1、簡單模式：視頻來源來自于模擬監(jiān)控頭，比較適合小型單一的監(jiān)控系統(tǒng)

　　2、聯(lián)網(wǎng)模式：視頻來自于編碼后的網(wǎng)絡(luò)數(shù)據(jù)，適用于大型聯(lián)網(wǎng)監(jiān)控，在大型監(jiān)控系統(tǒng)中有獨特的優(yōu)勢，不需要做任何線路的更改，可以任意選擇要分析的視頻，操作極其方便

　　智能視頻分析系統(tǒng)概述

　　智能視頻(IV，Intelligent Video)源自計算機視覺(CV，Computer Vision)技術(shù)。計算機視覺技術(shù)是人工智能(AI，Artificial Intelligent)研究的分支之一，它能夠在圖像及圖像描述之間建立映射關(guān)系，從而使計算機能夠通過數(shù)字圖像處理和分析來理解視頻畫面中的內(nèi)容。

　　視頻監(jiān)控中所提到的智能監(jiān)控技術(shù)主要是指：“運用智能算法，對輸入視頻圖像進行自動的內(nèi)容分析，提取當前監(jiān)控畫面中我們所感興趣的，關(guān)鍵的，有效的信息。“如果把攝像機看作人的眼睛，而智能視頻系統(tǒng)或設(shè)備則可以看作人的大腦。智能視頻分析技術(shù)借助計算機強大的數(shù)據(jù)處理功能，對視頻畫面中的海量數(shù)據(jù)進行高速分析，過濾掉用戶不關(guān)心的信息，僅僅為監(jiān)控者提供有用的關(guān)鍵信息。智能視頻監(jiān)控以數(shù)字化、網(wǎng)絡(luò)化視頻監(jiān)控為基礎(chǔ)，但又有別于一般的網(wǎng)絡(luò)化視頻監(jiān)控，它是一種更高端的視頻監(jiān)控應(yīng)用。

　　智能視頻分析系統(tǒng)是一種涉及圖像處理、模式識別、人工智能等多個領(lǐng)域的智能視頻分析產(chǎn)品。它能夠?qū)σ曨l區(qū)域內(nèi)出現(xiàn)的警戒區(qū)警戒線闖入、物品遺留或丟失、逆行、人群密度異常等異常情況進行分析，能夠?qū)σ曨l區(qū)域內(nèi)出現(xiàn)的運動目標自動識別出目標類型并跟蹤，對目標進行標記并畫出目標運動軌跡，及時發(fā)出告警信息。能夠同時監(jiān)測同一場景里多個目標，可以根據(jù)防范目標的特點進行靈活設(shè)置;它能夠適應(yīng)不同的環(huán)境變化，包括光照、四季、晝夜、晴雨等，并能夠很好地抗攝像頭抖動。其改變了以往視頻“被動”監(jiān)控的狀態(tài)，不僅僅局限于提供視頻畫面，而且能主動對視頻信息進行智能分析，識別和區(qū)分物體，可自定義事件類型，一旦發(fā)現(xiàn)異常情況或者突發(fā)事件能及時的發(fā)出警報，其在安防領(lǐng)域的應(yīng)用必然有助于克服了人力疲憊的局限性，從而更加有效地協(xié)助安全人員處理突發(fā)事件。

　　智能視頻分析的發(fā)展過程

　　智能視頻監(jiān)控技術(shù)是基于圖像處理、模式識別的新型視頻監(jiān)控技術(shù)。簡而言之，就是發(fā)現(xiàn)圖像中運動的物體，并對其進行跟蹤、分析，及時發(fā)現(xiàn)“異常”行為，觸發(fā)報警并采取其他措施進行干預(yù)。智能視頻分析技術(shù)(Video Analytics)綜合了多學(xué)科的研究成果。主要包括圖像處理，跟蹤技術(shù)，模式識別，軟件工程，數(shù)字信號處理(DSP)等領(lǐng)域。隨著計算機處理能力的提高，在90年代，對圖像的處理逐漸變成研究熱點。其中卡內(nèi)基-梅隆(CMU)大學(xué)在1999年完成的在校園內(nèi)的智能圖像監(jiān)控系統(tǒng)是比較有代表性的研究項目。當時的智能圖像監(jiān)控技術(shù)仍處在實驗室研究為主階段。

　　2001年911事件發(fā)生后，美國在安防科研方面大大加強了投資力度。許多研究機構(gòu)和研究人員紛紛加入了安防類技術(shù)的研究和開發(fā)。智能視頻分析是其中的一個亮點。從研究論文的數(shù)量來看，2002年到2005年有一個明顯的高峰期。這和此期間科研經(jīng)費的大量投入是相吻合的。目前此研究領(lǐng)域的科研論文逐漸轉(zhuǎn)移到細分的問題和方向上去了。 這并不代表智能視頻監(jiān)控變成了一個已經(jīng)解決了的問題。恰恰相反，即使目前最優(yōu)秀的商業(yè)系統(tǒng)離人們對此類技術(shù)的期待值還有一些距離。解決問題的方法也沒有達成共識。它實際上反應(yīng)了原創(chuàng)性的理論工作在減少。此項技術(shù)的進步在未來可能更多地依賴企業(yè)自身的科研開發(fā)力量。

　　智能視頻分析系統(tǒng)的功能

　　目前市場上的智能視頻分析系統(tǒng)通常都具有以下功能：

　　1. 圖像采集/接口

　　2. 運動物體檢測

　　3. 多物體跟蹤

　　4. 行為特征分析

　　5. 設(shè)定報警條件

　　6. 報警聯(lián)動

　　1、圖像采集/接口

　　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。

　　現(xiàn)有的圖像監(jiān)控系統(tǒng)中圖像信號通常是以壓縮圖像流的形式存在，例如MPEG4、H.264、MJPEG等。IP相機通常也直接輸出壓縮圖像流。直接從壓縮的圖像流中進行運動檢測是一個較偏的研究方向，還沒有被主流廠家接受。當然也可以將圖像流解壓還原成原始圖像格式后再進行分析。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，所以對運動檢測 的影響是較小的。當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。

　　由于實時圖像處理對處理器的要求非常高，所以用于視頻分析的圖像的分辨率通常比僅用于顯示或者傳輸?shù)膱D像要小。分辨率大小會影響到檢測距離和對運動物體的敏感性。有些產(chǎn)品通過降低處理的幀率來適應(yīng)處理器的處理能力。過低的幀率會影響到跟蹤算法的可靠性。它可能造成對運動物體運動性質(zhì)的判斷錯誤。

　　2、 運動物體檢測

　　簡單地說，運動檢測就是發(fā)現(xiàn)圖像中運動的物體。運動物體可以簡單定義為圖像中變化的部分。一些初級的運動檢測算法就是基于這些概念，例如早期的DVR產(chǎn)品的運動偵測功能等。它們通常也沒有跟蹤功能。此類方法的誤報警率太高，不適合用作實時報警系統(tǒng)。

　　并不是所有圖像中的變化都是我們感興趣的運動物體。例如由相機自身引入的變化，它包括像素的噪聲，相機自動光圈控制電路引起的整體亮度變化，圖像傳輸中引入的高低頻周期噪聲信號，紅外相機周期校準所帶來的突變等。外界環(huán)境引入的變化包括地面光照在多云天氣里迅速的變化，運動物體的陰影，水面波浪或者波光粼粼的現(xiàn)象，陸地上樹枝的擺動，夜間汽車大燈造成的光暈，雨雪天氣等現(xiàn)象。另外相機在大風(fēng)天，尤其是高燈桿上容易抖動。由上述這些現(xiàn)象造成的圖像變化通常是應(yīng)該被過濾掉的。它們可以通過算法或者其它技術(shù)手段加以解決。

　　從算法的角度來看，可以簡單地分為兩大類。一類是建立背景模型，通過和背景模型相對比來發(fā)現(xiàn)運動物體。另一類是通過“光流”法，通過發(fā)現(xiàn)運動物體對光流場的影響來發(fā)現(xiàn)運動物體。另外就是介于兩者之間或者兩者結(jié)合的方法。背景模型法對運動物體的提取較完整，有利于下一步對物體的跟蹤，分類以及將來的檢索。但是它要求相機固定。如果沒有有效的穩(wěn)定算法，在相機抖動的情況下容易產(chǎn)生誤報警。光流法對相機穩(wěn)定性的要求低。即使相機安裝在云臺上，或者其它運動平臺如飛機上，也可以進行運動檢測。不過由于光流法是基于導(dǎo)數(shù)的檢測方法。它較容易受到圖像噪音的影響。所以它不適用于檢測小物體，檢測距離較近。