智能視頻監(jiān)控系統(tǒng)中視頻圖像分析的關鍵技術研究

馬文學，單亞飛

（河北遠東通信系統(tǒng)工程有限公司，河北 石家莊 050200）

0 引 言

隨著高清視頻監(jiān)控的逐步推廣和普及應用，如何對這些視頻圖像數(shù)據(jù)進行有效分析和利用，已成為人們重點關注的問題。對于智能視頻圖像分析技術，計算機視覺技術、圖像智能分析技術及人工智能技術至關重要，是實現(xiàn)智能視頻圖像分析的關鍵[1]。通過相關技術對視頻的序列圖像進行檢測、分析以及理解，以達到視頻監(jiān)控的目的。隨著我國經濟以及科學技術的不斷發(fā)展，視頻監(jiān)控技術使用的范圍越來越廣泛，相關技術也逐漸成熟。因此，本文對視頻監(jiān)控系統(tǒng)中視頻圖像技術的研究意義重大。

1 智能視頻圖像分析技術介紹

隨著“智能化”時代的到來，視頻監(jiān)控也迎來了新的發(fā)展方向——智能視頻監(jiān)控。相比于常規(guī)的視頻監(jiān)控系統(tǒng)，智能視頻監(jiān)控通過智能視頻分析技術對視頻信號進行分析和理解。智能視覺物聯(lián)網技術是集圖像處理、目標檢測、跟蹤技術、模式識別及信號處理技術為一體的綜合性技術[2]，可以讓視頻系統(tǒng)在監(jiān)控的過程中自動分離和抽取視頻源中的關鍵信息。

1.1 獲取目標

常規(guī)情況下，視頻智能分析算法都是基于RGB或YUV的沒有壓縮的圖像格式[3]，因此被傳輸?shù)揭曨l分析單元前的圖像信息均沒有被壓縮。此外，視頻分析系統(tǒng)還具備圖像采集功能，能夠通過卡扣配合型連接器輸入圖像信號。

1.2 目標檢測

智能視頻圖像分析中，目標檢測十分重要，是實現(xiàn)視頻智能化功能的重要基礎。智能視頻圖像分析技術中，一般采用目標檢測算法對目標進行檢測，通過分離視頻序列中的移動像素和靜止像素，最終實現(xiàn)目標檢測。真實情況下，視頻監(jiān)控中的目標多數(shù)都是運動的，因此檢測時要根據(jù)“運動”的特征進行，此時可以忽略靜態(tài)的背景。通過快速運動的方式來獲取想要的移動目標，最終實現(xiàn)對目標的實時監(jiān)測。光流法、幀差法及背景差分法是現(xiàn)在較為常見的運動目標檢測方法，并且各有優(yōu)點[4]。

1.3 目標跟蹤

目標跟蹤就是根據(jù)時間順序接連在每個幀之間找到的相同對象，即跟蹤各個運動對象的運動軌跡。視頻監(jiān)控系統(tǒng)會在不同的場景中，根據(jù)目標被遮擋、視覺以及雜波等外界因素干擾的情況下，自動篩選出想要檢測的目標，然后在對這些檢測目標的屬性、運動狀態(tài)自行匹配，以實現(xiàn)對運動目標的跟蹤。

常用的跟蹤方法有如下3種。（1）基于特征的目標跟蹤。這種跟蹤方法的特性是“最優(yōu)匹配原則”。采用這種方法對運動目標進行跟蹤時，注重的是多個特征點的集合[5]。這種方法的顯著優(yōu)點是在跟蹤時可以針對同一個對象進行多個特征的同時跟蹤，即使一個特征被遮擋住，也不會對其他特征的跟蹤造成影響。（2）基于區(qū)域的目標跟蹤。此跟蹤方法主要是將預跟蹤對象目標的區(qū)域與目標模板進行比較，比較兩者之間的匹配度，然后通過相似度計算確定跟蹤目標。（3）基于活動輪廓的目標跟蹤。這種跟蹤方法可以很好地跟蹤目標的輪廓，且對圖像細微變化的依賴性較強，對噪音也很敏感。但是，該方法在對快速運動的目標進行跟蹤時，效果不佳。

1.4 目標行為識別

智能視頻圖像分析中的目標行為識別主要根據(jù)視頻圖像中檢測目標的行為變化，從靜態(tài)、動態(tài)兩個層面來分析和判斷檢測的目標是否存在異常行為。

現(xiàn)在比較典型的目標行為識別應用包括5個方面，分別是目標分類、殘留檢測、缺陷檢測、數(shù)量統(tǒng)計以及報警聯(lián)動。

2 智能視頻圖像分析技術難點

智能視頻圖像分析技術的難點主要體現(xiàn)在實時性、魯棒性以及場景規(guī)則的確定。

2.1 實時性

由于監(jiān)控系統(tǒng)存在采集延遲、編碼延遲及傳輸延遲的缺點，因此視頻監(jiān)控系統(tǒng)存在實時性難的問題[6]。為確保對視頻場景的實時監(jiān)控，需要提高整個智能監(jiān)控算法系統(tǒng)的實踐復雜度。高分辨率的視頻中，盡管每個像素的處理時間短，但是一幀圖像有幾十萬乃至百萬的像素，導致目標檢測花費的時間較長。如果實現(xiàn)實時監(jiān)控、智能分析的目的，系統(tǒng)處理圖像時每幀的目標檢測時間可以控制在幾十毫秒內，不過需要特殊硬件的協(xié)助。

2.2 魯棒性

魯棒性，即穩(wěn)健性或穩(wěn)定性。視頻智能由于受到實際環(huán)境的影響，導致其存在魯棒性問題。目標檢測的參數(shù)都是依據(jù)實際環(huán)境參數(shù)進行設置的，使得圖像分析的結果受到圖像的清晰情況、是否為夜間模式的影響，極大地降低了圖像分析的準確性[7]。此外，不同環(huán)境中，目標檢測還會受到光照、天氣、快速運動、超出視野及旋轉等外在因素的影響；嚴重時，還會受到攝像機安裝的位置、攝影師拍攝的角度以及分辨率的影響。

2.3 場景規(guī)則的確定

智能視頻圖像分析技術的一個難點就是要確定好場景規(guī)則。一般在不同的場景中，目標的行為也有所不同。因此，需要在差異的場景下分辨出檢測目標是否存在行為異常。這對視頻監(jiān)控系統(tǒng)的自行判斷能力提出了較高要求，需要在系統(tǒng)設計環(huán)節(jié)在視頻智能分析平臺中設置好可以作為判斷依據(jù)的場景規(guī)則。

3 結 論

隨著我國科學技術的飛速發(fā)展，智能視頻監(jiān)控系統(tǒng)也得到了飛速的發(fā)展，并被逐漸應用于各個領域。作為視頻監(jiān)控系統(tǒng)的技術核心，視頻圖像分析技術也得到了人們的高度重視。由于科學技術的推動，視頻圖像分析技術也有了很大的提高。但是，視頻分析的高級目標識別和目標跟蹤行為分析還存在很多不足之處，嚴重影響了智能視頻監(jiān)控的使用效果。因此，需要加強相關方面的研究。