視頻監(jiān)控智能分析技術(shù)應(yīng)用分析

1、視頻監(jiān)控智能分析技術(shù)應(yīng)用分析一、概述在視頻監(jiān)控飛速發(fā)展的今天，海量視頻畫面已經(jīng)大大超過(guò)了人力有效處理的范圍。而智能視頻分析技術(shù)極大地發(fā)揮與拓展了視頻監(jiān)控系統(tǒng)的作用與能力，使監(jiān)控系統(tǒng)具有更高的智能化，大幅度降低資源與人員配置，全面提升安全防范工作的效率。目前已廣泛應(yīng)用于平安城市、智能交通、金融行業(yè)、政法監(jiān)管、商業(yè)等領(lǐng)域。智能視頻分析技術(shù)是計(jì)算機(jī)視覺(jué)技術(shù)在安防領(lǐng)域應(yīng)用的一個(gè)分支，是一種基于目標(biāo)行為的智能監(jiān)控技術(shù)。它能夠在圖像或圖像序列與事件描述之間建立映射關(guān)系，從而使計(jì)算機(jī)從紛繁的視頻圖像中分辯、 識(shí)別出關(guān)鍵目標(biāo)的行為， 過(guò)濾用戶不關(guān)心的信息， 其實(shí)質(zhì)是自動(dòng)分 析和抽取視頻源中的關(guān)鍵信息。按照智能

2、分析算法實(shí)現(xiàn)的方式進(jìn)行區(qū)分，可以概括為以下幾種類型的智能分析：識(shí)別類分析：該項(xiàng)技術(shù)偏向于對(duì)靜態(tài)場(chǎng)景的分析處理，通過(guò)圖像識(shí)別、圖像比對(duì)及模式匹配等核心技術(shù)，實(shí)現(xiàn)對(duì)人、車、物等相關(guān)特征信息的提取與分析。如人臉識(shí)別技術(shù)、車 牌識(shí)別技術(shù)及照片比對(duì)技術(shù)等。行為類分析：該項(xiàng)技術(shù)側(cè)重于對(duì)動(dòng)態(tài)場(chǎng)景的分析處理，典型的功能有車輛逆行及相關(guān)交通違章檢測(cè)、防區(qū)入侵檢測(cè)、圍墻翻越檢測(cè)、絆線穿越檢測(cè)、物品偷盜檢測(cè)、客流統(tǒng)計(jì)等。圖像檢索類分析：該技術(shù)能按照所定義的規(guī)則或要求，對(duì)歷史存儲(chǔ)視頻數(shù)據(jù)進(jìn)行快速比對(duì)，把符合規(guī)則或要求的視頻濃縮、集中或剪切到一起，這樣就能快速檢索到目標(biāo)視頻。圖像處理類分析：主要是對(duì)圖像整體進(jìn)行分析判斷

3、及優(yōu)化處理以達(dá)到更好的效果或者 將不清楚的內(nèi)容通過(guò)算法計(jì)算處理達(dá)到看得清的效果。如目前的視頻增強(qiáng)技術(shù)（去噪、去霧、銳化、加亮等）、視頻復(fù)原技術(shù)（去模糊、畸變矯正等）。診斷類分析：該項(xiàng)分析主要是針對(duì)視頻圖像出現(xiàn)的雪花、滾屏、模糊、偏色、增益失衡、云臺(tái)PTZ失控、畫面凍結(jié)等常見(jiàn)的攝像頭故障進(jìn)行準(zhǔn)確分析、判斷和報(bào)警，如視頻質(zhì)量診 斷技術(shù)。二、智能分析核心算法介紹1.運(yùn)動(dòng)檢測(cè)算法幀差法相鄰或間隔較近的兩幀圖像中按照對(duì)應(yīng)位置直接進(jìn)行像素值相減，從而獲得差分圖像。在差分圖像中，若對(duì)應(yīng)位置處像素值很小，則可認(rèn)為其靜止；如果對(duì)應(yīng)位置的像素值較大，則可認(rèn)為此處為運(yùn)動(dòng)部分。幀差法相對(duì)簡(jiǎn)單，對(duì)于動(dòng)態(tài)環(huán)境具有較強(qiáng)的自

4、適應(yīng)性，魯棒性較好。但是易產(chǎn)生空洞現(xiàn)象，如果空洞過(guò)大則會(huì)影響輪廓完整性，將很難提取出準(zhǔn)確的運(yùn)動(dòng)目標(biāo)區(qū)域。應(yīng)用幀差法時(shí)要求背景絕對(duì)靜止或基本無(wú)變化，噪聲較小，目標(biāo)運(yùn)動(dòng)速度不為零，目標(biāo)區(qū)域內(nèi)亮度變化較為明顯。對(duì)于存在抖動(dòng)、噪聲等情況下的檢測(cè)效果不佳，對(duì)于動(dòng)態(tài)背景下的目標(biāo)跟蹤，則必須采用其他的方法先對(duì)全局運(yùn)動(dòng)做出補(bǔ)償，如塊匹配法、坐標(biāo)變換法等。背景差分法混合高斯模型法(Gaussian Mixture Model ，GMM)也稱為統(tǒng)計(jì)背景模型法。該算法的思想是：對(duì)于緩慢變化的背景，可以用正態(tài)分布來(lái)表征像素灰度值的變化，每一種背景像素的值都可以通過(guò)多個(gè)高斯分布的加權(quán)和來(lái)描述。最早提出的是三分布 GMM

5、，每個(gè)像素點(diǎn)用三個(gè)高斯分布來(lái)分別表征背景、前景的陰影、前景這三種不同的模式，但實(shí)際情況很復(fù)雜，對(duì) 背景、前景等模式都限定只用一個(gè)高斯分布來(lái)描述是不夠的。因而之后又出現(xiàn)了固定分布數(shù)K的混合高斯分布模型(Fixed-K Gaussian Mixture Model)以及后面發(fā)展而來(lái)的基于自適應(yīng)分布數(shù) K 的混合高斯分布模型(Adaptive-K Gaussian Mixture Model ，AKGMM)。二值化一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體， 最常用的方法就是設(shè)定一個(gè)閾值T,用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換

6、的最特殊的方法，稱為圖像的二值化。圖像的二值化，就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的只有黑和白的視覺(jué)效果。中值濾波中值濾波法是一種非線性平滑技術(shù)，它將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值。中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周圍的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。膨脹腐蝕膨脹和腐蝕是兩種基本的形態(tài)學(xué)運(yùn)算。腐蝕就是使用算法，將圖像的邊緣腐蝕掉，作用就是將目標(biāo)的邊緣的 毛刺”剔除掉，即將物體與周圍背景點(diǎn)分離

7、。膨脹就是使用算法，將圖 像的邊緣擴(kuò)大些，作用就是將目標(biāo)的邊緣或者是內(nèi)部的坑填掉，即將物體與周圍背景點(diǎn)結(jié)合。2.車牌識(shí)別算法車牌定位算法對(duì)經(jīng)過(guò)預(yù)處理后的二值車牌圖像進(jìn)行一階水平差分得到跳變點(diǎn)圖，分別統(tǒng)計(jì)水平和垂直方向上的跳變點(diǎn)個(gè)數(shù)（投影），通過(guò)設(shè)置標(biāo)簽和區(qū)域連通， 粗定位車牌的上下和左右邊界 ；選取 一定區(qū)域的車牌圖像進(jìn)行色彩空間轉(zhuǎn)換，判斷車牌底色；對(duì)大于一定傾斜角的車牌進(jìn)行水平矯正，使字符在同一水平線上 ；對(duì)矯正后的灰度圖像進(jìn)行 Sobel水平算子和垂直算子進(jìn)行邊 緣檢測(cè)并二值化，采用類似粗定位的方法對(duì)車牌進(jìn)行細(xì)定位。車牌切分算法算法是基于二值圖像進(jìn)行的，由于車牌顏色的不同，二值化車牌后得到

8、黑底白字、白底黑字兩種情況，這里將二值化后的車牌統(tǒng)一規(guī)定為黑底白字。由于二值圖像會(huì)丟失掉很多信息以及漢字的結(jié)構(gòu)等原因，可能會(huì)造成字符粘連模糊或斷裂的缺陷，增加切分的難度?？紤]到算法的實(shí)時(shí)性和適用性，采用投影法作為主要的分割法，根據(jù)車牌的先驗(yàn)知識(shí)（字符串的長(zhǎng)寬比、字符間隙、字符的長(zhǎng)寬比及筆劃寬度），配以對(duì)粘連字符、斷裂字符和車牌邊框干擾的特殊處理來(lái)完成字符分割。三、智能分析的現(xiàn)狀和應(yīng)用分析1. 智能分析產(chǎn)品的發(fā)展現(xiàn)狀前端智能與后端智能從智能分析產(chǎn)品部署來(lái)看， 主要有兩種模式：一類是前端智能產(chǎn)品， 一類是后端服務(wù)器 智能產(chǎn)品。兩種產(chǎn)品各有千秋，其中前端智能正在快速發(fā)展中。前端視頻分析顧名思義就是將

9、智能視頻分析算法集成在前端攝像機(jī)中，一臺(tái)攝像機(jī)就可以實(shí)現(xiàn)智能分析?；诤蠖朔?wù)器的智能視頻分析是指將智能算法軟件安裝在服務(wù)器中，前端普通攝像機(jī)的視頻傳入服務(wù)器，服務(wù)器對(duì)視頻流進(jìn)行圖像分析和處理。前者的優(yōu)點(diǎn)是對(duì)連接前端設(shè)備的網(wǎng)絡(luò)帶寬要求低，無(wú)需將視頻傳輸回監(jiān)控中心，只將報(bào)警信號(hào)傳回即可， 而且后端無(wú)需設(shè)置服務(wù)器機(jī)房，節(jié)省空間;但缺點(diǎn)是無(wú)法靈活切換各個(gè)前端設(shè)備的分析類型，一旦系統(tǒng)建設(shè)完成，無(wú)法改變特定前 端設(shè)備的智能類型。后者的優(yōu)勢(shì)是可以靈活切換服務(wù)器取流的前端設(shè)備，對(duì)任意的前端設(shè)備都可以應(yīng)用智能視頻分析功能（把非智能變?yōu)橹悄埽?，而且后續(xù)軟件升級(jí)更方便快捷；但其缺點(diǎn) 是當(dāng)服務(wù)器數(shù)量較多時(shí)會(huì)占用較大

10、的空間，同時(shí)對(duì)網(wǎng)絡(luò)的帶寬有一定的要求。非壓縮與壓縮視頻智能分析絕大多數(shù)的智能視頻分析算法是基于非壓縮圖像格式，如RGB或者YUV ,所以圖像信號(hào)在被采集以后不經(jīng)過(guò)壓縮直接送給視頻分析單元。幾乎所有的視頻分析系統(tǒng)都自帶有圖像采集功能，通常是通過(guò) BNC輸入模擬圖像信號(hào)。新部署的圖像監(jiān)控系統(tǒng)中圖像信號(hào)通常是 以H.264壓縮圖像流的形式存在。IPC通常也直接輸出壓縮圖像流，這就要求必須將圖像 流解壓還原成原始圖像格式后再進(jìn)行分析(前端智能可以直接使用 YUV進(jìn)行分析)，常用的壓縮格式都不是無(wú)損(lossless)壓縮。和壓縮前的原始圖像相比，解壓后的圖像會(huì)損失掉一 些信息，不過(guò)由于壓縮算法的特點(diǎn)，

11、丟失的信息通常是高頻的噪聲信號(hào)，所以對(duì)運(yùn)動(dòng)檢測(cè)的影響是較小的。當(dāng)然前提是壓縮流有足夠的帶寬，如果壓縮比太高，圖像會(huì)出現(xiàn)馬賽克”效應(yīng)，給視頻分析增加難度。2. 智能視頻分析的應(yīng)用場(chǎng)景(1) 金融安保應(yīng)用場(chǎng)景視頻智能分析在金融系統(tǒng)應(yīng)用比較廣泛，成熟度較好，普及率僅次于平安城市應(yīng)用，基于視頻智能分析的銀行安保系統(tǒng)是每個(gè)銀行(儲(chǔ)蓄所，ATM機(jī))的必備系統(tǒng)。主要包括以下檢測(cè)：人臉檢測(cè)：人臉檢測(cè)抓怕，用于人臉疊加、比對(duì)；多人臉監(jiān)測(cè)，用于 ATM機(jī)取款檢測(cè)；臉部遮擋監(jiān)測(cè)，用于盜搶等監(jiān)測(cè)。滯留物檢測(cè)：取款人遺留物檢測(cè)、加裝讀卡器、非法粘貼廣告。異常行為監(jiān)測(cè)：徘徊、扭打、人員接近、長(zhǎng)時(shí)間逗留。視頻異常檢測(cè)：視頻

12、遮擋、視頻丟失監(jiān)測(cè)，防止出現(xiàn)視頻存儲(chǔ)丟失，需要時(shí)無(wú)法檢索安保視頻。(2) 交通行業(yè)智能分析場(chǎng)景實(shí)時(shí)提取各個(gè)城市路口監(jiān)控視頻中的車牌、車型、車標(biāo)、顏色、駕駛者人臉等信息，通 過(guò)分布式計(jì)算集群對(duì)大量車輛信息進(jìn)行關(guān)聯(lián)挖掘，即可生成整個(gè)城市交通狀態(tài)的可視化網(wǎng)圖，如道路擁堵情況，易于擁堵的時(shí)段、趨勢(shì)，以及不同區(qū)域的車輛遷移路線，甚至根據(jù)時(shí)間、 天氣、節(jié)假日情況等信息預(yù)測(cè)交通狀況，從而為城市交通決策、應(yīng)急指揮提供精準(zhǔn)、實(shí)時(shí)的參考數(shù)據(jù)和信息支撐。車牌識(shí)別：技術(shù)和應(yīng)用已經(jīng)比較成熟，準(zhǔn)確率較高，用戶體驗(yàn)已很好。擁堵檢測(cè)：車速、車密度、排隊(duì)長(zhǎng)度、逆行、行人檢測(cè)，交通事故檢測(cè)拋，灑檢測(cè)，車 型、駕駛員檢測(cè)。(3)

13、群體事件分析對(duì)人群等目標(biāo)的正常行為和異常行為進(jìn)行分析。能夠?qū)^(qū)域或場(chǎng)景中群體的行為進(jìn)行分析，如統(tǒng)計(jì)穿越出入口或指定區(qū)域人的數(shù)量和密度，識(shí)別人群的整體運(yùn)動(dòng)特征，包括速度、 方向等；檢測(cè)公共場(chǎng)所是否有人員的聚集(規(guī)模)、奔跑、斗毆等異常行為， 提前預(yù)警防止踩踏等惡性事件的發(fā)生。四、智能分析面臨的問(wèn)題及未來(lái)發(fā)展趨勢(shì)1. 智能分析技術(shù)的難點(diǎn)智能分析技術(shù)面臨的難點(diǎn)是：智能分析的準(zhǔn)確率、智能分析對(duì)環(huán)境的適應(yīng)性及不同場(chǎng)景 使用的復(fù)雜性。(1) 檢測(cè)準(zhǔn)確率達(dá)不到理想效果。視頻分析技術(shù)的準(zhǔn)確率達(dá)不到非常理想的效果，特別是實(shí)時(shí)報(bào)警類的應(yīng)用， 誤報(bào)率和漏報(bào)率都是客戶最關(guān)心的問(wèn)題。如果誤報(bào)太高，客戶也接受不了，如果漏

14、報(bào)，客戶更加接受不了。特別是一些要求比較高的應(yīng)用，只要有漏報(bào)，實(shí)際作 用就微乎其微。(2) 智能分析對(duì)場(chǎng)景的要求較高，光照變化引起目標(biāo)顏色與背景顏色的變化，可能造成虛假檢測(cè)與錯(cuò)誤跟蹤。采用不同的色彩空間可以減輕光照變化對(duì)算法的影響，但無(wú)法完全消除其影響。(3) 安裝調(diào)試復(fù)雜。智能分析應(yīng)用產(chǎn)品幾乎都需要按每一個(gè)應(yīng)用場(chǎng)景進(jìn)行不同的參數(shù)調(diào) 試，而且會(huì)涉及到非常多的專業(yè)的參數(shù)調(diào)試。非專業(yè)人員根本無(wú)法調(diào)試出理想效果。2. 大數(shù)據(jù)與智能分析的融合大數(shù)據(jù)與視頻監(jiān)控具有天然的聯(lián)系，據(jù)統(tǒng)計(jì)，每天全國(guó)新產(chǎn)生的視頻數(shù)據(jù)達(dá)PB級(jí)別(PB=1024T)，占全部大數(shù)據(jù)份額的 50%以上，因此視頻就是大數(shù)據(jù)。在安防領(lǐng)域，主要的 數(shù)據(jù)來(lái)源是視頻，與其他行業(yè)結(jié)構(gòu)化的數(shù)據(jù)不一樣，視頻本身就是一種非結(jié)構(gòu)化的數(shù)據(jù)，不能直接被計(jì)算機(jī)進(jìn)行處理或分析。因此，安防要進(jìn)行大數(shù)據(jù)應(yīng)用， 首先就要采用智能分析技術(shù)將非結(jié)構(gòu)化的視頻數(shù)據(jù)轉(zhuǎn)換成計(jì)算機(jī)能夠識(shí)別和處理的結(jié)構(gòu)化信息，即將視頻中包含的各種信息(主要是運(yùn)動(dòng)目標(biāo)及其特征)提取出來(lái)轉(zhuǎn)成文字描述并與視頻幀建立索引關(guān)聯(lián)，這樣才能通過(guò)計(jì)算機(jī)來(lái)對(duì)這些視頻進(jìn)行快速搜索、比對(duì)、分析等。綜上分析，智能分析具有如下發(fā)展趨勢(shì)：(1) 算法準(zhǔn)確率和環(huán)境適應(yīng)性不斷提高，特別是機(jī)器學(xué)習(xí)、人工智能等技術(shù)的不斷進(jìn)步，促