智能視頻監(jiān)控中的多特征融合問題研究

李宇瓊 劉香萍

【摘要】 本文對(duì)智能視頻監(jiān)控中的多特征融合問題進(jìn)行了分析，供相關(guān)專業(yè)人士參考借鑒。

【關(guān)鍵詞】 智能視頻監(jiān)控多特征

現(xiàn)今信息技術(shù)已經(jīng)在我國各行業(yè)領(lǐng)域內(nèi)廣泛推廣使用，視頻監(jiān)控技術(shù)向智能化發(fā)展也已經(jīng)迫在眉睫，由于監(jiān)控工作的復(fù)雜以及自身的一些局限，通過單一特征不能夠?qū)τ趫D像內(nèi)容分類，利用多特征融合能夠更好的對(duì)于運(yùn)動(dòng)目標(biāo)或是背景進(jìn)行分類。

一、智能視頻監(jiān)控簡介

由于人類安全意識(shí)的不斷提升，人民對(duì)于公共安全的需求也越來越高，目前視頻監(jiān)控已經(jīng)是公共安全防范中的一種重要手段。由于其內(nèi)部系統(tǒng)或是功能性的差異，視頻監(jiān)控的發(fā)展已經(jīng)度過了模擬系統(tǒng)、半數(shù)字化系統(tǒng)、全數(shù)字化系統(tǒng)幾個(gè)時(shí)期，隨著多年的完善我國的視頻監(jiān)控系統(tǒng)已經(jīng)實(shí)現(xiàn)了集成化、網(wǎng)絡(luò)化、數(shù)字化，可是最主要的缺點(diǎn)是具體內(nèi)容的分析主要是依靠人工。同時(shí)由于工作量比較巨大，要求具體工作者對(duì)于異常問題的反應(yīng)力高，目前很多失誤都是由于人為因素形成的，如此說明視頻監(jiān)控系統(tǒng)的主動(dòng)性沒有被發(fā)揮出來。為了滿足人民不斷提升的要求標(biāo)準(zhǔn)逐漸提出來智能視頻監(jiān)控理念，在原有的基礎(chǔ)上借助于計(jì)算機(jī)技術(shù)的大量數(shù)據(jù)信息處理系統(tǒng)，對(duì)于收錄到的大量數(shù)據(jù)信息處理分析，將和實(shí)際應(yīng)用無關(guān)的信息過濾處理，提供關(guān)鍵的內(nèi)容。如此才能夠降低工作者的勞動(dòng)強(qiáng)度，最大化避免信息失誤、漏報(bào)等問題，同時(shí)該系統(tǒng)能夠?qū)τ谝曨l行為合理分析，鑒別有疑點(diǎn)的活動(dòng)或是人員，提出相應(yīng)的警示，發(fā)揮防范系統(tǒng)應(yīng)用的作用效果；在技術(shù)方面來看，該系統(tǒng)對(duì)于傳輸寬帶的要求比較低，能夠節(jié)省相應(yīng)的容量和空間，避免了資源的浪費(fèi)。

二、智能視頻監(jiān)控研究現(xiàn)狀

智能視頻監(jiān)控僅僅是計(jì)算機(jī)視覺研究的一個(gè)方面，如今更多的專業(yè)研究人員關(guān)注該領(lǐng)域的發(fā)展和研究。該系統(tǒng)應(yīng)用計(jì)算機(jī)的圖像處理方法和視覺方法將獲取到的圖形序列進(jìn)行有序的檢測分類、對(duì)于目標(biāo)進(jìn)行跟蹤或是對(duì)于監(jiān)視目標(biāo)的相關(guān)行為進(jìn)行描述。其中的目標(biāo)跟蹤、目標(biāo)分類、運(yùn)動(dòng)檢測可以規(guī)劃到視覺中的低級(jí)以及中級(jí)處理部分，行為理解和描述劃分到高級(jí)處理中，具體包括了對(duì)于異常問題的檢測、目標(biāo)的身份鑒定。前三個(gè)問題是研究比較廣泛的方面，行為理解描述如今是研究的熱點(diǎn)方向。

三、智能視頻監(jiān)控相關(guān)技術(shù)

1運(yùn)動(dòng)目標(biāo)檢測。目的是能夠在有序列的背景圖像中將運(yùn)動(dòng)目標(biāo)區(qū)域分離出來，是對(duì)于整個(gè)視頻內(nèi)容進(jìn)行分析的第一過程，能夠精確的進(jìn)行分割是非常關(guān)鍵的環(huán)節(jié)。整個(gè)分離過程中的難點(diǎn)在于由于監(jiān)控場景的復(fù)雜性，例如光照的變化、搖擺的樹木、目標(biāo)的重疊等等，如何有效的獲得需要的資源，避免多元化外界因素影響是研究的重點(diǎn)。如今常用的方法具體包括能量運(yùn)動(dòng)檢測、光流、時(shí)間差分、背景差方法。背景差法應(yīng)用的比較廣泛，光流法的優(yōu)勢(shì)是即使在攝像機(jī)處于動(dòng)態(tài)狀況下也能夠快速的檢測目標(biāo)，缺點(diǎn)是容易被噪音影響。

2運(yùn)動(dòng)目標(biāo)跟蹤。目標(biāo)跟蹤的作用是為了將一個(gè)圖像序列上定位目標(biāo)在每一幀的位置。目前需要跟蹤的有三種情況，多個(gè)攝像機(jī)之間的協(xié)同跟蹤、云臺(tái)攝像機(jī)下的目標(biāo)跟蹤，固定場景下的目標(biāo)跟蹤。云臺(tái)跟蹤基于背景的變化性，能夠應(yīng)用的主要是前景運(yùn)動(dòng)目標(biāo)信息，固定場景法是利用運(yùn)動(dòng)目標(biāo)檢測的信息，多攝像協(xié)調(diào)是研究中的難題?，F(xiàn)今有各種的跟蹤方法被使用在該環(huán)節(jié)中，例如卡爾曼濾波算法、動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)，其中卡爾曼濾波算法無法處理多封模式分布問題；根據(jù)目標(biāo)進(jìn)行分類的化還劃分為特征跟蹤、骨架模型跟蹤、基本幾何形狀跟蹤、點(diǎn)特征跟蹤、模板跟蹤、主動(dòng)表像模型跟蹤；依據(jù)跟蹤特征分類的化則分為紋理特征跟蹤、光流特征跟蹤、邊緣特征跟蹤、顏色特征跟蹤等。

3運(yùn)動(dòng)目標(biāo)分類。進(jìn)行目標(biāo)分類的作用是對(duì)于運(yùn)動(dòng)目標(biāo)的類別進(jìn)行識(shí)別，監(jiān)控區(qū)域的不同意味著不同的運(yùn)動(dòng)目標(biāo)，如今常用的目標(biāo)分類手段有基于運(yùn)動(dòng)特性分類、根據(jù)形狀信息的分類。目標(biāo)分類的特征是時(shí)間和空間，空間特點(diǎn)是單幀圖像里的目標(biāo)相關(guān)特點(diǎn)，目標(biāo)的具體位置、大小、形狀等等；時(shí)間是和跟蹤過程有直接聯(lián)系，例如目標(biāo)的大小、速度等，常用的分類器具體包括貝葉斯分類器，支撐向量機(jī)分類器、人工神經(jīng)網(wǎng)絡(luò)分類器等。支撐向量機(jī)和各種的改進(jìn)算法，由于在小樣本分類方面具有一定的優(yōu)勢(shì)，所以關(guān)注度比較高。

4行為理解和描述。具體指對(duì)于運(yùn)動(dòng)模式進(jìn)行識(shí)別和分析，利用自然的言語合理描述，也可以單純的當(dāng)做是時(shí)變數(shù)據(jù)分類問題，既將測試序列以及預(yù)先標(biāo)定的典型行為參考序列進(jìn)行匹配。如今對(duì)于異常事件的檢測方法主要有根據(jù)模型的方法或是基于分類器的方法兩種?；谀Ｐ头椒ㄖ攸c(diǎn)在于進(jìn)行檢測而不是分類，根據(jù)異常事件建立具體的統(tǒng)計(jì)模型，對(duì)于需要測定的事件利用該種模型進(jìn)行判斷，這種方法適合應(yīng)用在一類樣本不容易獲得的情況，對(duì)于容易獲得的樣本建模，判定新的樣本是否屬于該種類別確定具體結(jié)果。分類器的方法是對(duì)于場景中的事件進(jìn)行分類，構(gòu)建合理的分類器，對(duì)于正常事件和異常事件進(jìn)行區(qū)別。監(jiān)控主體中的重點(diǎn)大部分是人，人類的步態(tài)或是臉是能夠利用的兩種重要特點(diǎn)，人臉識(shí)別技術(shù)關(guān)乎到人臉的檢測、跟蹤、特征提取、識(shí)別等幾個(gè)方面，多年來得到了大力的發(fā)展，取得了相應(yīng)的成效。步態(tài)識(shí)別是根據(jù)走路姿勢(shì)進(jìn)行身份的認(rèn)證。

參 考 文 獻(xiàn)

[1]齊文靜.網(wǎng)絡(luò)安全原理與應(yīng)用.[J].中國水利水電出版社.2014