基于计算机技术的智能视频监控系统探讨

王加梁

（四川旅游学院，四川成都 610100）

随着信息技术及计算机硬件的发展，现代监控系统已经实现了网络技术、计算机技术、集成化技术等多技术的融合，但是就其在实际应用中存在一个突出的问题：人工参与工作。鉴于上述原因，有关人员提出了基于计算机技术的智能视频监控技术理念，该技术应用基于计算机的多种技术，如视觉分析技术、图像分析技术、模式识别技术等进行主动监控，对摄像头录入的图像信息进行自动分析，在复杂环境下的目标识别与跟踪等，进而对目标的行为进行判断，代替人工完成监控任务。

1 智能视频监控技术的优势分析

1.1 不间断可靠监控

依托人力的传统视频监控系统要求监控端7x24小时保持监控人员实时在线和主观判断，而基于计算机技术的智能视频监控技术则可以消除监控对人的依赖，只需要利用其前端设备进行图像录入，即可在后端利用计算机信息处理技术对画面进行实时分析。设备在线的实现相较于监控人员在线更容易实现，且不会产生类似于监控人员的疲劳状态，故可靠性能较高。

1.2 报警精度高

由于使用了多种计算机技术和高级算法，智能视频监控系统可以对安全威胁进行精确描述和判断，还能够根据分析数据对潜在威胁进行预警，降低误报和漏报现象出现的几率，提高报警精度。

1.3 响应速度快

由于智能视频监控系统可以根据历史图像信息对可疑活动进行识别和判断，故其可以在威胁出现前或者异常情况出现时对监控人员发出报警信号。配合使用适当的安全防护策略，系统还可以按照预定操作对出现的异常情况做出反应，有效避免特殊情况下人为因素导致的响应延误。

1.4 视频资源应用广泛

相较于传统视频监控系统而言，智能视频监控系统可以对目标行为进行判断并生成日志等存储文件，以便于后续的视频再利用。如当视频监控系统应用于服务领域时，若出现具有VIP客户身份特征的人物时，智能视频监控系统可以通知服务人员做好相应的准备工作或服务工作；当智能视频监控系统应用于消费领域时，可对一段时期内的多目标进行特征分析和统计，便于后续应用获得的统计数据进行业务安排或者活动开展等。

2 智能视频监控系统的关键技术研究

2.1 移动目标实时监测和提取技术

该技术主要是综合利用动态场景中的多帧图像进行图像分析和图像处理，从图像序列中按照一定的算法结构将目标从背景环境中提取出来，实现对运动目标的检测或对静止目标的监控。对图像进行目标提取首先需要对背景图像进行区域分割，减小运算量，但是在视频监控环境中的背景图像非常复杂，存在诸如光线、阴影、移动等。

当前的移动目标提取技术主要分为两种，一种为背景消除法，一种为时间差分法。其中，背景消除法是利用监控设备的固定特性将当前图像与预先截取的背景图像进行差分运算，利用运算结果获得目标的轮廓并对目标进行提取，获得较为完整的目标运动特征。该技术具有较高的提取精确度和灵敏度，但是需要高性能的硬件设备的支持，且对环境中的变化因素较为敏感，如场景光线等。而时间差分法则是综合应用监控视频中的连续多帧画面进行图像特征分析和比较，获得所需提取的移动目标的特征信息，其实质就是对相邻多帧的图像进行区域比较。

2.2 移动目标跟踪技术

该技术在移动目标提取之后可对所提取的目标创建相关参数，进行跟踪。就跟踪对象而言，对移动目标的跟踪可分为目标部分身体特性跟踪和目标整体跟踪两类；就跟踪视角而言，可按照所使用的监控设备分为单一视角、多视角和全方位视角三类。除此之外还可以按照其他多种特性进行分类。

2.2.1 基于模型的跟踪技术

基于模型的跟踪主要应用数学算法构建人体模型，进而应用该模型对目标进行跟踪。常用的人体模型构建方式有三种。（1）线图法。该方法以直线来代替目标身体的各个部位。（2）二维轮廓法。该方法将目标模型在图像层面上进行投影，获得模型的平面表达，表达中的各种参数受关节运动的约束。（3）三维立体模型法。该方法将人体建立立体模型，如球、椭圆柱等，进行映射获得原始模型，再根据详细参数对模型进行修正获得较为精细的三维立体模型。

2.2.2 基于区域的跟踪技术

该跟踪技术应用较为广泛。其核心是将人体按照特征划分成头、躯干、四肢等区域部分，对于每一部分均应用数学算法构建模型，对于监视区域内的移动目标分别跟踪其身体各个部分，进而完成对整体的跟踪。该技术的关键点是为对目标阴影和遮挡的处理，在该部分的处理中可应用色彩信息和阴影的性质得到解决。

2.2.3 基于活动轮廓的跟踪技术

该技术的实现主要是根据对移动目标进行轮廓提取和轮廓连续更新，用该轮廓来描述和跟踪移动目标。该技术可以大大减小人体模型构建的运算量，且运算复杂度也相对较低。若在较好环境下对多个移动目标进行轮廓描述较为完整，则可以有效改善基于区域的目标跟踪法中光线变化剧烈或目标特征被遮挡情况下的目标跟踪难题。

2.2.4 基于特征的跟踪技术

该技术的实现是将移动目标定位到一个封闭矩形框中，该框中的质心或角点可被认为是目标的跟踪特征，只要跟踪特征不被长时间覆盖或者遮挡，即可实现对目标的跟踪。该技术实现简单，受环境变化影响较小。

2.3 目标分类技术

该技术主要用于将特定目标从背景环境中提取出来，与移动目标提取技术相比，该技术更具有针对性，需要对多目标进行区分，以获得所需的目标。智能视频监控系统中的目标分类技术主要分为两类，一类是基于目标运动特性的分类技术，另一类为基于目标形状信息的分类技术。其中基于目标运动特性的分类技术主要利用目标运动过程中存在的周期性特征对目标进行定位和分类，该技术中目标色彩特征对目标的分类影响较小。基于形状信息的分类技术则是对目标运动区域的形状特征进行目标分类，如利用分散度信息和图像面积信息对动态场景的区域进行分类可以获得人、车以及混乱扰动的分类等。

2.4 行为识别技术

行为识别技术是智能监控系统的核心技术。该技术可被认为是对监控数据序列与预先标定的典型行为进行特征匹配。通过行为识别技术，可以判断目标潜在行为是否存在威胁性。

2.4.1 状态空间法

该方法将多个静态动作按照一定的概率联系起来组成状态库，目标行为的任一状态均可以认为是状态库中不同状态之间的一次遍历，状态空间法则是利用这些遍历进行概率运算，选取最大概率的事件作为目标行为。

2.4.2 模板匹配法

该方法的实现是根据将图像序列转换为一组静态形状模式，在对目标进行行为识别时，该模式与状态库中的模板进行比较，超过一定相似度的行为即可认定为目标行为。

3 智能视频监控系统的实现流程

智能视频监控系统的硬件设计为模块化设计方式，包含前端信息采集模块、智能视频分析模块、监控中心模块以及数据存储模块等多个部分。其中智能视频分析模块为该系统的核心模块，主要用于对数字图像中移动目标的处理和分析，如自动检测、识别、跟踪和报警等。

智能视频分析模块的部署可以是硬件的方式如嵌入式DSP板卡，也可以是软件算法的方式。其接受来自上位机的规则和策略对模块参数进行设置，然后接收前端信息采集模块，如固定摄像头采集到的视频信息等，并进行数据处理和实时分析，分析完毕的结果与系统用户预设的规则或模板库进行对照，按照对照结果向用户发送相关信息，如预警、报警等。此外，当系统发现可疑行为时还需要对目标进行跟踪和预判，根据预警机制做出应答动作。

4 智能视频监控系统的应用领域

智能视频监控系统按照应用领域对安全性能的需求可分为安全相关应用领域以及非安全相关应用领域两类。其中安全相关领域的应用为智能视频监控系统的主要应用领域。这类领域中，智能视频监控系统的作用为协助相关安全部门提供公共或者特殊区域的安全防护手段，如高级视频移动侦测、人物面部识别、车辆识别、物体追踪以及非法滞留物检测等。

非安全相关类应用则是以面向消费服务领域为主，可为服务、零售、医保等活动提供管理和统计等辅助工具，用以提高服务质量水平。如商场的客流量统计、公共场所的人群控制、注意力控制以及交通流量控制等。

5 智能视频监控系统中存在的问题

我国市场中的智能视频监控系统存在两个突出问题，一是市场中的产品多数来自国外，其掌握了核心技术，并参与到了系统的安装、运行和维护过程中，这就为系统应用安全带来了极大的潜在隐患。二是智能视频监控系统涉及四部分关键技术，其中运动目标检测和目标跟踪相对较为容易实现，而目标分类和目标行为识别则属于图像数据的中、高级处理技术部分，在可实现度方面还有所欠缺，虽然国外学者已经提出相关的算法，但是这些算法还停留在理论阶段，距离真正应用还存在一段时间。

对于上述情况，必须加强产学研结合，推动智能视频监控系统的发展、完善和应用。

6 总结

智能视频监控系统系统依托计算机的强大功能实现了智能视频分析、智能视频检索等多种技术在视频监控领域的集成应用，在未来，智能视频监控必然会成为主流的监控应用。

[1]郑世宝.智能视频监控技术与应用[J].电视技术，2009，33（1）

[2]李立仁，李少军，刘忠领.智能视频监控技术综述[J].中国安防，2009（10）

[3]蒋馨.浅析国外智能视频监控技术的发展及应用[J].中国安防，2011（10）

[4]周杰.智能视频分析技术初探[J].城市建设理论研究（电子版），2012（19）

[5]江浩.智能视频分析技术的应用与发展[J].中国安防，2012（8）