论文部分内容阅读
摘 要：智能视频监控是提高监控效率、提升监控质量的核心技术。论文从运动目标检测、目标跟踪、视频检索和行为模式分析等方面系统的论述了智能视频监控技术，并指出其广泛的应用前景。
关键词：视频监控；智能技术；目标跟踪
中图分类号：TP277 文献标识码：A
Technology and Application of Intelligent Video Surveillance
HAN Yun，ZHENG Shang-zhi
（Computer Department of Chaohu College，AnhuiChaohu 238000）
Key words: Video Surveillance；intelligent technology；Target detection
随着人们对安全需求的增长以及监控信息的急剧膨胀，采用人工方式来监管视频监控已不能满足实际需要。体现在：一是由于工作人员疲倦引起的监控失效；二是由于事后查询时间过长不能满足实时查询；三是不能提供实时报警及时阻止异常事件发生。智能视频监控将传统监控的“事后查询”改进为“主动防护”，提供实时报警、事后快速视频查询、事前趋势预测等诸多功能，可应用于军事、公安、银行、交通、宾馆饭店、重要仓库、体育场馆、智能大厦、文明小区、飞机场等场所和领域，有效防止各类刑事案件和自然灾害（火灾)等事件的发生，是保证现代社会公共安全的重要高科技手段。
1 智能视频监控的核心技术
智能视频监控的核心就是智能化，为实现智能化需采用多项新技术。用于检测目标的运动目标检测技术、对特定对象进行记录的运动跟踪技术、用于快速事后查询的自动视频检索技术以及对目标进行分析和预测的行为模式分析技术。
1.1运动目标检测技术
运动目标检测从视频图像序列中，将感兴趣的运动区域从背景图像中提取出来。它是智能视频监控的基础，为目标分类、目标跟踪和行为分析提供所必须的数据。但背景图像及其环境的动态变化，使得可靠的运动检测变得相当困难。目前常用方法有：
（1）时间差分法：时间差分法是运动检测最常用的算法之一。该方法利用视频序列中相邻两帧图像亮度差值的绝对值来分析序列的运动特性，确定视频序列中有无运动物体。时间差分法能够较快适应背景的动态变化，但是该方法对于图像噪音比较敏感，也无法提取完整的运动目标，算法的检测效果一般。
（2）光流法：基于光流法的运动检测采用了运动目标随时间变化的光流特性，通过计算光流来检测运动。如通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效的提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，大多数的光流计算方法较复杂，且抗噪性能差，若没有专用硬，很难实现实时检测。
（3）背景减除法：背景减除法也是目前运动检测中常用的方法，它的基本思想是将输入图像与背景模型进行比较，通过判定灰度特征的变化，或用直方图等统计信息的变化来判断异常情况的发生和分割运动目标。该方法的关键是对背景模型的建立和背景图像的更新。目前常用的背景估计方法是基于自适应的方法和基于分布模型的方法。
1.2目标跟踪技术
目标跟踪是在视频序列中对感兴趣的目标进行有效的跟踪，是智能视频监控系统的一个重要组成部分。在视觉分析系统的处理过程中，跟踪是位于运动检测和目标分类之后，行为理解与描述之前的不可缺少的关键步骤。跟踪即是在连续的图像帧间，创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题。常用的方法有：
（1）基于模型的跟踪：该方法对目标建立模型，利用模型来产生运动目标的描述，通过在连续的图像帧间，匹配模型来获得目标运动的定量描述适用于人体运动跟踪的线图模型、椭圆锥台三维人体模型等。但这种方法计算量大，很难满足实际应用。
（2）基于轮廓的跟踪：该方法利用感兴趣目标轮廓的全局信息，获得一条封闭的轮廓曲线，不需要得知感兴趣目标的任何先验知识，在边缘检测、图象分割、目标跟踪和三维重构等方面得到了广泛应用。但这种方法计算的复杂性比较大，而且不能用这种方法处理大量的非刚性的物体运动。需进一步优化，目前主要采用可变的目标运动模型，如活动的轮廓模型或者是网状模型。
（3）基于特征的跟踪：基于特征的跟踪包括特征的提取和特征的匹配两个过程。Segen与Pingali的跟踪系统使用了运动轮廓的角点作为对应特征，这些特征点采用基于位置和点的曲率值的距离度量在连续帧间进行匹配。以卡尔曼滤波形式的点、线特征的跟踪技术在计算机视觉领域中已被很好地开发，如Jang与Choi利用区域的形状、纹理、色彩和边缘特征信息建立了活动模板，结合卡尔曼滤波的预测方法，使特征匹配能量函数最小化来完成运动目标的跟踪过程，该活动模型对于非刚性物体的跟踪具有很好的自适应性。
（4）基于外表的跟踪：它依赖于目标的动态模型，当目标进入场景的时候新的外表模型随即建立，这种方法依赖于整个区域所提供的运动、颜色、纹理等信息。这种方法不能处理复杂的变形目标；
1.3视频检索技术
视频检索就是要从大量的视频数据中找到所需的视频片段。目前研究最多是基于内容的视频检索，其研究集中在识别和描述图像的颜色、纹理、形状、空间关系的基础上，对视频数据进行镜头边缘检测、关键帧选取以及故事情节的重构。
目前国外己经开发出多种视频数据检索系统，如QBIC,J ACOB, PHOTOBOOK, VIRAGE, Video STAR等，反映出视频数据检索系统研究的主要成果。但在国内还是刚起步。目前研究的难点集中在视频预处理(镜头分割、场景分割、视频结构索引等)、视频图像的内容分析(视觉特征提取、字符检测与识别、人脸检测与特征提取)、语音特征提取与伴音分析、可视化友好界面的设计等方面。基于内容的视频信息检索可应用于军事、医学、生产、娱乐等各个方面。随着视频处理和检索技术的完善，它将对人们生活的改善发挥越来越重要的作用。
1.4行为模式分析技术
行为模式分析技术是智能视频监控的关键技术，也是目前视频监控发展的方向之一。该技术通过对视频数据的海量信息进行自动分析，过滤用户不关心的，提取用户关注的信息，实时发现监控画面的异常，预测可能发生的事件，最大限度的降低误报、提高监控效率。通常行为分析就是将视频图像中目标的动态行为时间序列与预先标定的代表典型模式的参考序列进行匹配。
由于事件的未知性，不管事前标定的典型行为如何完备，总有一些预测不到的可疑行为，故行为模式分析技术必须具备自学习功能。该功能即是如何从视频样本中自动获取参考模式序列，是目前研究的关键。行为模式分析技术的作用体现在将视频监控的功能从"事后查询"改进到了"事前预测"，提升了视频监控的性能，是目前研究的难点，应用前景十分广阔。
2 智能视频监控的应用
目前智能视频监控已被广泛应用于生产、生活的各个方面，取得了明显的效果。应用可主要分为两类：实时报警和场景检测。其中实时报警可分为目标运动检测报警和特定目标检测报警两类。运动检测报警主要应用于：对特定监控区域运动物体进行报警，一旦在该区域出现物体运动即刻发出报警，如银行的金库；对物体移位进行报警，物体一旦越出划定的区域则发出报警，如博物馆中的展品；对目标运动特征进行报警，如在单行道上逆行的车辆进行报警。特定目标检测报警主要应用于：特定区域物体滞留检测，当检测到有物体长时间滞留时发出报警，如在火车站、地铁有被遗弃的包时发出报警；特定人员检测报警，通过识别技术检测到特定的人员即刻发出报警，如在车站、机场验票口一旦检测出犯罪分子则发出报警。
场景检测则是智能监控系统的另一个重要应用，主要分为：人员数量检测，如在公交站台通过检测候车人数为公交调度提供有利的支持；交通检测，通过对整个城市交通的实时检测，即是发布交通信息提高交通效率。生产流程检测，通过对整个生产流程的检测可实时监控生产状况，为优化生产线提供依据。作为场景检测的功能应用将会越来越广泛。
3 结束语
通过上述的研究表明：目前智能视频监控还主要停留在目标检测、目标跟踪及简单的视频分析层面，对视频数据的智能分析还不够。智能视频监控将会与人工智能等多项技术相结合，到达快速智能分析、准确趋势预测、及时报警以及提供实时处理建议等诸多功能。可预见随着人们对安全需求的日益强烈，智能视频监控系统将在不断改进中得到快速发展，成为视频监控的核心。
参考文献：
[1]McKenna S,et al,Tracking groups of people[J ].Computer Vision and Image Understanding,2000,80(1):42256.
[2]吕金刚,杨建全,文代明等.智能视频监控技术的应用与发展[J].通信电源技术,2006,23(5):62-67.
[3]吴英丽,陈胜权,刘旭明.一种改进的嵌入式智能视频监控系统[J].电视技术，2008，32（4）：91-93.
[4]赵志诚，蔡安妮.基于全局运动的视频检索方案[J].北京邮电大学学报，2006.8,29(4):18-23.
[5]张便利，常胜江，李江卫等.基于彩色直方图分析的智能视频监控系统[J].物理学报，2006，55（12）.
本文系安徽省教育厅自然科学研究项目（省级重点：KJ2008A35ZC），巢湖学院科研基金资助项目（院级重点：XLZ-200701）
关键词：视频监控；智能技术；目标跟踪
中图分类号：TP277 文献标识码：A
Technology and Application of Intelligent Video Surveillance
HAN Yun，ZHENG Shang-zhi
（Computer Department of Chaohu College，AnhuiChaohu 238000）
Key words: Video Surveillance；intelligent technology；Target detection
随着人们对安全需求的增长以及监控信息的急剧膨胀，采用人工方式来监管视频监控已不能满足实际需要。体现在：一是由于工作人员疲倦引起的监控失效；二是由于事后查询时间过长不能满足实时查询；三是不能提供实时报警及时阻止异常事件发生。智能视频监控将传统监控的“事后查询”改进为“主动防护”，提供实时报警、事后快速视频查询、事前趋势预测等诸多功能，可应用于军事、公安、银行、交通、宾馆饭店、重要仓库、体育场馆、智能大厦、文明小区、飞机场等场所和领域，有效防止各类刑事案件和自然灾害（火灾)等事件的发生，是保证现代社会公共安全的重要高科技手段。
1 智能视频监控的核心技术
智能视频监控的核心就是智能化，为实现智能化需采用多项新技术。用于检测目标的运动目标检测技术、对特定对象进行记录的运动跟踪技术、用于快速事后查询的自动视频检索技术以及对目标进行分析和预测的行为模式分析技术。
1.1运动目标检测技术
运动目标检测从视频图像序列中，将感兴趣的运动区域从背景图像中提取出来。它是智能视频监控的基础，为目标分类、目标跟踪和行为分析提供所必须的数据。但背景图像及其环境的动态变化，使得可靠的运动检测变得相当困难。目前常用方法有：
（1）时间差分法：时间差分法是运动检测最常用的算法之一。该方法利用视频序列中相邻两帧图像亮度差值的绝对值来分析序列的运动特性，确定视频序列中有无运动物体。时间差分法能够较快适应背景的动态变化，但是该方法对于图像噪音比较敏感，也无法提取完整的运动目标，算法的检测效果一般。
（2）光流法：基于光流法的运动检测采用了运动目标随时间变化的光流特性，通过计算光流来检测运动。如通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效的提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，大多数的光流计算方法较复杂，且抗噪性能差，若没有专用硬，很难实现实时检测。
（3）背景减除法：背景减除法也是目前运动检测中常用的方法，它的基本思想是将输入图像与背景模型进行比较，通过判定灰度特征的变化，或用直方图等统计信息的变化来判断异常情况的发生和分割运动目标。该方法的关键是对背景模型的建立和背景图像的更新。目前常用的背景估计方法是基于自适应的方法和基于分布模型的方法。
1.2目标跟踪技术
目标跟踪是在视频序列中对感兴趣的目标进行有效的跟踪，是智能视频监控系统的一个重要组成部分。在视觉分析系统的处理过程中，跟踪是位于运动检测和目标分类之后，行为理解与描述之前的不可缺少的关键步骤。跟踪即是在连续的图像帧间，创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题。常用的方法有：
（1）基于模型的跟踪：该方法对目标建立模型，利用模型来产生运动目标的描述，通过在连续的图像帧间，匹配模型来获得目标运动的定量描述适用于人体运动跟踪的线图模型、椭圆锥台三维人体模型等。但这种方法计算量大，很难满足实际应用。
（2）基于轮廓的跟踪：该方法利用感兴趣目标轮廓的全局信息，获得一条封闭的轮廓曲线，不需要得知感兴趣目标的任何先验知识，在边缘检测、图象分割、目标跟踪和三维重构等方面得到了广泛应用。但这种方法计算的复杂性比较大，而且不能用这种方法处理大量的非刚性的物体运动。需进一步优化，目前主要采用可变的目标运动模型，如活动的轮廓模型或者是网状模型。
（3）基于特征的跟踪：基于特征的跟踪包括特征的提取和特征的匹配两个过程。Segen与Pingali的跟踪系统使用了运动轮廓的角点作为对应特征，这些特征点采用基于位置和点的曲率值的距离度量在连续帧间进行匹配。以卡尔曼滤波形式的点、线特征的跟踪技术在计算机视觉领域中已被很好地开发，如Jang与Choi利用区域的形状、纹理、色彩和边缘特征信息建立了活动模板，结合卡尔曼滤波的预测方法，使特征匹配能量函数最小化来完成运动目标的跟踪过程，该活动模型对于非刚性物体的跟踪具有很好的自适应性。
（4）基于外表的跟踪：它依赖于目标的动态模型，当目标进入场景的时候新的外表模型随即建立，这种方法依赖于整个区域所提供的运动、颜色、纹理等信息。这种方法不能处理复杂的变形目标；
1.3视频检索技术
视频检索就是要从大量的视频数据中找到所需的视频片段。目前研究最多是基于内容的视频检索，其研究集中在识别和描述图像的颜色、纹理、形状、空间关系的基础上，对视频数据进行镜头边缘检测、关键帧选取以及故事情节的重构。
目前国外己经开发出多种视频数据检索系统，如QBIC,J ACOB, PHOTOBOOK, VIRAGE, Video STAR等，反映出视频数据检索系统研究的主要成果。但在国内还是刚起步。目前研究的难点集中在视频预处理(镜头分割、场景分割、视频结构索引等)、视频图像的内容分析(视觉特征提取、字符检测与识别、人脸检测与特征提取)、语音特征提取与伴音分析、可视化友好界面的设计等方面。基于内容的视频信息检索可应用于军事、医学、生产、娱乐等各个方面。随着视频处理和检索技术的完善，它将对人们生活的改善发挥越来越重要的作用。
1.4行为模式分析技术
行为模式分析技术是智能视频监控的关键技术，也是目前视频监控发展的方向之一。该技术通过对视频数据的海量信息进行自动分析，过滤用户不关心的，提取用户关注的信息，实时发现监控画面的异常，预测可能发生的事件，最大限度的降低误报、提高监控效率。通常行为分析就是将视频图像中目标的动态行为时间序列与预先标定的代表典型模式的参考序列进行匹配。
由于事件的未知性，不管事前标定的典型行为如何完备，总有一些预测不到的可疑行为，故行为模式分析技术必须具备自学习功能。该功能即是如何从视频样本中自动获取参考模式序列，是目前研究的关键。行为模式分析技术的作用体现在将视频监控的功能从"事后查询"改进到了"事前预测"，提升了视频监控的性能，是目前研究的难点，应用前景十分广阔。
2 智能视频监控的应用
目前智能视频监控已被广泛应用于生产、生活的各个方面，取得了明显的效果。应用可主要分为两类：实时报警和场景检测。其中实时报警可分为目标运动检测报警和特定目标检测报警两类。运动检测报警主要应用于：对特定监控区域运动物体进行报警，一旦在该区域出现物体运动即刻发出报警，如银行的金库；对物体移位进行报警，物体一旦越出划定的区域则发出报警，如博物馆中的展品；对目标运动特征进行报警，如在单行道上逆行的车辆进行报警。特定目标检测报警主要应用于：特定区域物体滞留检测，当检测到有物体长时间滞留时发出报警，如在火车站、地铁有被遗弃的包时发出报警；特定人员检测报警，通过识别技术检测到特定的人员即刻发出报警，如在车站、机场验票口一旦检测出犯罪分子则发出报警。
场景检测则是智能监控系统的另一个重要应用，主要分为：人员数量检测，如在公交站台通过检测候车人数为公交调度提供有利的支持；交通检测，通过对整个城市交通的实时检测，即是发布交通信息提高交通效率。生产流程检测，通过对整个生产流程的检测可实时监控生产状况，为优化生产线提供依据。作为场景检测的功能应用将会越来越广泛。
3 结束语
通过上述的研究表明：目前智能视频监控还主要停留在目标检测、目标跟踪及简单的视频分析层面，对视频数据的智能分析还不够。智能视频监控将会与人工智能等多项技术相结合，到达快速智能分析、准确趋势预测、及时报警以及提供实时处理建议等诸多功能。可预见随着人们对安全需求的日益强烈，智能视频监控系统将在不断改进中得到快速发展，成为视频监控的核心。
参考文献：
[1]McKenna S,et al,Tracking groups of people[J ].Computer Vision and Image Understanding,2000,80(1):42256.
[2]吕金刚,杨建全,文代明等.智能视频监控技术的应用与发展[J].通信电源技术,2006,23(5):62-67.
[3]吴英丽,陈胜权,刘旭明.一种改进的嵌入式智能视频监控系统[J].电视技术，2008，32（4）：91-93.
[4]赵志诚，蔡安妮.基于全局运动的视频检索方案[J].北京邮电大学学报，2006.8,29(4):18-23.
[5]张便利，常胜江，李江卫等.基于彩色直方图分析的智能视频监控系统[J].物理学报，2006，55（12）.
本文系安徽省教育厅自然科学研究项目（省级重点：KJ2008A35ZC），巢湖学院科研基金资助项目（院级重点：XLZ-200701）