機器視覺(jué)：為視頻監控帶來(lái)了哪些改變？

　　在信號處理理論與計算機出現以后，人們試圖用攝像機獲取環(huán)境圖像并轉換成數字信號，用計算機實(shí)現對視覺(jué)信息處理的全過(guò)程。這種使計算機能夠通過(guò)一幅或幅圖像認識周?chē)h(huán)境信息的研究目標，正是機器視覺(jué)。

　　作為機器視覺(jué)的代表應用，以攝像機為核心的視頻監控系統，目前已經(jīng)廣泛應用與安保、交通、樓宇、工業(yè)等各個(gè)行業(yè)領(lǐng)域。想要了解機器視覺(jué)究竟為視頻監控帶來(lái)了哪些改變，我們可以從機器視覺(jué)的幾大應用領(lǐng)域來(lái)進(jìn)一步分析。

　　目標識別

　　目標識別技術(shù)和穩定的追蹤方法是機器視覺(jué)發(fā)展的關(guān)鍵因素之一。它在很多領(lǐng)域都得到大量的應用，例如身份確認的指紋識別、人臉識別、虹膜識別以及在智能交通管理、機動(dòng)車(chē)檢測、停車(chē)場(chǎng)管理等場(chǎng)合的車(chē)牌識別等。

　　一個(gè)目標識別系統應該具有在復雜背景以及各種天氣情況下檢測、分類(lèi)、識別目標的能力，這樣才能有針對性地對目標進(jìn)行持續的跟蹤。

　　近些年來(lái)，目標識別技術(shù)已由理論探索、實(shí)驗室仿真逐漸走向實(shí)際應用，其技術(shù)方法也從經(jīng)典的統計模式識別，向著(zhù)基于知識、模型、多傳感器信息融合以及人工神經(jīng)網(wǎng)絡(luò )的識別方法演進(jìn)。

　　目標追蹤

　　運動(dòng)目標跟蹤是確定同一物體在圖像序列不同幀中位置的過(guò)程。其主要工作方式就是選擇好的目標特征和采用適當的搜索方法，根據匹配原理，把現有的跟蹤方法分為基于模型、區域、特征以及活動(dòng)輪廓的跟蹤。

　　基于模型的跟蹤

　　基于模型的跟蹤是通過(guò)一定的先驗知識對所跟蹤目標建立模型，然后通過(guò)匹配跟蹤模板，并實(shí)時(shí)更新模型。傳統的運動(dòng)物體表達方法有如下三種：

　　1. 線(xiàn)圖法：目標運動(dòng)的實(shí)質(zhì)是主框架的運動(dòng)，因此該表達方法將物體的各個(gè)部分以直線(xiàn)來(lái)近似。

　　2. 二維輪廓：該表達方法的使用與物體在圖像的投影有關(guān)。

　　3. 立體模型：利用廣義橢圓柱、球等三維模型來(lái)描述物體的結構細節。該方法往往需要在聯(lián)系的圖像幀間匹配三維模型來(lái)獲取物體運動(dòng)的定量描述，因此需要計算更多的參數，匹配過(guò)程的計算量更大。

　　基于特征的跟蹤

　　把預先提取的運動(dòng)區域作為匹配的目標模板，設定一個(gè)匹配度量，然后在下一幀圖像中匹配搜索目標圖像，把度量取極值得位置判定為最佳匹配點(diǎn)，這種方式便是機遇區域的跟蹤。

　　由于提取了較完整的目標模板，該方式相對于其他跟蹤算法能夠得到更豐富的圖像信息，因此廣泛應用于跟蹤較小的目標或對比度較差的目標。

　　基于活動(dòng)輪廓的跟蹤

　　利用一條封閉的參數化曲線(xiàn)來(lái)表達運動(dòng)目標輪廓，在由圖像構造的特征場(chǎng)中通過(guò)極小化以曲線(xiàn)函數為參數的能量進(jìn)行動(dòng)態(tài)迭代，使得該輪廓能夠自動(dòng)連續更新。相對于區域跟蹤方法，該方式計算量小，如果開(kāi)始能夠合理分開(kāi)每個(gè)運動(dòng)目標并實(shí)現輪廓初始化，那么即使有部分遮擋，也能連續的進(jìn)行跟蹤。

　　視覺(jué)分析

　　視覺(jué)分析技術(shù)，就是通過(guò)目標識別、目標追蹤方式之后，進(jìn)一步獲取目標的出現時(shí)間、運動(dòng)軌跡、顏色等諸多信息，通過(guò)對各個(gè)目標的上述信息的分析，找到視頻中存在的危險、違規行為或者可疑目標，并對這些行為和目標進(jìn)行實(shí)時(shí)報警、提前預警、存儲以及事后檢索。

　　在視覺(jué)分析的應用領(lǐng)域中，最為重要的便是智能視頻監控和智能視頻檢索技術(shù)。兩者的應用技術(shù)相近，主要區別在于：智能視頻監控是對當時(shí)采集的視頻進(jìn)行實(shí)時(shí)處理，當發(fā)現危險事件或者可疑分子時(shí)進(jìn)行實(shí)時(shí)報警;而智能視頻檢索技術(shù)，處理的是已經(jīng)發(fā)生過(guò)的存儲視頻，其通過(guò)對視頻進(jìn)行快速分析，找到其中存在的危險事件、可疑分子，以及每個(gè)感興趣目標的信息，然后，使用者可以對關(guān)心的事件進(jìn)行選擇或者對關(guān)心的目標屬性進(jìn)行定義，系統能夠快速查找到用戶(hù)關(guān)心的事件或目標。

　　一般而言，智能視頻監控包含的功能包括周界檢測、越線(xiàn)檢測、徘徊逗留檢測、遺失檢測、遺留檢測、快速移動(dòng)檢測、打架檢測、尾隨檢測、人群聚集、火災煙霧檢測、PTZ目標跟蹤、視頻故障分析、視頻存儲和回放等功能。

　　對于不同的用戶(hù)而言，對上述功能的需求會(huì )有所偏重。在上述技術(shù)中，其中，周界檢測、越線(xiàn)檢測、徘徊逗留檢測、遺失檢測、遺留檢測、快速移動(dòng)檢測、打架檢測、尾隨檢測采用的方法，主要都是先采用背景建模(BackgroundModel)、前景提取(ForegroundExtraction)提取得到運動(dòng)目標，然后，采用目標匹配跟蹤技術(shù)得到目標的軌跡，并得到目標的運動(dòng)方向、所處位置，以及各目標間相互關(guān)系，最后依據設定規則得到上述異常行為。

　　其中，對于復雜背景，大流量區域的遺留物和遺失物檢測方法，可以采用特殊的基于時(shí)間序列區域運動(dòng)分析的方法進(jìn)行，而不必進(jìn)行上述目標檢測跟蹤技術(shù)得到。

　　而智能視頻檢索，首先需要利用智能視頻監控的檢測技術(shù)來(lái)檢測異常事件，進(jìn)一步，智能視頻檢索還需要在運動(dòng)目標檢測跟蹤的基礎上，得到人車(chē)等目標的諸如人臉、顏色、速度以及數量等信息。這樣，進(jìn)行智能視頻檢索的時(shí)候，一方面可以檢索異常事件，此外還可以通過(guò)目標的出現結束時(shí)間、顏色、速度、數量，以及人臉信息等進(jìn)行檢索。

　　此外，系統還可以給出一個(gè)事件和目標的時(shí)空分布圖，便于用戶(hù)查找自己感興趣的時(shí)段和事件。對于現在動(dòng)則成千上萬(wàn)的監控終端而言，想從這些海量數據中查找到自己關(guān)心的事件和目標，必須借助智能視頻檢索技術(shù)。

　　結語(yǔ)

　　視頻監控技術(shù)是機器視覺(jué)領(lǐng)域一個(gè)新興的應用方向和備受關(guān)注的前沿課題，也是計算機科學(xué)、機器視覺(jué)、圖像工程、模式識別和人工智能等多學(xué)科技術(shù)的結晶。

　　該系統在實(shí)現視頻監控同時(shí)，通過(guò)運用機器視覺(jué)技術(shù)，增加了視頻變化檢測和自動(dòng)錄像功能，系統能夠自動(dòng)識別場(chǎng)景變化，檢測出運動(dòng)目標并鎖定，同時(shí)發(fā)出警告和啟動(dòng)存儲裝置。這樣不僅可以節省大量存儲空間，提高監控存儲效率，減少不必要的回放，而且數據更加具有針對性。