視頻監控系統的功能逐漸得到了完善。在互聯網技術的支撐下，可以通過智能視頻監控對高危人群的微表情以及異常行為進行拍攝處理，一旦行為異常，會觸發自動報警系統。整個處理流程效率非常高，無需與相關人直接接觸，具有高隱蔽性的特點，符合視頻偵查的實戰需求，有效促進了偵查效率提高，能夠合理規避各種潛在的危險，偵查工作實現了從被動應對到主動預測。在城市視頻監控系統日漸完善的背景下，通過對行兇者和求助者的行為差異進行分析，對于刑偵案件偵破具有重要作用[5]。

從智慧警務系統的建設來看，智能視頻監控系統異常行為檢測在交通領域的運用也大有發展空間。它可以檢測出不同車輛和行人的異常行為，例如貨運大車在高速度行駛中非常容易發生側翻等交通事故，如果通過視頻監控系統發現異常，交警可以及時到現場做好車流分流，在引導交通的過程中，對車輛行駛行為進行規范，很大程度上能夠減少交通事故的發生概率。

四、結束語

在經濟社會全面高速發展的背景下，社會安防問題愈發受到人們重視。在關注度日漸升高的情況下，城市基礎設施建設工程將視頻監控作為項目施工的重點，并基本實現了監控的全覆蓋。目前，視頻監控系統中異常行為檢測和識別仍存在一些問題，例如傳輸圖像不夠清晰，檢測效率低以及時效性差等。隨著信息技術和系統報警功能的持續完善，視頻監控系統的功能能夠更好發揮作用，有效促進了城市安防系統建設工程的發展。

作者單位：莊偉東 桐鄉市桐行通科技有限公司

參" 考" 文" 獻

[1]鐘婷，彭晗.視頻監控中異常行為檢測在安防領域的研究進展[J].智能城市，2022，8（09）：11-14.

[2]劉嘉宇.基于智能視頻監控的關鍵區域異常行為識別方法研究[D].中北大學，2022.

[3]金玥佟.基于視頻的行人異常行為檢測方法研究[D].華北電力大學，2021.

[4]姜珊.視頻監控系統中的行人異常行為檢測方法研究[D].沈陽理工大學，2021.

[5]董瑩荷，胡國勝.視頻監控系統中異常行為檢測與識別[J].機械設計與制造工程，2020，49（03）：66-70.