第1頁(yè)：智能視頻監控技術(shù)兩種構架方式
視頻監控是視頻工程中重要的技術(shù)和應用領(lǐng)域，支撐其發(fā)展的視頻技術(shù)在不到一個(gè)世紀的發(fā)展過(guò)程中，大致經(jīng)歷了3個(gè)跨越式的發(fā)展階段。20世紀30年代，以電視廣播為代表的視頻技術(shù)走出了實(shí)驗室，進(jìn)入廣播電視臺和千萬(wàn)家庭，實(shí)現了從靜止圖像傳輸到活動(dòng)圖像傳輸的跨越；20世紀80年代末，以會(huì )議電視、視頻監控等為代表的視頻技術(shù)走出了實(shí)驗室，進(jìn)入眾多的電視會(huì )議室、安防系統，實(shí)現了從模擬視頻通信到數字視頻通信的跨越；如今，以智能視頻監控（ivs）為代表的視頻技術(shù)，正處在走出實(shí)驗室、進(jìn)入到各行各業(yè)的應用階段，將要實(shí)現從“機械”的視頻信息處理向智能化視頻信息處理的跨越。當前中國正處在這一跨越的關(guān)鍵時(shí)段。智能視頻監控只是智能視頻技術(shù)的一個(gè)部分，一個(gè)將視頻技術(shù)引入智能時(shí)代的部分。
智能視頻監控技術(shù)兩種構架方式
視頻監控的智能化表現為計算機視覺(jué)算法在視頻分析中的應用。智能視頻監控區別于傳統意義上的監控系統在于變被動(dòng)監控為主動(dòng)監控（自動(dòng)檢測、識別潛在入侵者、可疑目標和突發(fā)事件），即它的智能性。簡(jiǎn)單而言，不僅用攝像機代替人眼，而且用計算機代替人、協(xié)助人，來(lái)完成監視或控制的任務(wù)，從而減輕人的負擔。智能視頻監控系統的結構通常有如下兩種：
主動(dòng)智能監視系統，這類(lèi)系統的特點(diǎn)是主動(dòng)攝像機不僅可以理解視場(chǎng)內的場(chǎng)景，還可以有選擇性專(zhuān)注于特定的活動(dòng)或感興趣的事件。主動(dòng)智能監視系統需要額外完成兩個(gè)任務(wù)：管理主動(dòng)攝像機資源，即確定哪些攝像機用于監視全景，哪些攝像機用于監視特定行為或事件；利用視頻分析算法提供的信息控制攝像機的運動(dòng)和變焦。
分布式智能視頻監視系統，通過(guò)無(wú)線(xiàn)視頻通信網(wǎng)絡(luò )將各點(diǎn)智能攝像機與中心站連接起來(lái)，智能監視服務(wù)器不僅可以生成圖像還可以分析視頻，根據視頻分析的信息控制攝像機以及確定使用恰當的存儲資源和帶寬傳送高質(zhì)量視頻給終端用戶(hù)。智能攝像機最大程度減小了系統結構的成本。
智能視頻監控技術(shù)特性
智能視頻監控技術(shù)一直在發(fā)展，然而，環(huán)境的復雜性以及目標行為的多樣性等原因使得智能監控算法變得復雜，且算法通常是針對具體的應用而設計的。盡管已經(jīng)提出許多被證明是有效的智能分析算法，但是受計算機數據處理能力的限制，難以適合實(shí)時(shí)計算，自適應性也較差，應用場(chǎng)合受限。目前，對于以目標整體的運動(dòng)軌跡作為研究目標，提取運動(dòng)目標的運動(dòng)特征或者其本身所具有的特性這種類(lèi)型的視頻智能分析已經(jīng)取得了一定的成果。
這一類(lèi)研究目標不一定是人，也可以是車(chē)輛、動(dòng)物或飛機、坦克等軍事目標。以目標的局部部分運動(dòng)為研究目標，提取其局部的“肢體語(yǔ)言”特征分析判斷目標的行為，比如視頻的手語(yǔ)識別、步態(tài)識別、表情識別或者動(dòng)作識別等。此類(lèi)監視問(wèn)題的困難在于運動(dòng)模式的提取以及高效可靠的識別算法。
智能視頻監控系統可以解決兩個(gè)主要問(wèn)題：一個(gè)是將安防操作人員從繁雜而枯燥的“盯屏幕”任務(wù)中解脫出來(lái)。由機器來(lái)完成這部分工作，對異常情況能夠及時(shí)處理等，比如報警等；另外一個(gè)是為在海量的視頻數據中快速搜索到想要找的圖像。對于上述兩個(gè)問(wèn)題，視頻分析廠(chǎng)家經(jīng)常提到的案例是：操作人員盯著(zhù)屏幕超過(guò)1o分鐘后將漏掉90%的視頻信息而使這項工作失去意義；倫敦地鐵案中，安保人員花了70個(gè)工時(shí)才在大量磁帶中找到需要的信息。
智能視頻監控的核心內容是對特定目標的自動(dòng)檢測、跟蹤與行為識別，包括運動(dòng)檢測、目標分類(lèi)、目標跟蹤、行為識別等4個(gè)方面內容。例如對人體的跟蹤：首先從實(shí)時(shí)圖像序列中檢測出運動(dòng)物體，再判定運動(dòng)物體中的人體，然后跟蹤人體的運動(dòng)軌跡，并分析和選定有異常行為的人，如在車(chē)站，機場(chǎng)等遺留包裹的人。最后對行為異常的人進(jìn)行持續跟蹤。
移動(dòng)目標提取
運動(dòng)檢測是從圖像序列中將變化區域從背景圖像中提取出來(lái)。運動(dòng)區域的有效分割將大大減少后續過(guò)程的運算量。然而，背景圖像的不穩定性，如陰影、光照、慢移動(dòng)、靜移動(dòng)（樹(shù)葉的擺動(dòng)）等等，也使得運動(dòng)檢測非常困難。目前較為實(shí)用的視頻分析方法主要有兩類(lèi)：一類(lèi)是背景減除方法，另一類(lèi)是時(shí)間差分方法。背景減除方法是利用當前圖像和背景圖象的差分來(lái)檢測出運動(dòng)區域的一種方法，可以提供比較完整的運動(dòng)目標特征數據，精確度和靈敏度比較高，具有良好的性能表現。時(shí)間差分法利用視頻圖像特征，從連續得到的視頻流中提取所需要的動(dòng)態(tài)目標信息。時(shí)間差分實(shí)質(zhì)是利用相鄰幀圖像相減來(lái)提取前景目標移動(dòng)的信息，此方法不能完全提取所有相關(guān)特征像素點(diǎn)，在運動(dòng)實(shí)體內部可能產(chǎn)生空洞，能檢測出目標的邊緣。
第2頁(yè)：移動(dòng)目標跟蹤
移動(dòng)目標跟蹤
移動(dòng)目標跟蹤等價(jià)于在連續的圖像幀間，創(chuàng )建基于位置、速度、形狀、紋理、色彩等有關(guān)特征的對應匹配問(wèn)題。常用的數學(xué)工具有卡爾曼濾波、condensation算法及動(dòng)態(tài)貝葉斯網(wǎng)絡(luò )等。其中kalman濾波是基于高斯分布的狀態(tài)預測方法。不能有效地處理多峰模式的分布情況；condensation算法是以因子抽樣為基礎的條件密度傳播方法，結合可學(xué)習的動(dòng)態(tài)模型，可完成魯棒的運動(dòng)跟蹤。就跟蹤對象而言，跟蹤如手、臉、頭、腿等身體部分與跟蹤整個(gè)目標；就跟蹤視角而言，有對應于單攝像機的單一視角、對應于多攝像機的多視角和全方位視角；當然還可以通過(guò)跟蹤空間（二維或三維）、跟蹤環(huán)境（室內或戶(hù)外）、跟蹤人數（單人、多人、人群）、攝像機狀態(tài)（運動(dòng)或固定）等方面進(jìn)行分類(lèi)。從跟蹤方法的不同討論跟蹤算法。
（1）基于模型的跟蹤
傳統的人體表達方法有如下三種：①線(xiàn)圖法：人運動(dòng)的實(shí)質(zhì)是骨骼的運動(dòng)，因此該表達方法將身體的各個(gè)部分以直線(xiàn)來(lái)近似。②二維輪廓（2d contour）：該人體表達方法的使用直接與人體在圖像中的投影有關(guān)，如ju等提出的紙板人模型，它將人的肢體用一組連接的平面區域塊所表達，該區域塊的參數化運動(dòng)受關(guān)節運動(dòng)（articulated movement）的約束，該模型被用于關(guān)節運動(dòng)圖像的分析。③立體模型（volumetric model）：它是利用廣義錐臺、橢圓柱、球等三維模型來(lái)描述人體的結構細節，因此要求更多的計算參數和匹配過(guò)程中更大的計算量。
例如rohr使用14個(gè)橢圓柱體模型來(lái)表達人體結構，坐標系統的原點(diǎn)被定位在軀干的中心，目的是想利用該模型來(lái)產(chǎn)生人的行走的三維描述；wachter與nagel利用橢圓錐臺建立三維人體模型，通過(guò)在連續的圖像幀問(wèn)匹配三維人體模型的投影來(lái)獲得人運動(dòng)的定量描述，其中，它利用了迭代的擴展卡爾曼濾波方法，結合邊緣、區域信息及身體解析約束確定的身體關(guān)節運動(dòng)的自由度，實(shí)現單目圖像序列中人的跟蹤。
