視頻監(jiān)控智能分析技術(shù)應(yīng)用分析

1、視頻監(jiān)控智能分析技術(shù)應(yīng)用分析一、概述在視頻監(jiān)控飛速發(fā)展的今天，海量視頻畫面已經(jīng)大大超過了人力有效處理的范圍。而智能視頻分析技術(shù)極大地發(fā)揮與拓展了視頻監(jiān)控系統(tǒng)的作用與能力，使監(jiān)控系統(tǒng)具有更高的智能化，大幅度降低資源與人員配置，全面提升安全防范工作的效率。目前已廣泛應(yīng)用于平安城市、智能交通、金融行業(yè)、政法監(jiān)管、商業(yè)等領(lǐng)域。智能視頻分析技術(shù)是計算機視覺技術(shù)在安防領(lǐng)域應(yīng)用的一個分支，是一種基于目標(biāo)行為的智能監(jiān)控技術(shù)。它能夠在圖像或圖像序列與事件描述之間建立映射關(guān)系，從而使計算機從紛繁的視頻圖像中分辯、識別出關(guān)鍵目標(biāo)的行為，過濾用戶不關(guān)心的信息，其實質(zhì)是自動分析和抽取視頻源中的關(guān)鍵信息。按照智能分析算法

2、實現(xiàn)的方式進行區(qū)分，可以概括為以下幾種類型的智能分析： 識別類分析：該項技術(shù)偏向于對靜態(tài)場景的分析處理，通過圖像識別、圖像比對及模式匹配等核心技術(shù)，實現(xiàn)對人、車、物等相關(guān)特征信息的提取與分析。如人臉識別技術(shù)、車牌識別技術(shù)及照片比對技術(shù)等。 行為類分析：該項技術(shù)側(cè)重于對動態(tài)場景的分析處理，典型的功能有車輛逆行及相關(guān)交通違章檢測、防區(qū)入侵檢測、圍墻翻越檢測、絆線穿越檢測、物品偷盜檢測、客流統(tǒng)計等。 圖像檢索類分析：該技術(shù)能按照所定義的規(guī)則或要求，對歷史存儲視頻數(shù)據(jù)進行快速比對，把符合規(guī)則或要求的視頻濃縮、集中或剪切到一起，這樣就能快速檢索到目標(biāo)視頻。 圖像處理類分析：主要是對圖像整體進行分析判斷及

3、優(yōu)化處理以達到更好的效果或者將不清楚的內(nèi)容通過算法計算處理達到看得清的效果。如目前的視頻增強技術(shù)(去噪、去霧、銳化、加亮等)、視頻復(fù)原技術(shù)(去模糊、畸變矯正等)。 診斷類分析:該項分析主要是針對視頻圖像出現(xiàn)的雪花、滾屏、模糊、偏色、增益失衡、云臺PTZ失控、畫面凍結(jié)等常見的攝像頭故障進行準(zhǔn)確分析、判斷和報警，如視頻質(zhì)量診斷技術(shù)。二、智能分析核心算法介紹1. 運動檢測算法幀差法相鄰或間隔較近的兩幀圖像中按照對應(yīng)位置直接進行像素值相減，從而獲得差分圖像。在差分圖像中，若對應(yīng)位置處像素值很小，則可認(rèn)為其靜止;如果對應(yīng)位置的像素值較大，則可認(rèn)為此處為運動部分。幀差法相對簡單，對于動態(tài)環(huán)境具有較強的自適

4、應(yīng)性，魯棒性較好。但是易產(chǎn)生空洞現(xiàn)象，如果空洞過大則會影響輪廓完整性，將很難提取出準(zhǔn)確的運動目標(biāo)區(qū)域。應(yīng)用幀差法時要求背景絕對靜止或基本無變化，噪聲較小，目標(biāo)運動速度不為零，目標(biāo)區(qū)域內(nèi)亮度變化較為明顯。對于存在抖動、噪聲等情況下的檢測效果不佳，對于動態(tài)背景下的目標(biāo)跟蹤，則必須采用其他的方法先對全局運動做出補償，如塊匹配法、坐標(biāo)變換法等。 背景差分法混合高斯模型法(Gaussian Mixture Model，GMM)也稱為統(tǒng)計背景模型法。該算法的思想是：對于緩慢變化的背景，可以用正態(tài)分布來表征像素灰度值的變化，每一種背景像素的值都可以通過多個高斯分布的加權(quán)和來描述。最早提出的是三分布 GMM，

5、每個像素點用三個高斯分布來分別表征背景、前景的陰影、前景這三種不同的模式，但實際情況很復(fù)雜，對背景、前景等模式都限定只用一個高斯分布來描述是不夠的。因而之后又出現(xiàn)了固定分布數(shù) K 的混合高斯分布模型(Fixed-K Gaussian Mixture Model)以及后面發(fā)展而來的基于自適應(yīng)分布數(shù) K 的混合高斯分布模型(Adaptive-K Gaussian Mixture Model，AKGMM)。二值化一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最

6、特殊的方法，稱為圖像的二值化。圖像的二值化，就是將圖像上的像素點的灰度值設(shè)置為0或255，也就是將整個圖像呈現(xiàn)出明顯的只有黑和白的視覺效果。 中值濾波中值濾波法是一種非線性平滑技術(shù)，它將每一像素點的灰度值設(shè)置為該點某鄰域窗口內(nèi)的所有像素點灰度值的中值。中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點。 膨脹腐蝕膨脹和腐蝕是兩種基本的形態(tài)學(xué)運算。腐蝕就是使用算法，將圖像的邊緣腐蝕掉，作用就是將目標(biāo)的邊緣的“毛刺”剔除掉，即將物體與周圍背景點分離

7、。膨脹就是使用算法，將圖像的邊緣擴大些，作用就是將目標(biāo)的邊緣或者是內(nèi)部的坑填掉，即將物體與周圍背景點結(jié)合。2. 車牌識別算法 車牌定位算法對經(jīng)過預(yù)處理后的二值車牌圖像進行一階水平差分得到跳變點圖，分別統(tǒng)計水平和垂直方向上的跳變點個數(shù)(投影)，通過設(shè)置標(biāo)簽和區(qū)域連通，粗定位車牌的上下和左右邊界;選取一定區(qū)域的車牌圖像進行色彩空間轉(zhuǎn)換，判斷車牌底色;對大于一定傾斜角的車牌進行水平矯正，使字符在同一水平線上;對矯正后的灰度圖像進行Sobel水平算子和垂直算子進行邊緣檢測并二值化，采用類似粗定位的方法對車牌進行細(xì)定位。 車牌切分算法算法是基于二值圖像進行的，由于車牌顏色的不同，二值化車牌后得到黑底白字

8、、白底黑字兩種情況，這里將二值化后的車牌統(tǒng)一規(guī)定為黑底白字。由于二值圖像會丟失掉很多信息以及漢字的結(jié)構(gòu)等原因，可能會造成字符粘連模糊或斷裂的缺陷，增加切分的難度?？紤]到算法的實時性和適用性，采用投影法作為主要的分割法，根據(jù)車牌的先驗知識(字符串的長寬比、字符間隙、字符的長寬比及筆劃寬度)，配以對粘連字符、斷裂字符和車牌邊框干擾的特殊處理來完成字符分割。三、智能分析的現(xiàn)狀和應(yīng)用分析1. 智能分析產(chǎn)品的發(fā)展現(xiàn)狀前端智能與后端智能從智能分析產(chǎn)品部署來看，主要有兩種模式：一類是前端智能產(chǎn)品，一類是后端服務(wù)器智能產(chǎn)品。兩種產(chǎn)品各有千秋，其中前端智能正在快速發(fā)展中。前端視頻分析顧名思義就是將智能視頻分析算

9、法集成在前端攝像機中，一臺攝像機就可以實現(xiàn)智能分析。基于后端服務(wù)器的智能視頻分析是指將智能算法軟件安裝在服務(wù)器中，前端普通攝像機的視頻傳入服務(wù)器，服務(wù)器對視頻流進行圖像分析和處理。前者的優(yōu)點是對連接前端設(shè)備的網(wǎng)絡(luò)帶寬要求低，無需將視頻傳輸回監(jiān)控中心，只將報警信號傳回即可，而且后端無需設(shè)置服務(wù)器機房，節(jié)省空間;但缺點是無法靈活切換各個前端設(shè)備的分析類型，一旦系統(tǒng)建設(shè)完成，無法改變特定前端設(shè)備的智能類型。后者的優(yōu)勢是可以靈活切換服務(wù)器取流的前端設(shè)備，對任意的前端設(shè)備都可以應(yīng)用智能視頻分析功能(把非智能變?yōu)橹悄?，而且后續(xù)軟件升級更方便快捷;但其缺點是當(dāng)服務(wù)器數(shù)量較多時會占用較大的空間，同時對網(wǎng)絡(luò)的

10、帶寬有一定的要求。非壓縮與壓縮視頻智能分析絕大多數(shù)的智能視頻分析算法是基于非壓縮圖像格式，如RGB或者YUV，所以圖像信號在被采集以后不經(jīng)過壓縮直接送給視頻分析單元。幾乎所有的視頻分析系統(tǒng)都自帶有圖像采集功能，通常是通過BNC輸入模擬圖像信號。新部署的圖像監(jiān)控系統(tǒng)中圖像信號通常是以H.264壓縮圖像流的形式存在。IPC通常也直接輸出壓縮圖像流，這就要求必須將圖像流解壓還原成原始圖像格式后再進行分析(前端智能可以直接使用YUV進行分析)，常用的壓縮格式都不是無損(lossless)壓縮。和壓縮前的原始圖像相比，解壓后的圖像會損失掉一些信息，不過由于壓縮算法的特點，丟失的信息通常是高頻的噪聲信號，

11、所以對運動檢測的影響是較小的。當(dāng)然前提是壓縮流有足夠的帶寬，如果壓縮比太高，圖像會出現(xiàn)“馬賽克”效應(yīng)，給視頻分析增加難度。2. 智能視頻分析的應(yīng)用場景(1)金融安保應(yīng)用場景視頻智能分析在金融系統(tǒng)應(yīng)用比較廣泛，成熟度較好，普及率僅次于平安城市應(yīng)用，基于視頻智能分析的銀行安保系統(tǒng)是每個銀行(儲蓄所，ATM機)的必備系統(tǒng)。主要包括以下檢測： 人臉檢測：人臉檢測抓怕，用于人臉疊加、比對;多人臉監(jiān)測，用于ATM機取款檢測;臉部遮擋監(jiān)測，用于盜搶等監(jiān)測。  滯留物檢測：取款人遺留物檢測、加裝讀卡器、非法粘貼廣告。 異常行為監(jiān)測：徘徊、 扭打、 人員接近、 長時間逗留。 視頻異常檢測：視頻遮擋、

12、視頻丟失監(jiān)測，防止出現(xiàn)視頻存儲丟失，需要時無法檢索安保視頻。(2)交通行業(yè)智能分析場景實時提取各個城市路口監(jiān)控視頻中的車牌、車型、車標(biāo)、顏色、駕駛者人臉等信息，通過分布式計算集群對大量車輛信息進行關(guān)聯(lián)挖掘，即可生成整個城市交通狀態(tài)的可視化網(wǎng)圖，如道路擁堵情況，易于擁堵的時段、趨勢，以及不同區(qū)域的車輛遷移路線，甚至根據(jù)時間、天氣、節(jié)假日情況等信息預(yù)測交通狀況，從而為城市交通決策、應(yīng)急指揮提供精準(zhǔn)、實時的參考數(shù)據(jù)和信息支撐。車牌識別：技術(shù)和應(yīng)用已經(jīng)比較成熟，準(zhǔn)確率較高，用戶體驗已很好。擁堵檢測：車速、車密度、排隊長度、逆行、行人檢測，交通事故檢測拋，灑檢測，車型、駕駛員檢測。(3)群體事件分析對人

13、群等目標(biāo)的正常行為和異常行為進行分析。能夠?qū)^(qū)域或場景中群體的行為進行分析，如統(tǒng)計穿越出入口或指定區(qū)域人的數(shù)量和密度，識別人群的整體運動特征，包括速度、方向等;檢測公共場所是否有人員的聚集(規(guī)模)、奔跑、斗毆等異常行為，提前預(yù)警防止踩踏等惡性事件的發(fā)生。四、智能分析面臨的問題及未來發(fā)展趨勢1. 智能分析技術(shù)的難點智能分析技術(shù)面臨的難點是：智能分析的準(zhǔn)確率、智能分析對環(huán)境的適應(yīng)性及不同場景使用的復(fù)雜性。(1)檢測準(zhǔn)確率達不到理想效果。視頻分析技術(shù)的準(zhǔn)確率達不到非常理想的效果，特別是實時報警類的應(yīng)用，誤報率和漏報率都是客戶最關(guān)心的問題。如果誤報太高，客戶也接受不了，如果漏報，客戶更加接受不了。特別

14、是一些要求比較高的應(yīng)用，只要有漏報，實際作用就微乎其微。(2)智能分析對場景的要求較高，光照變化引起目標(biāo)顏色與背景顏色的變化，可能造成虛假檢測與錯誤跟蹤。采用不同的色彩空間可以減輕光照變化對算法的影響，但無法完全消除其影響。(3)安裝調(diào)試復(fù)雜。智能分析應(yīng)用產(chǎn)品幾乎都需要按每一個應(yīng)用場景進行不同的參數(shù)調(diào)試，而且會涉及到非常多的專業(yè)的參數(shù)調(diào)試。非專業(yè)人員根本無法調(diào)試出理想效果。2. 大數(shù)據(jù)與智能分析的融合大數(shù)據(jù)與視頻監(jiān)控具有天然的聯(lián)系，據(jù)統(tǒng)計，每天全國新產(chǎn)生的視頻數(shù)據(jù)達PB級別(PB=1024T)，占全部大數(shù)據(jù)份額的50%以上，因此視頻就是大數(shù)據(jù)。在安防領(lǐng)域，主要的數(shù)據(jù)來源是視頻，與其他行業(yè)結(jié)構(gòu)化的數(shù)據(jù)不一樣，視頻本身就是一種非結(jié)構(gòu)化的數(shù)據(jù)，不能直接被計算機進行處理或分析。因此，安防要進行大數(shù)據(jù)應(yīng)用，首先就要采用智能分析技術(shù)將非結(jié)構(gòu)化的視頻數(shù)據(jù)轉(zhuǎn)換成計算機能夠識別和處理的結(jié)構(gòu)化信息，即將視頻中包含的各種信息(主要是運動目標(biāo)及其特征)提取出來轉(zhuǎn)成文字描述并與視頻幀建立索引關(guān)聯(lián)，這樣才能通過計算機來對這些視頻進行快速搜索、比對、分析等。綜上分析，智能分析具有如下發(fā)展趨勢：(1)算法準(zhǔn)確率和環(huán)境適應(yīng)性不斷提高，特別是機器學(xué)習(xí)、人工智能等技術(shù)的不斷