下载掌阅APP，畅读海量书库
立即打开
20世纪90年代，由美国国防高级研究项目署主导的视觉监控重大项目VSAM（Visual Surveillance Monitoring）吸引了众多高校科研机构的参与，从而拉开了智能视频分析技术研究与应用的序幕。至今，智能视频分析技术已经有近20年的应用，世界范围内已经部署了很多在运行的智能分析系统。但是应该看到过去的智能视频分析应用基本属于集中式应用，大多是基于PC的应用。直到近二三年来随着网络视频监控系统的部署和众多大型监控项目的上马，基于嵌入式设备的智能分析系统才开始得到更多关注和应用。
智能分析的高层应用主要包括区域防范、行为理解、物体识别、烟雾火焰识别、PTZ跟踪、交通管理等。目前市场上智能分析的应用大多局限于区域防范，包括入侵检测、绊线检测等，其他更复杂的工程应用还不多见。一方面笔者认为智能分析是视频监控发展的重要方向之一，另一方面也应该看到智能分析的工程实践还面临很多问题。
究其原因，首先是技术方面的原因，智能分析是技术而绝对不是科学，它的成功实施需要多方面的配合，而智能分析技术也处于发展过程中；其次国内企业在技术积累方面做得不够，大多数OEM国外公司的算法，真正掌握核心算法的国内企业没有几家，很难针对具体场景作出算法上的调整。
智能分析技术可以根据底层建模和高层建模两部分进行划分。底层建模包括背景建模、目标检测、目标跟踪、特征提取等基本算法，高层建模则是根据预设规则进行判断，生成分析结果。
图1.1 智能视频分析技术原理
智能分析技术是图像处理、人工智能、机器视觉等多学科、多领域的交叉应用，基本算法包括背景建模、目标检测、运动跟踪、特征提取、规则判断等步骤，如图1.1所示。如何有效、准确地检测出前景目标是智能视频分析算法的关键，目前主流的方法包括差分法、背景模型法、光流法等。差分法的优点是实时性好，对场景的变化适应快，缺点是目标检测不完整，中间有空洞，抗干扰性差，树叶摇动、水波纹等都可能会被误认为是前景目标。光流法的优点是目标检测准确，而且可用于动态背景下的目标检测；缺点是运算量巨大，不适于嵌入式设备的实时实现。基于混合高斯模型的背景建模法是经过实际应用验证的效果较好的方法，它是一种多模态的建模方法，对树叶摇动、水波纹、雨、雪等干扰具有天生的抗干扰性。
目前市场上智能分析设备提供的功能主要包括：摄像头异常诊断（信号丢失、光圈关闭、镜头遮挡、镜头移动等）、入侵检测（区域入侵、绊线检测）、遗失物检测、物品移除检测、违章停车、徘徊检测、PTZ跟踪等功能。