智能視頻監(jiān)控技術(shù)的研究與應(yīng)用

三亞學(xué)院 高華玲

?

智能視頻監(jiān)控技術(shù)的研究與應(yīng)用

三亞學(xué)院 高華玲

【摘要】智能視頻監(jiān)控的核心技術(shù)是目標(biāo)檢測、目標(biāo)分類、目標(biāo)跟蹤、異常行為分析等，相關(guān)的算法研究已經(jīng)比較成熟。本文歸納相關(guān)的核心算法，并進(jìn)行簡單的優(yōu)缺點(diǎn)評述。后續(xù)對近年來智能視頻監(jiān)控系統(tǒng)的應(yīng)用現(xiàn)狀進(jìn)行總結(jié)，最后探討相關(guān)技術(shù)的未來發(fā)展方向。

【關(guān)鍵詞】智能視頻監(jiān)控；算法；應(yīng)用

1　概述

智能視頻監(jiān)控系統(tǒng)的功能強(qiáng)調(diào)對圖像的智能識(shí)別、分析和管理，并能在遠(yuǎn)程網(wǎng)絡(luò)進(jìn)行操作。隨著平安城市的建設(shè)，攝像頭的數(shù)量不斷增加，監(jiān)控設(shè)備性能得到了提高，并產(chǎn)生了大量的監(jiān)控?cái)?shù)據(jù)。在物聯(lián)網(wǎng)和大數(shù)據(jù)的背景下，智能視頻監(jiān)控系統(tǒng)的應(yīng)用更加注重效率和監(jiān)控效果，更加強(qiáng)調(diào)對大量的監(jiān)控?cái)?shù)據(jù)進(jìn)行實(shí)時(shí)檢測、跟蹤和分析。分布式的監(jiān)控系統(tǒng)是一種面向?qū)ο蟮募夹g(shù)，以多終端的并行處理和控制為優(yōu)勢，成為新一代智能視頻監(jiān)控系統(tǒng)的發(fā)展方向。

2　智能視頻監(jiān)控技術(shù)

智能視頻監(jiān)控技術(shù)經(jīng)歷了模擬化、數(shù)字化、智能化三個(gè)時(shí)代。智能視頻監(jiān)控的關(guān)鍵技術(shù)的算法包括目標(biāo)檢測、目標(biāo)跟蹤、行為分析等。

2.1運(yùn)動(dòng)目標(biāo)檢測

視頻中動(dòng)態(tài)目標(biāo)的檢測方法可以分為兩大類，其一是通過背景建模來檢測，其二是通過對目標(biāo)建模來檢測感興趣的研究目標(biāo)。這里介紹三種典型的檢測算法——背景減除法、幀間差分法和光流法。

2.1.1背景減除法

首先分析視頻圖像的底層特征對背景建模（單高斯背景建模機(jī)票混合高斯背景建模），然后利用當(dāng)前圖像和背景圖像的差分來檢測運(yùn)動(dòng)目標(biāo)。算法的優(yōu)點(diǎn)是計(jì)算精確度高，算法性能好，缺點(diǎn)是占用系統(tǒng)資源較多，對光線變化、動(dòng)態(tài)背景、攝像機(jī)抖動(dòng)等表現(xiàn)敏感。

2.1.2幀間差分法

利用圖像序列相鄰幀之間的差異獲取運(yùn)動(dòng)目標(biāo)的特征，將結(jié)果進(jìn)行閾值分割來獲取運(yùn)動(dòng)區(qū)域。優(yōu)點(diǎn)是環(huán)境適應(yīng)力強(qiáng)，實(shí)時(shí)性好，具有一定的抗噪能力，占用系統(tǒng)資源少，對光線變化不敏感，缺點(diǎn)是算法精確度不高，需要根據(jù)物體運(yùn)動(dòng)的快慢選擇合適的時(shí)間幀進(jìn)行比較，并僅在目標(biāo)運(yùn)動(dòng)時(shí)限內(nèi)能夠檢測。

2.1.3光流法

利用運(yùn)動(dòng)目標(biāo)像素的瞬時(shí)速度來區(qū)分運(yùn)動(dòng)目標(biāo)，即研究在一定時(shí)間內(nèi)圖像灰度值的變化與運(yùn)動(dòng)目標(biāo)的結(jié)構(gòu)、運(yùn)動(dòng)方式之間關(guān)系。優(yōu)點(diǎn)是不需要關(guān)心背景信息，缺點(diǎn)是計(jì)算結(jié)果會(huì)受到遮擋、陰影、光線變化等因素的影響，計(jì)算復(fù)雜度高，實(shí)時(shí)性較差。

2.2動(dòng)態(tài)目標(biāo)跟蹤

目標(biāo)跟蹤常常根據(jù)運(yùn)動(dòng)目標(biāo)的各種特征值進(jìn)行判斷，比如形狀特征、顏色特征、空間關(guān)系特征、紋理特征和輪廓特征等。三種比較經(jīng)典的目標(biāo)跟蹤算法是Meanshift算法［1］、Camshift跟蹤算法［2］和Kalman濾波算法［3］。

Meanshift算法是一種基于核密度估計(jì)的梯度上升算法，任意點(diǎn)為起點(diǎn)向核密度梯度上升的方向在離線模型中進(jìn)行搜索，最后收斂于核密度的局部最大值。算法優(yōu)點(diǎn)是計(jì)算復(fù)雜度低，無需參數(shù)，容易與其他的算法相結(jié)合，常用于圖像切割和視頻跟蹤。缺點(diǎn)是搜索框的核函數(shù)帶寬不變，所選的特征值單一，抗干擾能力差。

Camshift跟蹤算法是根據(jù)圖像序列中像素的色度直方圖信息對運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤的。它是Meanshift算法的擴(kuò)展。

Kalman基于預(yù)測的濾波算法是一種基于運(yùn)動(dòng)目標(biāo)的特征進(jìn)行遞推預(yù)測的算法。此算法的優(yōu)點(diǎn)是系統(tǒng)處理速度快，抵抗遮擋性能好，但是缺點(diǎn)是難以建立準(zhǔn)確地隨機(jī)模型，局限于固定的運(yùn)動(dòng)模型。

2.3異常行為檢測

人體行為是通過在視頻監(jiān)控中檢測出較為理想的人體輪廓，提取瞬間輪廓特征進(jìn)行分析的。人體行為的研究集中在少數(shù)具有危害性的異常行為，常見有三種：徘徊行為檢測、人體異常行為檢測和遺留物檢測。比如人體異常行為有停車場背景中的跌倒、下蹲、打、砸、敲、踢等。

1）徘徊行為檢測的方法有基于二維馬爾科夫隨機(jī)游走模型的方法［4］、利用貝葉斯表征跟蹤器建模的方法［5］和計(jì)算離散曲率熵和方差的方法［6］等。

2）人體異常行為檢測的方法主要介紹3種常用方法，一是利用簡單的人體幾何模型對人體行為進(jìn)行識(shí)別；二是基于不同時(shí)刻空間狀態(tài)變化計(jì)算聯(lián)合概率，確定行為分類標(biāo)準(zhǔn)，如隱馬爾科夫模型［7］和動(dòng)態(tài)貝葉斯方法；三是對人體運(yùn)動(dòng)方向、軌跡、位置、速度、角度等運(yùn)動(dòng)特征進(jìn)行描述的方法。

3）遺留物檢測的方法

遺留物檢測是針對某物體進(jìn)入視頻場景之后，檢測該物體是否是遺留物，待物體滯留一段時(shí)間后觸發(fā)報(bào)警系統(tǒng)，防止意外發(fā)生。劉強(qiáng)使用codebook模型構(gòu)建背景模型，對實(shí)時(shí)更新和非實(shí)時(shí)更新的背景圖像差值檢測遺留物［6］。

3　已有智能視頻監(jiān)控系統(tǒng)介紹

1）VSAM是1997年美國國防部高級研究項(xiàng)目署的視頻監(jiān)控重大項(xiàng)目，目的是為了預(yù)防恐怖襲擊。該項(xiàng)目由卡內(nèi)基梅隆大學(xué)和麻省理工學(xué)院等高校進(jìn)行研究，能夠應(yīng)用于民間場景和戰(zhàn)場的人體和車輛的監(jiān)控。

2）W4是美國馬里蘭大學(xué)（Maryland）開發(fā)的視頻監(jiān)控系統(tǒng)，檢測和跟蹤戶外環(huán)境下的多人運(yùn)動(dòng)，能夠有效的對住宅、停車場、銀行等場所進(jìn)行可疑人員的排查，通過外觀建模檢測出物品攜帶者，并跟蹤監(jiān)控。

3）Pfinder是麻省理工學(xué)院（MIT）的Wren等人根據(jù)對象的顏色、形狀等特征構(gòu)建多種模型，通過這種方式建立單個(gè)未遮擋人體的三維模型，對人體各部位進(jìn)行構(gòu)造。實(shí)驗(yàn)時(shí)對實(shí)驗(yàn)室的人員進(jìn)行實(shí)時(shí)監(jiān)視，結(jié)果顯示此系統(tǒng)可以克服短暫的光照變化和遮擋等因素，較為準(zhǔn)確地判斷其行為方式。

4）CBSR是國內(nèi)較成功的智能監(jiān)控系統(tǒng)，此系統(tǒng)檢測所有路過的車輛，并進(jìn)行跟蹤和處理，同時(shí)進(jìn)行人臉跟蹤和識(shí)別。

5）ADVISOR是歐盟信息社會(huì)技術(shù)程序委員會(huì)開發(fā)的一個(gè)視頻監(jiān)控和檢索系統(tǒng)，此系統(tǒng)對公共交通中的人群進(jìn)行監(jiān)控，分析行人的行為模式。

4　智能監(jiān)控系統(tǒng)的應(yīng)用

從歷年的視頻監(jiān)控白皮書中獲悉，視頻監(jiān)控系統(tǒng)的應(yīng)用行業(yè)增速最快的是城市監(jiān)控、能源行業(yè)和教育機(jī)構(gòu)。常見的應(yīng)用在軍事、安保、交通、港口和大型活動(dòng)中較多。國外以美國為首的應(yīng)用規(guī)模不斷擴(kuò)大，智能視頻技術(shù)逐漸成為具有影響力的產(chǎn)業(yè)。美國和歐洲掌握了智能視頻監(jiān)控領(lǐng)域的核心技術(shù)，市場占有率非常高。歐美等研發(fā)的智能視頻監(jiān)控系統(tǒng)已經(jīng)比較成熟，大量應(yīng)用于實(shí)際的安防系統(tǒng)，如美國ObjectVideo、Vidient和Verint系統(tǒng)，日本NICE系統(tǒng)和以色列的Mate、IOimage系統(tǒng)。中國的市場份額在近年來增長迅速。根據(jù)權(quán)威的電子行業(yè)調(diào)研公司IHS的子公司IMS Research的預(yù)測，2016年全球視頻監(jiān)控設(shè)備市場的營業(yè)收入將從2010年的96億美元上升到205億美元，大增114%。2016年中國已經(jīng)成為世界最主要的視頻監(jiān)控市場，市場占有率將達(dá)到全球市場的40%以上。全球視頻監(jiān)控產(chǎn)品按分類看，網(wǎng)絡(luò)智能攝像機(jī)、模擬高清和家用攝像頭需求快速增長。按終端用戶分類看，平安城市、智能交通、平安社區(qū)、平安校園等城市監(jiān)控需求增速最快，能源行業(yè)和教育行業(yè)的應(yīng)用也逐步增速。

4.1安防類應(yīng)用

安防類的應(yīng)用是最為常見的應(yīng)用。用于機(jī)場、監(jiān)獄、軍事和其他的大型活動(dòng)中的安全視頻監(jiān)控，智能化技術(shù)需求包括高級視頻移動(dòng)偵測、物體追蹤、人臉識(shí)別、車輛識(shí)別、非法滯留等。

4.2輔助管理類應(yīng)用

輔助管理類的應(yīng)用是應(yīng)用在賓館、商場等服務(wù)性質(zhì)的企業(yè)當(dāng)中，

為了了解客戶行為，把握市場定位，是進(jìn)一步提高服務(wù)水平的參考依據(jù)。這類應(yīng)用包括人數(shù)統(tǒng)計(jì)、人流控制、注意力控制和交通控制等。

5　未來發(fā)展趨勢

近年來，隨著用戶對遠(yuǎn)程監(jiān)控、管理和高質(zhì)量圖像的需求增加，監(jiān)控系統(tǒng)網(wǎng)絡(luò)化的趨勢明顯。例如在恐怖襲擊、暴亂和公共安全破壞案件中，常常需要高清智能視頻圖像作為案件佐證材料。同時(shí)監(jiān)控系統(tǒng)的智能化是不可避免的發(fā)展趨勢，網(wǎng)絡(luò)化、數(shù)字化的需求也促進(jìn)了智能化的需求。在實(shí)際應(yīng)用中，已經(jīng)成功開發(fā)的智能視頻監(jiān)控系統(tǒng)的功能常常局限于單一特定的領(lǐng)域，如目標(biāo)檢測、目標(biāo)跟蹤或者人臉識(shí)別，集成多種功能的完整系統(tǒng)尚不多見。目前，智能視頻監(jiān)控系統(tǒng)還不能完全自動(dòng)化，特別在異常行為檢測和報(bào)警的相關(guān)應(yīng)用中，仍需不斷的降低誤報(bào)率、提高檢測的準(zhǔn)確性。

參考文獻(xiàn)

［1］Comaniciu D.An Algorithm for Data-Driven Bandwidth Selection［J］.IEEE Transactions on Pattern Analysis & Machine Intelligence，2003，25（2）：281-288.

［2］Morimoto T，Kiriyama O，Harada Y，et al.Object tracking in video pictures based on image segmentation and pattern matching［C］//IEEE International Symposium on Circuits and Systems.IEEE，2005：3215-3218 Vol.4.

［3］Weng S K，Kuo C M，Tu S K.Video object tracking using adaptive Kalman filter［J］. Journal of Visual Communication & Image Representati on，2006，17（6）：1190-1208.

［4］Zin T T，Tin P，Toriu T，et al.A Markov Random Walk Model for Loitering People Detection［C］//Sixth International Conference on Intelligent Information Hiding and Multimedia Signal Processing.IEEE Computer Society，2010：680-683.

［5］ChungHsien Huang，YiTa Wu，MingYu Shih.Unsupervised Pedestrian Re-identification for Loitering Detection［C］//Advances in Image and Video Technology， Third Pacific Rim Symposium，PSIVT 2009，Tokyo，Japan，January 13-16，2009.Proceedings.2009：771-783.

［6］劉強(qiáng).智能視頻監(jiān)控中幾種異常行為檢測研究［D］.安徽大學(xué)，2012.

［7］朱旭東，劉志鏡.基于主題隱馬爾科夫模型的人體異常行為識(shí)別［J］.計(jì)算機(jī)科學(xué)，2012， 39（3）：251-255.

高華玲（1980—），碩士，講師，研究方向：信息隱藏、計(jì)算機(jī)視覺、語義分析。

項(xiàng)目基金：三亞市院地合作項(xiàng)目（No.2013YD43）、三亞學(xué)院校級一般項(xiàng)目（No.XYZZ1319）。

作者簡介：