智能視頻監控及分析技術在綜合安防系統中的應用

劉忠波

摘要：隨著經濟的發展，安防行業也迎來了新的機遇和挑戰，尤其是在城市建設過程中，視頻監控系統更是發揮了不可替代的作用。目前，視頻監控技術得到了廣泛的應用和發展，其在安防領域發揮著重要作用。文章主要闡述了智能視頻監控及分析技術的特點，分析其在綜合安防系統中的發展趨勢、具體應用，認為智能視頻監控及分析技術在社會治安綜合治理中得到了廣泛的應用，能夠實現對視頻的采集、存儲、處理和應用，提高了整個安防系統的管理效率和安全性。

關鍵詞：視頻監控：智能視頻：分析：安防系統

中圖分類號：TP277

文獻標志碼：A

0 引言

隨著社會經濟的快速發展、人民群眾生活水平的不斷提高及科技的進步，安防產品逐漸進入了一個新的階段。在綜合安全系統中，視頻監控作為防范-廠-作中最重要、最關鍵的一個環節，它可以對人員和車輛進行實時監控：同時通過對重要目標或場所等信息的收集和記錄可以更好地為公安機關提供有用信息。

1 有關智能視頻監控及分析技術

視頻監控行業隨著科技和市場發展，監控設備逐漸向網絡化、微型化發展，同時向更加復雜和先進的自動化趨勢發展。目前，我國視頻監控系統的應用領域主要集中在城市安防、交通運輸、工業安全、家庭住宅等，隨著人們生活水平的提高和社會的不斷發展而不斷地向智能化方向發展。

1.1 智能視頻分析系統的組成

系統主要由前端、后端平臺、分析挖掘服務器和應用服務器組成。前端主要包括采集器，負責實時采集視頻信息并傳輸至分析挖掘服務器。該數據源包括攝像機、智能補光燈、錄像機等。前端設備通過通信網絡將采集到的信息傳輸至后端分析挖掘軟件。該軟件對監控圖像進行預處理及特征提取，將這些數據存儲于數據庫中，根據需求將相應的視頻進行綜合應用。后端是分析挖掘服務器，通過采集器對各類視頻資源進行數據采集存儲和處理，實現綜合安防管理平臺系統搭建。分析挖掘服務器是智能視頻分析系統的核心部分，負責對前端獲取的視頻數據進行存儲與處理，包括前端圖像預處理、人員檢測、行為異常分析等[1]。

1.2 智能視頻分析系統的特點

在視頻監控系統中，智能視頻分析技術是一種先進、高效、實用的圖像處理技術，它能將被監控對象所采集的信息（如視頻圖像）進行綜合和處理與應用，自動分析出圖像中是否存在非法入侵行為人員。通過一系列算法對采集到的各類數據進行篩選、分類和綜合分析處理，從而發現異常活動或行為人員。與傳統的監控系統相比，智能視頻分析系統具有智能化程度高、性能穩定、可靠性強等特點。

從結構的角度來看，現有的監測系統大都是以中央電腦為核心，以各個層次的智能控制前端為基礎，形成了一個監測網絡。前端能夠獨立地對特定的區域進行監測，或者實現特定的控制功能。

從功能的角度來看，隨著系統功能的不斷完善，它不但具有原有的控制和管理功能，同時具有更為豐富、直觀的多媒體服務功能，具體功能如下：（l）影像的加工包含實時解壓、視頻資料存儲、傳輸、歷史錄像的回放、報警興趣區的設置、警報實時分析和管理。（2）設備管理包含相機的光圈聚焦控制、圖像亮度、對比度、色度、飽和度調節、壓縮質量、幀速率控制、云臺旋轉控制、附加裝置控制（如繼電器）等報警聯動設定。（3）查詢與管理包含監視區域進行了錄像查詢、歷史報警查詢、軟件系統基本信息設置、系統日志、操作用戶管理、系統校時管理等。

智能視頻分析系統與傳統監控系統相比具有如下優點：（1）可以實現對異常情況自動監測。（2）智能化程度高。（3）具備視頻圖像智能處理功能。（4）具備報警事件實時跟蹤功能。（5）具備對報警事件進行事后處理能力，對整個報警事件進行追蹤及報警事件回溯。

1.3 智能視頻監控存在的問題

1.3.1 沒有自己的知識產權

目前，中國市場所見的智能視頻監控設備主要來自美國、歐洲、以色列等國家。大多數產品的價格都很高，性能也不穩定。核心技術掌握在外國制造企業手中，維護和安裝必須全面參與，這對我國的國家安全構成了極大的威脅。另外，我國視頻分析與處理技術的研究仍處于理論層面。因此，在對智能視頻分析技術進行理論探討的同時，應加大對其實際運用的力度，使之真正地融入實踐，從而促進其長期的發展。同時，對引進智能視頻監控技術的廠家進行系統的培訓，讓他們對這種新型的監控方法有一個更好的理解，這樣才能更好地利用它。

1.3.2 需要加強產學研合作

從技術上看，智能視頻監控系統包括運動目標檢測、跟蹤、分類和行為識別。其中，運動目標檢測和跟蹤屬于低層次的視覺處理，而行為識別和目標分類屬于中、高級階段[2]。在低層次的視覺處理方面，基于運動檢測和目標跟蹤的智能視頻分析技術已有相當的進展，目前已有相關的產品出現在市場上，在實踐中得到了廣泛的應用。而對于目標分類、行為理解、描述等中高層次的處理技術，目前的研究進展較慢，雖然目前已有不少學者提出了一些行之有效的方法，但仍然處于理論層面，與實際應用尚有一定差距。因此，要強化產學研合作的模式，一方面要加大對現有的視頻分析技術的研究，另一方面要對現有的技術進行合理的評價，在實際應用中加入一些可以實現_廠-業化的技術，引導廠商在智能視頻監測系統中合理地運用視頻分析技術。

2 智能視頻監控及分析技術的發展趨勢

隨著安防行業市場競爭日益激烈化及科技水平的不斷提高，各種新技術、新設備大量涌現，視頻監控系統也面臨著更高的要求和挑戰。如何將這些新成果應用到安防領域是廣大安防廠商面臨的重要課題。在安防行業中，智能視頻監控及分析技術的發展主要體現在兩個方面：（1）圖像采集和數據傳輸方面的發展。視頻監控系統一般都會采用有線或者無線形式，隨著數字攝像機與數字網絡技術的應用，傳統的有線傳輸方式已經被無線傳輸代替。（2）基于嵌入式平臺和智能視頻分析平臺的智能視頻監控系統。

隨著智能監控系統的發展，智能視頻分析平臺作為核心技術已經得到了廣泛運用，而基于嵌入式平臺和智能視頻分析平臺的智能視頻監控系統將會成為未來安防行業的主流產品形式。從整體來看，從最初對圖像數據進行處理到進行圖像特征提取與特征匹配再到對數據進行特征學習，在很大程度上提升了安防圖像識別和數據分析的速度與準確性。隨著視頻監控技術不斷地發展和進步，更多基于計算機視覺或者人工智能技術的應用在安防領域中誕生且應用效果顯著。

3 智能視頻監控及分析技術在綜合安防系統中的應用

綜合安防系統作為公共安全防范體系的重要組成部分，已成為公安、軍隊系統建設和發展必不可少的重要部分。綜合安防系統主要由報警管理、視頻監控子系統以及聯動指揮中心組成，是一個以防范報警為中心，由大量計算機和各種專用設備共同完成的綜合性監控管理網絡。

3.1 智能視頻監控及分析技術在綜合安防系統中的應用

隨著視頻監控技術的不斷發展，智能監控技術已經廣泛應用于社會治安綜合治理系統，以智能視頻監控及分析技術為核心的安防系統可以提供對圖像及視頻的采集、存儲、處理及應用，從而提高綜合安防系統的管理效率以及安全性。

我國的監控網絡已經覆蓋了整個城市，甚至農村地區也有相應的智能視頻系統網絡，隨著智能視頻監控技術在社會各個領域的廣泛應用，智能化程度越來越高、安全級別越來越高，對安防產品也提出了更高要求。同時，伴隨著計算機和通信技術的發展，安防監控應用領域也在不斷擴展。如銀行系統中利用視頻圖像獲取銀行內部信息：電力系統實時采集變電站設備運行狀態：醫療行業中利用遠程醫療系統監測病人健康狀況等[3]。此外，隨著城市規模的不斷擴大和現代化進程的加快，人們對智能化產品和技術也提出了更高的要求，如自動識別身份證功能、人臉識別、車牌識別等應用場景都是對傳統視頻監控技術的極大挑戰。因此，智能視頻分析技術也在安防領域不斷發展創新和推廣。其核心是運用計算機視覺分析技術與圖像處理技術來實現對監控圖像中人物行為的分析、識別、分類等處理及應用。

安防行業對智能視頻分析系統需求越來越多，智能視頻分析系統通過計算機視覺、模式識別、人工智能等一系列先進算法研究與應用實踐成果，將傳統視頻監控與智能管理結合起來實現對海量視頻數據進行有效存儲和信息管理。通過人臉檢測分析等多項生物特征檢測技術實現人員身份認定和跟蹤目標：借助圖像分割、邊緣檢測、特征提取等深度學習算法對圖像進行處理；采用智能分析挖掘等計算機視覺算法進行海量數據提取和關聯分析：利用機器學習方法建立模型實現對目標行為模擬。根據實際需求將上述功能整合成一個統一信息平臺，實現綜合管理、信息共享及聯動等應用功能。

3.2 應用案例分析

在實際的應用中，智能視頻分析系統已經廣泛使用于綜合安防系統，該項目將智能視頻監控技術與圖像分析技術相結合，通過計算機視覺算法對監控圖像中目標行為進行分析和識別，實現目標行為跟蹤定位，提高了整體安防產品的管理效率和安全性。具體應用案例如下。

基于機器學習的深度學習模型用于人臉識別與比對，利用計算機視覺技術在視頻監控場景中的應用，有效提高了目標跟蹤精度和效率，使監控人員更好地了解并處理目標事件。基于深度學習的模式識別模型用于車牌識別在視頻監控場景中的應用，該系統能夠有效提取車牌區域信息，自動匹配對應車牌，從而達到車輛自動牌照、車輛識別定位、人員行為跟蹤記錄等應用效果。基于深度學習方法建立模型用于訓練分類器模型來完成對特定目標或物體的分類或識別功能：該系統可以將采集到的視頻圖像輸入相應分類器進行訓練和測試，得到結果。

基于深度學習方法進行分類預測：通過將多個視頻圖像輸入特征分類器實現對目標或物體特征參數的預測或估計：利用特征參數來預測目標位置和速度。基于深度學習方法建立模型實現對目標或物體行為預測分類：使用CNN模型對采集到的視頻圖像中目標進行提取和檢測：采用SVM分類器對圖像中目標和物體進行檢測、分割、分類等操作；使用SVM分類器建立模型對檢測到的物體及車輛進行識別[4]。

4 結語

智能視頻監控技術在安防領域得到了廣泛的應用，尤其是在交通領域、銀行安全領域、網絡安全領域以及軍事領域等方面得到了廣泛的應用。當前，市場上已有多款智能視頻監控和分析算法，包括基于神經網絡和深度學習的視頻監控技術以及基于機器學習的視頻分析技術等。其中，以深度學習和神經網絡為主的視頻監控技術已經取得了一定的進展。但是現有技術存在以下問題：大部分視頻監控都是以人為中心的，而人的判斷是以經驗為基礎的，智能視頻監控和分析技術無法與其完美融合：人臉識別技術受光線影響較大，識別準確率較低，受到光線影響，識別速度慢：傳統的智能視頻監控和分析技術無法有效識別H{具有危險傾向的人員，而人臉識別技術又無法完全應對人在公共場合的行為，容易造成人身傷害。隨著人臉識別算法以及其他相關人工智能技術不斷成熟和完善，相信不久的將來就會攻克以上難題，智能視頻監控和分析技術將會在未來更多安防領域得到廣泛應用。隨著安防市場競爭環境變化和客戶對智能設備及軟件要求的不斷提高，用戶對智能視頻監控系統提出了更高的要求。因此，智能視頻監控及分析技術在綜合安防應用中必然會迎來一個全新的發展階段。筆者相信智能視頻監控分析在綜合安防系統中運用會給用戶帶來更多價值和更好體驗。

參考文獻

[1]劉偉．智能視頻報警會取代傳統報警嗎？[J]．中國安防，2016（5）：3．

[2]刁一平．理性與務實——點評智能視頻分析技術發展現狀[J]．中國安防，2011（3）：76-78．

[3]張拾貝．淺談安防監控中的智能視頻分析[J]．中國公共安全，2014（2）：2．

[4]郭曦．下一代智能視頻分析技術方興未艾[J]．中國公共安全，2012（18）：4．

（編輯王永超）