基于视频的场景智能分析研究

刘世清

【摘要】随着社会先进技术的快速发展，视频数量呈爆炸式增长，人工视频分析处理耗费人力精力，很难达到高效和准确。而利用计算机技术对视频内在隐藏的信息进行分析和提取，在很大程度上满足了人们的需求。本文基于人们对视频信息分析和处理的需求现状，对其中基于视频的场景智能分析技术做进一步探究。

【关键词】视频；场景智能分析；探究

20世纪90年代，在行业中就已经出现了视频智能分析技术的雏形产品，随着监控技术的发展已经逐渐成熟，如今已经完成了从概念到产品的转变。现在智能分析技术已经成为视频监控的重要组成部分，并被广泛应用。

1.视频智能分析处理

目前，视频数量不断在增长，仅依赖于人工对视频的分析处理，在耗费大量人力精力的同时，又达不到工作要求的准确性和高效性。而视频的智能分析处理，可以通过对图像的处理、计算机视觉和模式识别等技术对视频进行智能分析，进而提取出相关信息并做出反应。所以，视频智能分析技术处理必然会因其自身的智能化与自动化的优势，成为视频分析处理未来研究的焦点。图像处理、计算机视觉、模式识别是视频智能分析处理的关键技术领域。

（1）图像的处理技术是以图像作为输入，图像或与图像相关的特征作為输出的信号处理技术。通常情况下的图像处理技术会将图像作为二维信号，并对其进行信号处理。而视频的智能分析处理，就要运用图像处理的基本技术对其进行分析处理。

（2）计算机视觉是指机器通过提取图像中的相关信息来解决任务。计算机视觉作为一门学科，更注重的是从图像中提取相关信息的人工智能理论，能够为视频智能分析处理技术提供二维与三维信息。

（3）模式识别主要是指对表征事物或者现象的不同形式信息进行分析处理，同时对事物或现象进行描述、辨认、分类以及解析的过程，图像和视频的分析处理技术是其重要应用领域。充分利用模式识别技术，有助于计算机对视频信息的充分剖析。

视频的智能分析处理技术应用十分广泛。其中基于视频的场景智能分析即智能视频监控系统软件算法是其重要的应用领域之一。它能够通过对视频场景信息的分析，来检测出监控信息的统计与规则触犯与否。

2.基于视频的场景智能分析

2.1 智能视频监控系统

随着我国社会经济建设的发展，视频监控技术在生产生活中也有了十分广泛的应用，例如银行、电力、安检和军事设施等方面对安全防范与现场记录报警系统都有较高的需求。智能视频分析技术的优点主要表现在三方面：反应时间迅速灵敏，报警触发的反应时间可以说是毫秒级反应；有效监视，只需要安保操作员注意相关信息；具有超强的数据检索与分析能力，为系统快速提供反应时间与调查时间。以下是智能视频监控系统主要应用的几个方面：

（1）智能视频监控系统在安防领域中的应用

摄像机保护：摄像机完好是工作进行的必要基础，如摄像机遭到破坏，整个工作将会瘫痪。因此，摄像机保护是一项十分重要的检测初期工作，发现摄像机被移动、遮挡、不清晰等情况要能及时的自动转移，报警并且通知维修人员。

入侵检测方面应用：在比较危险的环境，对相关人员以外的人进行实时检测，例如对是否有人闯入铁轨、机场跑道等情况进行入侵检测。

非法滞留：对一个物体长时间在敏感区停留或者超过预定时间的情况产生报警。机场、火车站、地铁站、银行等场景都应特别监控。例如当有人在ATM取款机旁长时间徘徊逗留，就有可能存在异常情况。

异常行为检测：异常行为检测是指对除去非法滞留和入侵检测以外的其他异常行为进行检测，例如打架斗殴、破坏公共用品、过多人群聚集等。

（2）智能视频监控系统在高效智能管理方面应用

人员方面管理：对出现在交通场合或商业场合的人员进行监控。如对队列长度、人员数量、乘客的平均等待时间，相关管理部门根据现场情况进行合理引导和疏通；对反向出现在车站出入口的乘客进行检测并给予警告。

车辆交通方面管理：现代城市私家车越来越多，对车辆的管理是城市交通管理的重要环节。为了保证车辆畅通，可对非法停靠车辆、故障车辆、交通事故等进行检测，及时反应所监视路段的车辆、行人情况和交通治安情况等。

2.2 场景智能分析的关键技术

智能视频监控的关键技术就是在于它的软件算法─场景智能分析。结合实际应用分析，总结出场景智能分析的关键算法和技术，可知它们几乎覆盖所有的场景智能分析中：

（1）前景检测。

前景检测的主要工作任务就是从背景区域中将意向物体分割出来，对视频图像进行前景检测得出的图像通常情况下会作为跟踪算法的输入。所以，前景检测的工作质量，会间接影响到后期的监控结果。要想做好前景检测工作，使其达到实际应用要求，就要防止天气、光照以以及阴影等因素对检测结果造成干扰。

（2）跟踪算法。

在智能视频监控应用中，几乎都会用到跟踪算法，所以对跟踪算法的设计十分重要。在目标跟踪过程中，由于目标不同经常会出现交叉遮挡的现象，使跟增难度增大；同时，非刚性物体的形状在时间变化的情况下会随着有所改变，这也在很大程度上提高了对目标跟踪算法的要求。

（3）目标的分类。

通常在多个目标情况下跟踪单个目标，或多个目标跟踪多个目标时会用到目标的分类。在多个运行目标的情况下，可以把每个目标分别提取出来，然后根据每个目标的位置、速度、外形和颜色等特性进行分类。

（4）异常行为检测。

异常行为检测是指在监控中，检测出被监控人员的异常行为，如拿枪、摔倒等情况，并给予通知警告。一般情况下，应是需要在三维空间内才能解决的问题，所以计算机的复杂性、算法设计的难度相对来说比较大。

3.总结

视频场景智能分析技术的关键在于图像处理、计算机视觉、模式识别技术，其将会在人们的生产生活中得到更加广泛的应用，它不仅证明了时代的进步和发展，更是人们生产生活中安全防范的需求。

参考文献

[1]向桂山，王宣银，梁冬泰.基于人脸肤色和特征的实时检测跟踪算法[J].光电工程，2007（04）.

[2]李栋玉，欧阳宁，莫建文.基于组合型表面模型的运动目标跟踪[J].微计算机信息，2010（02）.

[3]肖志勇，秦华标.基于视线跟踪和手势识别的人机交互[J].计算机工程，2009（15）.

[4]王晓琳.基于计算机视觉的手势识别人机交互技术[J].硅谷，2009（19）.

[5]刘寅，滕晓龙，刘重庆.复杂背景下基于傅立叶描述子的手势识别[J].计算机仿真，2005（12）.

[6]黄春木，周利莉.密度分布特征及其在二值图像检索中的应用[J].中国图象图形学报，2008（02）.