【摘要】智能視頻監控技術源自計算機視覺與人工智能的研究，它的主要研究目標是利用計算機視覺技術、圖像視頻處理技術和人工智能技術對監控視頻的內容進行描述、理解和分析，并能根據分析的結果對視頻監控系統進行控制，從而使視頻監控系統具有較高層次的智能化水平。
智能視頻分析模塊獲取視頻序列后，首先通過圖像恢復或超分辨率復原技術提高圖像質量，然后對場景中的目標進行檢測、分類和跟蹤，進而實現視頻內容的分析理解，包括場景中的異常檢測、人的身份識別以及視頻內容的理解描述等。最后根據設定的規則產生報警，進而觸發后續業務處理。各步驟介紹如下：
目標檢測將輸入的視頻圖像中變化劇烈的圖像區域從圖像背景中分離出來，它處于視頻監控技術的前端，是各種后續處理的基礎。目前，算法主要包括背景減法、相鄰幀差法和光流法等。
目標分類利用一些圖像特征值實現目標類型(一般是人和車)的甄別。用于目標分類的特征有空間特征和時間特征兩種，空間特征包括目標輪廓、目標尺寸、目標紋理等，時間特征包括目標大小的變化、運動的速度等。
目標跟蹤依據目標及其所在的環境，選擇能表示目標的特征，并在后續幀中搜索與該特征最匹配的目標位置。常用的跟蹤算法包括：基于特征的跟蹤算法，基于3D模型的跟蹤，基于主動輪廓模型的跟蹤以及基于運動估計的跟蹤等。
智能分析。它位于智能視頻監控的高級階段，是實現視頻監控智能化的關鍵。包括異常檢測、身份識別及視頻內容理解等
異常檢測中典型的異常包括用戶定義的異常情況和非常規事件，檢測方法分為基于模型的方法和基于分類器的方法；
身份識別包括人臉識別和步態識別；
視頻內容理解是指在對序列進行低級處理的基礎上，對場景中的事件進行分析和識別，用自然語言等加以描述。
根據目前智能視頻分析技術的成熟度，智能視頻監控應用場景主要包括人數統計、車牌識別、事件檢測和視頻診斷等。
人數統計：統計穿越入口或區域的人或物的數量。例如可為商場統計每天的客流量
車牌識別：識別車輛的形狀、顏色、車牌號碼等特征，并反饋給監控者。此技術可應用于車輛黑名單追蹤。
事件檢測：對視頻進行周界監測與異常行為分析。異常行為包括雙向越界、單向越界、進入、離開、徘徊、無人值守、驟變、人員聚集、煙霧檢測、快速運動、逆行、打架等事件。
視頻診斷：對視頻圖像出現的雪花、滾屏、模糊、偏色、畫面凍結、增益失衡和云臺失控等常見攝像頭故障做出準確判斷并發出報警信息。該技術可應用于平安城市的建設中，自動檢測攝像機的狀態，從而減輕維護人員的工作強度。
根據智能視頻分析模塊所處的位置可將智能視頻監控產品分為兩種形態：前端智能和后端智能。其中，前端智能通過DSP方式實現，將智能視頻分析算法加載在視頻服務器、數字硬盤錄像機、網絡攝像機等前段設備中，對攝像頭采集的視頻數據直接進行分析。由于利用了DSP強大的硬件處理能力，同時前端設備的架設針對具體的智能視頻分析算法優化，從而提高了視頻分析準確率，因此目前智能視頻監控產品多為前端智能。后端智能通過純軟件實現，運行于普通PC或服務器上，構成視頻分析服務器。視頻分析服務器獲取壓縮的視頻流后，對視頻進行解碼、分析和處理。后端智能的優勢在于可以方便的與其它視頻監控應用軟件融合，而且不需要對已有的前端設備進行替換升級，保護原有投資，同時智能視頻分析單元可被多路視頻分析分時復用，降低整個系統的投入。但后端智能受限于視頻分析服務器的處理能力，而且已有前端設備的架設往往不滿足智能視頻分析的要求，導致視頻分析的準確率較低。
如果您對我們的監控補光燈感興趣或有疑問，請點擊聯系我們左側、右側客服或致電：，-專注于視頻監控領域的LED補光燈.
