克孜勒苏信息港
教育
当前位置:首页 > 教育

智能视频监控的技术背景及性能分析

发布时间:2019-02-19 16:18:17 编辑:笔名

智能视频监控的技术背景及性能分析

【安防知识】随着监控系统的普及化及庞大化,传统人为监控的局限性越来越突出。人作为监控者有其先天不足,人脑只能关注一件事物,所谓一心不能二用,当监控者同时观测多个监视器时,监控精度会随着监控视频数量的上升而下降。再者,人对于单调的事物无法长时间的集中注意力,根据研究人在关注监控图像20分钟后,其注意力会下降到无法接受的程度。人需要饮食休息等生理活动,这也会影响监控系统的可靠性。这就是为什么传统人为监控系统往往存在漏报率高、响应速度慢及可靠性差等问题。另外,监控系统越来越庞大,如果全部采用人为监控,其人力成本也会非常昂贵。

智能视频监控技术(intelligent video surveillance)起源于计算机视觉技术(computer vision),它对视频进行分析,从视频中提取信息,发现感兴趣事件,从而可以在某些场合替代人为监控或者协助人为监控。在911事件以后,国际上出于反恐斗争的严峻形势,对于智能视频监控技术的需求越来越迫切,CPU处理能力的快速提升,也使得许多复杂视频算法的实现成为可能,这些因素不断地推动着智能视频监控技术及其市场的发展。

智能视频监控技术的优势就在于它可以一天24小时不间断地对视频进行监控,一旦有事件发生可以及时报警,相对于人为监控来说,智能化监控可靠性更高,成本更加低廉。智能视频监控技术的市场需求正在不断上升,其产品形态也在不断丰富。

智能视频监控技术产品化及市场化的过程中,出现了许多智能视频监控产品,应用这些产品成功实现了许多的应用案例,但是也有一些客户表示智能视频监控产品没有很好地满足他们的需要,或者存在误报率或漏报率过高的问题。

现在的智能视频监控技术,已经从前几年的演示阶段逐渐进入规模化使用阶段。在这个阶段,如何应用现有的智能视频监控技术切实地解决客户的问题,为客户创造价值,是智能视频监控产品供应商所需要考虑并解决的重大问题。

但要解决这一问题,必须立足于对智能视频监控技术核心的深入理解。只有具备了这样的基础,才能了解现阶段的智能视频监控技术能够做什么,不能够做什么,影响其性能的因素有哪些,要实现一些特定功能需要做什么。

技术背景

智能视频监控技术主要是指对固定的监控摄像机拍摄的视频进行分析,获得视频中的运动目标信息,提取语义级别的事件信息,从而做出反应的一种技术(也有针对移动摄像机视频进行分析的技术,但不是智能视频监控产品的主流)。

智能视频监控技术的主要框架分为前景检测、目标检测、目标跟踪、目标分类、轨迹分析、事件检测等几个部分。

首先利用前景检测技术将视频图像中的前景团块(blob)从图像背景中分离出来,前景团块是指视频图像中变化剧烈的图像区域。前景检测技术有多种实现方法,包括帧差法、多高斯背景建模及非参数背景建模等等方法,各种方法的复杂程度不同,对于各种场景的适应能力也有很大差异。

目标检测技术分析前景团块在视频序列中的状态,将具有稳定存在状态及运动规律的前景团块作为运动目标提取出来。

目标跟踪技术利用运动目标的历史信息预测运动目标在本帧可能出现的位置,并在预测位置附近搜索该运动目标。目标跟踪技术也有多种实现方法,包括连接区域跟踪、模板匹配、粒子滤波等等,这些方法在不同场景下的表现也有较大的差异性。

目标分类技术对跟踪成功的目标进行分类,一般将目标分为人和车辆两类,也有一些特殊应用会对目标进行其它类型的分辨。目标分类技术利用一些图像特征值实现目标类型的甄别,许多种特征可供采用,例如目标轮廓、目标尺寸、目标纹理等等。一系列训练样本(各种视频图像)会被用于训练分类算法,分类算法根据特征对监控视频中的目标进行类型甄别。分类算法也有多种实现方法,包括支撑向量机、Adaboost,神经络等等。分类特征的选取,分类方法的实现及训练样本等,都会使分类技术产生较大的差异性。

轨迹分析技术对跟踪成功的目标的运动轨迹进行分析,对运动轨迹进行平滑及误差修正,使目标的运动轨迹更加接近于真实状态。

事件检测技术则将目标信息与用户设定的报警规则进行逻辑判断,判断是否有目标触发了报警规则,并做出报警响应。

图1是智能视频监控技术常用的算法框架,有时为了提高智能视频监控技术在某些场景下的性能,一些附加模块也会被加入算法框架。例如抗抖动模块可以提升该技术在摄像机抖动情况下的处理效果;阴影抑制模块可以提升该技术在阴影严重的室外场景下的处理效果;车灯抑制模块可以提升该技术在光照剧烈变化场景下的处理效果;碰撞处理模块可以提升该技术在目标图像频繁互相遮挡场景下的跟踪精度。

[nextpage]在智能视频监控技术的常用框架下大多数模块有多种实现方案,仅前景检测一项就有多达七、八种选择(或者更多),这些实现方案之间的复杂度差异很大,它们的稳定性及性能差异也非常明显。如果在上述框架下采用简单易用的方案来实现各个模块,搭建一套智能视频监控技术并不是非常困难,但是其性能及其对各种场景的适应能力就很难得到保证。这就是为什么各种智能视频监控产品提供的功能大同小异,而存在很大性能差异的原因。举例来说,简单的帧差法就可以实现前景检测,在稳定简单的场景下该方法也可以得到较好的前景检测结果,但是在视频发生扰动或者光照变化时,大量的静态图像区域就会被当作前景误检出来。

一套性能优越的智能视频监控技术在算法设计过程就需要考虑监控场景中可能出现的各种复杂情况,内部的各个算法模块必须要具有对复杂场景的适应性,并且加入各种附加模块提升智能视频监控技术对特殊场景的处理效果。

性能分析

一套性能优越的智能视频监控技术是否可以不受场景的影响,在各种场景下都达到处理效果呢?答案是否定的。

这首先是由计算机视觉技术的发展水平决定的,因为计算机视觉技术还处于发展阶段,与人脑相比,计算机的智能程度还逊色很多。它用一些数学模型来描述真实世界,并试图用这些数学模型来分析视频数据并从中获取视频信息内容,但是复杂的数学模型现阶段也无法囊括真实世界中的所有特性(就算有这样的模型,普通CPU也支撑不了这样庞大的计算)。不同的监控场景与智能视频监控技术内部数学模型之间的吻合程度会有所不同,因此智能视频监控技术的精度或多或少会受监控场景的影响。

其次,监控场景的复杂程度也会对处理结果产生重要影响,因为复杂的场景往往意味着有效信息提取的困难。在传统人为监控系统中,监控者对于低照度、高扰动、高拥挤程度视频的监测精度一般会较低。同样,智能视频监控技术的精度也会受监控场景复杂程度的影响。

怎样才能利用智能视频监控技术获得令人满意的智能监控效果呢?首先要基于对智能视频监控技术内部算法的理解,调整监控环境或者调试算法使监控环境与智能视频监控技术内部的算法模型达到的一致性。举例来说,如果智能视频监控技术的目标分类模块将目标尺寸作为重要的分类特征,在大景深的场景中,目标尺寸变化幅度很大,该目标分类模块的精度就会大大降低。有多种方法可以解决这一问题,降低场景的景深,加入场景标定算法,降低尺寸特征在分类算法中的权重。

要在条件允许的情况下尽量降低监控场景的复杂度,凸出有效信息。摄像机的选用及安装非常重要,要选用性能较好的摄像机,提升图像的信噪比,如果对夜晚场景进行监控,则选用红外摄像机。安装摄像机时,要合理选择安装位置及摄像机角度,尽量使视频图像扰动较少且目标重叠较少。举例来说,要在较拥挤的场景中统计人流量,俯视角度是一个理想摄像机安装角度,因为在该角度下,目标的重叠程度较小(如果智能视频监控技术中使用了人脸检测算法来进行人流量统计,情况会有所不同)。除了摄像机的选用及安装外,合理设置警戒规则也会提升智能视频监控技术的处理效果。举例来说,在下图场景中统计车流量,左图的警戒规则就不太理想,因为在警戒规则的设置区域有树木等物体遮挡目标,智能视频监控技术在该区域容易产生目标的误检及误跟踪;右图的报警规则就避开了遮挡区域,其处理效果就比较理想。(如图2所示)

鼻塞头痛是感冒了吗
低热肌肉酸痛怎么回事
大腿肌肉酸痛原因