?

　　一、智能產品簡介

　　智能視頻系統是由位于前端或后端的視頻分析服務器組成，對監控攝像機所拍攝的視頻圖像進行分析，能將影像中的人、車或者物體的狀態從任何背景中分離出來，加以辨認、分析與追蹤。比對出所追蹤對象的行為模式與預設的諸項安全規則，若發現違規之處，立刻進行報警通知，同時由使用平臺進行信息記錄或顯示。

　　二、智能分析的功能：

　　目前，智能視頻分析系統在視頻監控方向的應用主要在對運動目標的識別、分類和追蹤。可以設置的規則、功能為以下幾種：

　　1、 絆線檢測

　　針對人、車通過特定運動方向絆線的監控;其應用如：警戒線、單向閘門流向、柵欄攀爬…等;

　　2、 警戒區域

　　針對人、車進入或離開特定管制區域的監控;其應用例：停機坪、碼頭車站的工作區域、營業場所后臺…等。

　　3、 閑逛

　　針對不合理滯留過久的人、車發出警示訊息，以提醒安管保全人員加以盤察注意。

　　4、 偷竊

　　針對特定重要資產的保全;例如：貴重的掛畫或擺飾、裝備器材、場站內的車輛或機具…等。

　　5、 遺留物

　　針對可能的爆裂物、易燃物、生化污染物…的惡意棄置。

　　6、 群體事件

　　針對人群聚集

　　智能監控和傳統監控的比較

　　傳統報警系統和智能分析報警性能比較

　　三、系統使用網絡結構

　　1、簡單模式：視頻來源來自于模擬監控頭，比較適合小型單一的監控系統

　　2、聯網模式：視頻來自于編碼后的網絡數據，適用于大型聯網監控，在大型監控系統中有獨特的優勢，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

　　智能視頻分析系統概述

　　智能視頻(IV，Intelligent Video)源自計算機視覺(CV，Computer Vision)技術。計算機視覺技術是人工智能(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系，從而使計算機能夠通過數字圖像處理和分析來理解視頻畫面中的內容。

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

　　智能視頻分析系統是一種涉及圖像處理、模式識別、人工智能等多個領域的智能視頻分析產品。它能夠對視頻區域內出現的警戒區警戒線闖入、物品遺留或丟失、逆行、人群密度異常等異常情況進行分析，能夠對視頻區域內出現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，及時發出告警信息。能夠同時監測同一場景里多個目標，可以根據防范目標的特點進行靈活設置;它能夠適應不同的環境變化，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”監控的狀態，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，識別和區分物體，可自定義事件類型，一旦發現異常情況或者突發事件能及時的發出警報，其在安防領域的應用必然有助于克服了人力疲憊的局限性，從而更加有效地協助安全人員處理突發事件。

　　智能視頻分析的發展過程

　　智能視頻監控技術是基于圖像處理、模式識別的新型視頻監控技術。簡而言之，就是發現圖像中運動的物體，并對其進行跟蹤、分析，及時發現“異常”行為，觸發報警并采取其他措施進行干預。智能視頻分析技術(Video Analytics)綜合了多學科的研究成果。主要包括圖像處理，跟蹤技術，模式識別，軟件工程，數字信號處理(DSP)等領域。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。其中卡內基-梅隆(CMU)大學在1999年完成的在校園內的智能圖像監控系統是比較有代表性的研究項目。當時的智能圖像監控技術仍處在實驗室研究為主階段。

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

　　智能視頻分析系統的功能

　　目前市場上的智能視頻分析系統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. 設定報警條件

　　6. 報警聯動

　　1、圖像采集/接口

　　絕大多數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過壓縮直接送給視頻分析單元，幾乎所有的視頻分析系統都自帶有圖像采集功能，通常是通過BNC輸入模擬圖像信號。

　　現有的圖像監控系統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“馬賽克”效應，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的圖像要小。分辨率大小會影響到檢測距離和對運動物體的敏感性。有些產品通過降低處理的幀率來適應處理器的處理能力。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的判斷錯誤。

　　2、 運動物體檢測

　　簡單地說，運動檢測就是發現圖像中運動的物體。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。

　　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，雨雪天氣等現象。另外相機在大風天，尤其是高燈桿上容易抖動。由上述這些現象造成的圖像變化通常是應該被過濾掉的。它們可以通過算法或者其它技術手段加以解決。

　　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現運動物體。另一類是通過“光流”法，通過發現運動物體對光流場的影響來發現運動物體。另外就是介于兩者之間或者兩者結合的方法。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。如果沒有有效的穩定算法，在相機抖動的情況下容易產生誤報警。光流法對相機穩定性的要求低。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數的檢測方法。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。

　　3、多物體跟蹤

　　現有視頻分析算法和早期移動偵測最大的區別就在于是否對運動物體進行跟蹤。運動物體檢測和跟蹤是視頻分析的基礎。這兩方面做扎實了，才有可能對物體的行為特性進行分析，同時也才有可能較容易地針對某些特殊應用迅速開發出來新功能模塊。跟蹤實質上就是將在每一幀上發現的同一物體沿時間順序串起來。此領域本身就是一個相對獨立的活躍的研究領域。主要研究方向是在復雜環境下，如多個運動物體，多個相機，運動物體之間互相遮擋，消失及重現等情況下進行有效跟蹤。例如在擁擠的地鐵站臺對某個人進行跟蹤;對草叢里身著迷彩服沿一定方向爬行的士兵進行跟蹤。雖然在每一幀里用肉眼無法辨明此士兵的位置，但是積累了一定幀數后，系統發現了他。以上實例主要還停留在實驗室演示階段。但是它們代表了跟蹤算法的發展方向。

　　在實際監控應用中，尤其是對一些入侵報警的應用案例中，對跟蹤算法的要求比較低。現有的商業系統對運動物體“融合”及其它復雜應用場景的跟蹤效果并不理想。但是參照以往技術發展速度，這方面會很快完善起來。

　　4、行為特征分析

　　行為特征分析是從圖像中尋找滿足預先設定的行為特征的事件。目前市場上比較典型的應用包括：

　　(1)分類： 判斷運動物體是人，車，船只，飛機。

　　(2)停止或者突然加速：例如車輛在隧道或者公路上拋錨;大街上搶劫得手后逃跑等場景。

　　(3)徘徊：例如在敏感區域外觀察的人員。對正常通過的行人、車輛不報警。

　　(4)遺留物： 例如對在機場，油庫等地放置爆炸物然后離開。

　　(5)物品遺失： 例如博物館的貴重展品保護。當發現展品消失后，系統會立刻報警。

　　(6)人數統計：例如 對進入超市等場所的人數進行統計。并結合銷售數據繪制一天當中平均消費額曲線。

　　(7)人群密度：例如當聚集人員過多時報警。或者人群突然散開，如出現異常情況時，進行報警。

　　(8)人員倒地： 例如當人員由直立突然變成平躺。

　　總的來說，智能視頻分析可以作很多事情。所以需要視頻分析開發人員和最終用戶進行有效溝通。由于智能視頻分析還是一個較新的技術，在國內了解此項技術的圈子目前只拓展到集成商這個層面上，所以很多適合視頻分析技術的應用場景還有待市場開發。但有一點是一目了然的：企業必須掌握核心技術并具有自主研究開發能力。智能視頻分析的市場是由許多細分小市場組成的，新的應用正不斷地出現。在可預見的將來，這會是這個市場的一個明顯特點。

　　5、設定報警條件

　　在視頻監控里引入“智能”極大地豐富了監控內容，提高了監控的靈活性。用戶可以針對某個特定行為進行報警。例如簡單地說，當運動物體穿越某條界限時報警。也可以使用更多的限定條件，如在晚上7點到早晨7點之間對進入某個區域的人員進行報警，對出去的人員，進出的車輛不報警。由于是通過軟件設定報警條件，更改報警策略通常來說非常容易。例如有一批貴重貨物在倉庫里只存放一天，可以在那一天在屏幕上倉庫周圍設置虛擬邊界，就像孫悟空用金箍棒畫個圈將唐僧等人保護起來一樣，很快地建立起保護措施。用戶也可以依據不同設施的具體安保需求設定不同的策略。例如白天和夜晚的監控內容不一樣，工作日和周末監控內容、監控力度也不一樣。系統自動切換，避免了人員監控的隨意性。目前可供選擇的報警要素包括區域、時間段、物體種類、尺寸、運動方向、速度、行為特征等許多內容。

　　6、報警聯動

　　在智能視頻分析系統發現異常情況以后，通常需要作3類事情：

　　1) 核實報警真實性： 通過另外一臺云臺相機對報警事件拉近進行詳細調查。由于監控范圍的需要，報警相機的監控范圍通常較大，而且經常是固定相機。另外一臺云臺相機可以和一臺或者幾臺固定報警相機相配合自動或者手動響應報警事件。報警錄像片段通常會被同時存在硬盤上。

　　2). 及時通知、提醒監控人員： 常用實時提示方法包括語音提示監控人員，如“倉庫門口發現人員。”;在屏幕上彈出報警圖像;在圖像上用標識框標識觸警物體;顯示觸警物體之前的運動軌跡。另外也有非實時的技術手段，如通過郵件或者短信的形式通知負責人員，并附以觸警截圖。目前通過手機瀏覽實時監控圖像已經較成熟。3G手機在國內的普及必將促使手機成為有一個響應平臺。除了DVR備份以外，智能視頻分析系統可以存儲報警錄像片段，供監控人員迅速檢索。

　　3). 觸發其它外部響應手段： 為避免頻繁出警，有些系統可以和喇叭聯動，提醒入侵人員已經被監控。通常他們在知道被發現后會迅速離開。

　　智能視頻分析系統主要形式及特點

　　目前智能視頻分析產品主要基于通用CPU如英特爾(服務器，工控機)或者DSP。有些產品和DVR集成在一起，有些產品做成獨立的模塊，通過提供界面和開發SDK供集成商使用。集成化程度最高的產品已經和相機做成一體，直接輸出智能分析結果。

　　基于服務器(工控機)的系統通常適合布置在監控系統的后臺。由于它的架構相對開放，所以可以方便地和現有監控系統融合。另外服務器的CPU處理能力和DSP相比要高，可以使用較為復雜的算法。多核是英特爾CPU的發展方向，非常適合多路圖像處理的需要及發展趨勢。對于降低系統成本很有幫助。英特爾每兩年推出一款新產品的速度也遠較德州儀器(TI)快。基于服務器的系統性能可以隨著英特爾產品的更新而方便地提升。在一些高端智能視頻監控系統中，使用服務器的比較多。