視頻監(jiān)控專利技術綜述

李志研　徐雯暉

【摘 要】本文首先介紹了視頻監(jiān)控的技術背景以及視頻監(jiān)控技術存在的問題;并在專利檢索系統(tǒng)平臺S系統(tǒng)中檢索了與視頻監(jiān)控技術相關的中國專利文獻;隨后，對視頻監(jiān)控技術的中國專利申請進行了申請狀況分析;最后對視頻監(jiān)控技術發(fā)展過程中的若干重要專利進行技術分析。

【關鍵詞】視頻;監(jiān)控;圖像;檢測;追蹤

中圖分類號：TP391.4 文獻標識碼： A文章編號： 2095-2457（2019）18-0031-002

DOI：10.19694/j.cnki.issn2095-2457.2019.18.015

0 概述

由于現(xiàn)代社會人口密集程度高，社會關系復雜，日常人們面對越來越多的突發(fā)和異常事件，幾乎所有公共場合都有部署監(jiān)控的需求，但是因為人工監(jiān)控固有的缺陷，人力越來越不足以分析和處理海量的視頻數(shù)據(jù)[1]。因此，視頻監(jiān)控必須實現(xiàn)智能化，代替人工監(jiān)控，用于解決實際問題。智能監(jiān)控系統(tǒng)一般是先利用攝像機拍攝，獲取視頻圖像數(shù)據(jù)信息，接著將數(shù)據(jù)信息傳送到監(jiān)控系統(tǒng)處理模塊，此時處理模塊會自動對目標進行檢測、識別和目標跟蹤，并通過對目標行為的實時分析，尋找出視頻中存在的異常情況，如目標運動混亂代表著打架斗毆等行為，發(fā)生這種情況就可以進行記錄并報警處理[2]。

在視頻監(jiān)控中，運動目標的檢測和跟蹤是重要的部分。運動目標檢測也是計算機視覺領域中的一個研究熱點，其目的是從待檢測的視頻序列中把運動目標有效地從背景中提取出來，可理解為運動目標與背景的分類問題。而運動目標的有效分割對后期的目標分類、目標跟蹤和行為分析等處理都具有重要意義。現(xiàn)有的運動目標檢測和跟蹤算法并沒有適用于多種檢測前景和檢測目標的，導致算法通用性不強，誤檢率較高，還需要人工進行進一步確認[3]。

本文 主要基于專利檢索系統(tǒng)平臺S系統(tǒng)，分析視頻監(jiān)控技術的發(fā)展現(xiàn)狀，檢索數(shù)據(jù)庫為CNABS數(shù)據(jù)庫，采用視頻、監(jiān)控、檢測、追蹤等關鍵詞和G06K+、G06T+、H04N+等分類號進行限定，得到相關中文專利文獻2038篇，檢索日期為2019年4月29日。

1 專利申請總體情況

1.1 ?中國專利申請態(tài)勢分析

在2006年以前，智能監(jiān)控技術處于萌芽時期，2007-2010年處于緩慢增長時期，2011-2015年智能監(jiān)控技術處于穩(wěn)步增長階段，近5年申請量飛速增長，連續(xù)三年申請量在300篇每年以上，智能監(jiān)控技術目前在中國處于快速發(fā)展的時期。

1.2 中國重要申請人分析

在中國，國家電網(wǎng)公司、北京中星微電子有限公司、西安電子科技大學、杭州海康威視數(shù)字技術股份有限公司的視頻監(jiān)控技術的專利申請量居前4位，其次是中國科學院自動化研究所、南京郵電大學和浙江大學三所高校。國家電網(wǎng)公司的申請量主要集中于2012-2018年，其中，2017年高達17件;北京中星微電子有限公司的申請量主要集中在2006年-2011年，并于2008年到達申請高峰期;西安電子科技大學的申請量主要集中在2011年以后;而杭州?？低晹?shù)字技術股份有限公司和中國科學院自動化研究所的申請量年份跨度較大，他們對視頻監(jiān)控的研究具有連續(xù)性。

1.3 中國各省市專利申請量分析

在中國，北京、江蘇和廣東三個省市的申請量排名前三，浙江、上海和安徽緊隨其后，而北京市和江蘇省近幾年申請量處于平穩(wěn)的狀態(tài)，廣東省在近兩年申請量明顯超過北京市，浙江省近兩年申請量逐年遞減，安徽省近兩年的申請量也有大幅度上漲，這與各個省市支持發(fā)展的企業(yè)和高校的分布有較大關系。

2 專利技術分析

在我國視頻監(jiān)控的發(fā)展過程中，視頻監(jiān)控的發(fā)展方向主要包括了運動目標檢測、目標追蹤、視頻分析等多個方向。運動目標檢測的方法主要包括：光流法、背景差分法、幀差分法。

為了對視頻中的運動目標檢測和追蹤，需要對視頻圖像進行分析來獲得運動目標的區(qū)域以進行后續(xù)的追蹤。在對運動目標檢測時，視頻拍攝到的目標可能會存在遮擋，影響運動目標的檢測效率，很多申請人采用對前景目標區(qū)域進行檢測和模型匹配的方法判斷是否存在運動目標。例如，申請人為北京中星微電子有限公司的申請?zhí)枮镃N200810118996的專利申請（申請日期20080827，公開號為CN 101339664 A）通過方法包括：采集跟蹤目標的視頻圖像;在未建立跟蹤目標的目標模型時，對所述視頻圖像進行分析，獲取所述視頻圖像中跟蹤目標的完整目標對應的區(qū)域，根據(jù)所獲取的完整目標對應的區(qū)域，建立跟蹤目標的目標模型;在已建立跟蹤目標的目標模型后，對所述視頻圖像進行分析，獲取當前圖像中跟蹤目標的目標區(qū)域可能存在的位置，將所述目標區(qū)域可能存在的位置作為候選目標區(qū)域;基于興趣點檢測和局部圖像特征提取技術按照金字塔匹配算法，分別將每個候選目標區(qū)域的特征與所述目標模型進行匹配，將匹配結果最大的候選目標區(qū)域作為跟蹤目標的當前目標區(qū)域。眾所周知，在存在遮擋的情況下，候選目標區(qū)域中的興趣點通常小于或等于完整目標對應的區(qū)域中的興趣點，但本發(fā)明中基于興趣點檢測和金字塔匹配算法的跟蹤匹配，不會因為匹配對象間的興趣點不同而匹配失敗，因此解決了存在遮擋情況的人臉跟蹤問題，提高了目標跟蹤的成功率。

在進行運動目標檢測時，由于視頻拍攝時候的光照和背景會產(chǎn)生變化，因此在此種情況下運動目標檢測會存在一定困難，背景差分法是本領域常見的運動目標檢測的方法。例如，申請人為中南大學的申請?zhí)枮镃N 201110052980的專利申請（申請日期20110304，公開號為CN 102096931A）請求保護一種基于分層背景建模的運動目標實時檢測方法，為每一個像素點創(chuàng)建一個背景字典，所有像素點的背景字典構成一個完整的背景模型，當前輸入像素點在背景字典中找到匹配即為背景點，否則為前景點，最后并采用候選背景模型來更新主背景模型。具體實現(xiàn)步驟為：首先利用前若干幀初始圖像，建立背景模型，其次利用當前輸入圖像與背景模型做差，檢測運動目標區(qū)域，然后對運動目標區(qū)域進行形態(tài)學濾波后，輸出運動目標，最后再對背景模型進行實時更新，以供下一幀目標檢測用。本發(fā)明方法為每一個像素點創(chuàng)建一個背景字典，所有像素點的背景字典構成一個完整的背景模型，有效地解決了背景差法中背景構造更新的困難。根據(jù)當前輸入像素點在背景字典中找到匹配即為背景點，否則為前景點，并采用候選背景模型來更新主背景模型，有效克服幀間差分法提取目標不精細和混合高斯背景建模方法對場景中光照變化敏感的缺點。在不同復雜環(huán)境下的實驗結果表明本發(fā)明方法能夠快速、精確地對監(jiān)控場景中運動目標進行檢測，對光照變化、背景擾動不敏感，對運動目標轉化為背景的情況可以很好地處理，具有很好的魯棒性和實時性。

隨著監(jiān)控在實際生活中應用越來越廣泛，基于視頻的多目標檢測和跟蹤技術成為了研究的重點，很多公司和高校針對多目標檢測和跟蹤進行了深度的研究。例如，申請人為上海交通大學的申請?zhí)枮镃N 201410016404的專利申請（申請日期20140114，公開號為CN 103699908A）請求保護基于聯(lián)合推理的視頻多目標跟蹤方法，首先讀入視頻文件的一幀圖像并對其進行圖像柵格化處理，然后采用在線檢測器以及作為跟蹤器的KLT跟蹤算法標定目標的候選位置，分別篩選后綜合結果，其次將得出的候選位置結果進行量化評分，最后利用聯(lián)合函數(shù)來描述目標跟蹤情況并將基于聯(lián)合函數(shù)的最優(yōu)解作為目標在這一幀的位置，即實現(xiàn)目標跟蹤。上述技術方案能夠解決多目標跟蹤下跟蹤技術中對于檢測跟蹤算法結合的處理方法以及多目標相互關系的處理，利用聯(lián)合函數(shù)來描述多目標之間關系，不僅解決了檢測與跟蹤的結果融合問題，同時也從全局考慮，綜合了每個目標之間的關系，得出了全局最優(yōu)解。

而隨著信息融合的不斷發(fā)展，特別是視頻摘要和視頻檢索的發(fā)展，異常狀態(tài)檢測成為了視頻檢測的重要部分，比如，摔倒、入侵、異常行為等異常狀態(tài)都成為了安防的重要組成，為此，申請人為北京正安維視科技股份有限公司的申請?zhí)枮镃N 2016101166696的專利申請（申請日期20160301，公開號為CN 105608479A）請求保護一種結合深度數(shù)據(jù)的異常行為檢測方法及系統(tǒng)，首先，采集目標區(qū)域的監(jiān)控視頻圖像，建立基于監(jiān)控視頻圖像的場景背景模型，提取二維圖像的運動目標前景，進行連通域分析和目標分割;根據(jù)監(jiān)控視頻圖像獲取原始視角的深度背景圖，從深度背景圖中提取三維圖像的運動目標前景，分別在原始視角及投影變換后俯視視角進行目標前景的兩次分割;提取有效的人員目標信息;根據(jù)提取得到的人員目標信息，實現(xiàn)對人員目標的跟蹤和行為分析，并根據(jù)預設的異常行為規(guī)則判斷人員目標的行為是否異常，如果是則啟動報警。本發(fā)明對異常事件和異常行為進行自動識別，提高了異常事件檢測的精確度，可以在無人值守的情況下做出及時的反應。

3 結論與建議

視頻分析是應用較為廣泛的技術，其步驟比較簡單，就是目標檢測、目標追蹤以及異常檢測，其中異常檢測是以目標檢測和目標追蹤為前提的，目標檢測和目標追蹤算法層出不窮，要通過更為精準和更具有魯棒性的檢測算法才能夠為后續(xù)的追蹤或判斷提供更好的基礎，因此視頻分析的發(fā)展主要包括視頻應用場景的變換和對應的檢測算法的不斷更新，在不同的應用場景下，視頻檢測算法越發(fā)的準確，也能夠滿足更多的應用場景的需要。

【參考文獻】

[1]吳晶.面向運動目標檢測的背景差分算法改進與實現(xiàn)[D].北京郵電大學，2012.

[2]姜丹.基于視頻監(jiān)控的目標檢測與跟蹤算法研究[D].西安理工大學，2018.

[3]陳媛.基于視頻監(jiān)控的運動目標檢測算法研究[J].圖形圖像，2018，03（上）：24-27.