機(jī)器視覺：為視頻監(jiān)控帶來了哪些改變？

　　在信號處理理論與計(jì)算機(jī)出現(xiàn)以后，人們試圖用攝像機(jī)獲取環(huán)境圖像并轉(zhuǎn)換成數(shù)字信號，用計(jì)算機(jī)實(shí)現(xiàn)對視覺信息處理的全過程。這種使計(jì)算機(jī)能夠通過一幅或幅圖像認(rèn)識周圍環(huán)境信息的研究目標(biāo)，正是機(jī)器視覺。

　　作為機(jī)器視覺的代表應(yīng)用，以攝像機(jī)為核心的視頻監(jiān)控系統(tǒng)，目前已經(jīng)廣泛應(yīng)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(jī)器視覺究竟為視頻監(jiān)控帶來了哪些改變，我們可以從機(jī)器視覺的幾大應(yīng)用領(lǐng)域來進(jìn)一步分析。

　　目標(biāo)識別

　　目標(biāo)識別技術(shù)和穩(wěn)定的追蹤方法是機(jī)器視覺發(fā)展的關(guān)鍵因素之一。它在很多領(lǐng)域都得到大量的應(yīng)用，例如身份確認(rèn)的指紋識別、人臉識別、虹膜識別以及在智能交通管理、機(jī)動(dòng)車檢測、停車場管理等場合的車牌識別等。

　　一個(gè)目標(biāo)識別系統(tǒng)應(yīng)該具有在復(fù)雜背景以及各種天氣情況下檢測、分類、識別目標(biāo)的能力，這樣才能有針對性地對目標(biāo)進(jìn)行持續(xù)的跟蹤。

　　近些年來，目標(biāo)識別技術(shù)已由理論探索、實(shí)驗(yàn)室仿真逐漸走向?qū)嶋H應(yīng)用，其技術(shù)方法也從經(jīng)典的統(tǒng)計(jì)模式識別，向著基于知識、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(biāo)追蹤

　　運(yùn)動(dòng)目標(biāo)跟蹤是確定同一物體在圖像序列不同幀中位置的過程。其主要工作方式就是選擇好的目標(biāo)特征和采用適當(dāng)?shù)乃阉鞣椒?，根?jù)匹配原理，把現(xiàn)有的跟蹤方法分為基于模型、區(qū)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一定的先驗(yàn)知識對所跟蹤目標(biāo)建立模型，然后通過匹配跟蹤模板，并實(shí)時(shí)更新模型。傳統(tǒng)的運(yùn)動(dòng)物體表達(dá)方法有如下三種：

　　1. 線圖法：目標(biāo)運(yùn)動(dòng)的實(shí)質(zhì)是主框架的運(yùn)動(dòng)，因此該表達(dá)方法將物體的各個(gè)部分以直線來近似。

　　2. 二維輪廓：該表達(dá)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、球等三維模型來描述物體的結(jié)構(gòu)細(xì)節(jié)。該方法往往需要在聯(lián)系的圖像幀間匹配三維模型來獲取物體運(yùn)動(dòng)的定量描述，因此需要計(jì)算更多的參數(shù)，匹配過程的計(jì)算量更大。

　　基于特征的跟蹤

　　把預(yù)先提取的運(yùn)動(dòng)區(qū)域作為匹配的目標(biāo)模板，設(shè)定一個(gè)匹配度量，然后在下一幀圖像中匹配搜索目標(biāo)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(jī)遇區(qū)域的跟蹤。

　　由于提取了較完整的目標(biāo)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(yīng)用于跟蹤較小的目標(biāo)或?qū)Ρ榷容^差的目標(biāo)。

　　基于活動(dòng)輪廓的跟蹤

　　利用一條封閉的參數(shù)化曲線來表達(dá)運(yùn)動(dòng)目標(biāo)輪廓，在由圖像構(gòu)造的特征場中通過極小化以曲線函數(shù)為參數(shù)的能量進(jìn)行動(dòng)態(tài)迭代，使得該輪廓能夠自動(dòng)連續(xù)更新。相對于區(qū)域跟蹤方法，該方式計(jì)算量小，如果開始能夠合理分開每個(gè)運(yùn)動(dòng)目標(biāo)并實(shí)現(xiàn)輪廓初始化，那么即使有部分遮擋，也能連續(xù)的進(jìn)行跟蹤。

　　視覺分析

　　視覺分析技術(shù)，就是通過目標(biāo)識別、目標(biāo)追蹤方式之后，進(jìn)一步獲取目標(biāo)的出現(xiàn)時(shí)間、運(yùn)動(dòng)軌跡、顏色等諸多信息，通過對各個(gè)目標(biāo)的上述信息的分析，找到視頻中存在的危險(xiǎn)、違規(guī)行為或者可疑目標(biāo)，并對這些行為和目標(biāo)進(jìn)行實(shí)時(shí)報(bào)警、提前預(yù)警、存儲(chǔ)以及事后檢索。

　　在視覺分析的應(yīng)用領(lǐng)域中，最為重要的便是智能視頻監(jiān)控和智能視頻檢索技術(shù)。兩者的應(yīng)用技術(shù)相近，主要區(qū)別在于：智能視頻監(jiān)控是對當(dāng)時(shí)采集的視頻進(jìn)行實(shí)時(shí)處理，當(dāng)發(fā)現(xiàn)危險(xiǎn)事件或者可疑分子時(shí)進(jìn)行實(shí)時(shí)報(bào)警;而智能視頻檢索技術(shù)，處理的是已經(jīng)發(fā)生過的存儲(chǔ)視頻，其通過對視頻進(jìn)行快速分析，找到其中存在的危險(xiǎn)事件、可疑分子，以及每個(gè)感興趣目標(biāo)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(biāo)屬性進(jìn)行定義，系統(tǒng)能夠快速查找到用戶關(guān)心的事件或目標(biāo)。

　　一般而言，智能視頻監(jiān)控包含的功能包括周界檢測、越線檢測、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(zāi)煙霧檢測、PTZ目標(biāo)跟蹤、視頻故障分析、視頻存儲(chǔ)和回放等功能。

　　對于不同的用戶而言，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(yùn)動(dòng)目標(biāo)，然后，采用目標(biāo)匹配跟蹤技術(shù)得到目標(biāo)的軌跡，并得到目標(biāo)的運(yùn)動(dòng)方向、所處位置，以及各目標(biāo)間相互關(guān)系，最后依據(jù)設(shè)定規(guī)則得到上述異常行為。

　　其中，對于復(fù)雜背景，大流量區(qū)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(qū)域運(yùn)動(dòng)分析的方法進(jìn)行，而不必進(jìn)行上述目標(biāo)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(jiān)控的檢測技術(shù)來檢測異常事件，進(jìn)一步，智能視頻檢索還需要在運(yùn)動(dòng)目標(biāo)檢測跟蹤的基礎(chǔ)上，得到人車等目標(biāo)的諸如人臉、顏色、速度以及數(shù)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，此外還可以通過目標(biāo)的出現(xiàn)結(jié)束時(shí)間、顏色、速度、數(shù)量，以及人臉信息等進(jìn)行檢索。

　　此外，系統(tǒng)還可以給出一個(gè)事件和目標(biāo)的時(shí)空分布圖，便于用戶查找自己感興趣的時(shí)段和事件。對于現(xiàn)在動(dòng)則成千上萬的監(jiān)控終端而言，想從這些海量數(shù)據(jù)中查找到自己關(guān)心的事件和目標(biāo)，必須借助智能視頻檢索技術(shù)。

　　結(jié)語

　　視頻監(jiān)控技術(shù)是機(jī)器視覺領(lǐng)域一個(gè)新興的應(yīng)用方向和備受關(guān)注的前沿課題，也是計(jì)算機(jī)科學(xué)、機(jī)器視覺、圖像工程、模式識別和人工智能等多學(xué)科技術(shù)的結(jié)晶。

　　該系統(tǒng)在實(shí)現(xiàn)視頻監(jiān)控同時(shí)，通過運(yùn)用機(jī)器視覺技術(shù)，增加了視頻變化檢測和自動(dòng)錄像功能，系統(tǒng)能夠自動(dòng)識別場景變化，檢測出運(yùn)動(dòng)目標(biāo)并鎖定，同時(shí)發(fā)出警告和啟動(dòng)存儲(chǔ)裝置。這樣不僅可以節(jié)省大量存儲(chǔ)空間，提高監(jiān)控存儲(chǔ)效率，減少不必要的回放，而且數(shù)據(jù)更加具有針對性。