面向多攝像機網(wǎng)絡(luò)的智能視頻分析技術(shù)

智能視頻分析的需求是在視頻監(jiān)控水平發(fā)展到一定階段后必然的產(chǎn)物，它能很好地緩解傳統(tǒng)視頻監(jiān)控中海量信息冗余的問題。雖然經(jīng)過幾年的發(fā)展，但現(xiàn)階段，無論是智能視頻分析的技術(shù)與應(yīng)用，還是市場環(huán)境都還處于成長階段，需要在不斷地實踐中探索中前進。

不同行業(yè)需求差異性明顯

據(jù)了解，不同的行業(yè)對于視頻監(jiān)控的需求一般有著非常明顯的差異，特別是對于智能視頻分析技 術(shù)的應(yīng)用需求，由此也決定了不同行業(yè)間檢測行為 類型與異常事件的特殊性。比如在平安城市中，可 針對城市治安突發(fā)事件，專門研發(fā)打架、搶劫、攀 越等行為分析功能;在銀行ATM自助服務(wù)區(qū)，可通 過對目前ATM自助服務(wù)區(qū)犯罪手段的分析，實現(xiàn)如 非法粘貼小紙條、安裝假鍵盤、蒙面、暴力搶劫等 行為分析功能;在交通行業(yè)，可實現(xiàn)針對交通事件 如逆行、非法停車、交通擁堵等情況報警的更多的 功能。

只有結(jié)合行業(yè)應(yīng)用實際，深入了解不同行業(yè)的 具體問題，才能更好地抓住用戶的需求，將智能視 頻分析技術(shù)的功能落實到應(yīng)用的實處，這也是智能 視頻分析技術(shù)未來產(chǎn)業(yè)化價值的最終體現(xiàn)。

不斷完善核心算法

在技術(shù)方面，目前智能視頻分析技術(shù)主要分為 模式識別和行為分析技術(shù)。模式識別技術(shù)包含：人臉檢測、人臉比對、車牌識別、煙火識別檢測等;行為分析包含：越線、進入、離開、丟失、遺留物、人群聚集、滑倒等。智能分析最核心的是視頻算法，目前算法的體現(xiàn)形式包括了集成到硬件和純軟件方式提供，效果基本相同。

目前，專注于智能視頻分析領(lǐng)域的廠商也越來越多，綜合型的企業(yè)代表如?？低?，專項智能行業(yè)型的如卓揚科技、智安邦科技、文安科技等;國外企業(yè)代表如美國的ObjectVideo、以色列的ioimage、NICE等。

為了做好智能分析的良好推廣與深入應(yīng)用，從廠家方面，仍然要不斷的完善產(chǎn)品核心算法技術(shù)，或者開發(fā)出更多符合各個特定場景的應(yīng)用模式。智能視頻分析區(qū)別于傳統(tǒng)行業(yè)產(chǎn)品的一點是，它的核 心算法還遠(yuǎn)遠(yuǎn)沒有達到定型的程度，具有很大的拓 展空間，因為隨著應(yīng)用的普及，將會對產(chǎn)品的功能 提出更加具體多的要求。另外，智能視頻分析的技 術(shù)往往還牽涉到許多復(fù)雜的參數(shù)配置，如何簡化這些技術(shù)參數(shù)的配置是廠家需要重視的問題。同時在 行業(yè)推廣的過程中涉及到的產(chǎn)品知識與行業(yè)技術(shù)的推廣，也需要各個廠家共同努力。 目前，實際復(fù)雜的應(yīng)用環(huán)境就需要越加復(fù)雜的 算法，當(dāng)前應(yīng)用智能視頻分析技術(shù)開發(fā)相應(yīng)高級功 能的嵌入式產(chǎn)品，解決了很多產(chǎn)品的施工難度與實 際推廣的阻力，這也是智能視頻分析技術(shù)發(fā)展的必 然趨勢。

減少漏報、誤報率

以檢測準(zhǔn)確性作為評價標(biāo)準(zhǔn)的智能視頻分析產(chǎn) 品，一般通過考察其在不同環(huán)境下的檢測率和誤報率 來評價其性能。理想系統(tǒng)的檢測率和有效率都應(yīng)是 100%，但實際系統(tǒng)只能接近這些指標(biāo)而不是完全達 到。只有通過調(diào)整系統(tǒng)的靈敏度參數(shù)，改變檢測率 與有效率之間的關(guān)系，在有效率合乎使用要求的情況 下，性能優(yōu)良的系統(tǒng)才能達到最高檢測率。當(dāng)靈敏度 調(diào)很高時，檢測率提高但誤報增多，有效率會下降。 反之，誤報率減少，有效率提高但檢測率會降低。

智能分析能達到簡單的行為分析。提高漏報與 誤報的形式必須通過整體的方式去設(shè)計，比如攝像 機擺放的位置，鏡頭的選擇，室內(nèi)的光線，過濾器 及靈敏度，規(guī)則的合理設(shè)置等。通過整體的考慮可 以降低誤報率。

當(dāng)前市場上的智能視頻分析產(chǎn)品的效果是參差不齊的，有的打著智能的旗號實際上實現(xiàn)不了智能的效果。未來廠家們將繼續(xù)完善算法，同時加強在 復(fù)雜及惡劣環(huán)境下的測試，不斷提高產(chǎn)品的性能， 將漏報、誤報減少到最低程度。

未來仍需提高的部分

雖然智能視頻分析技術(shù)已得到快速發(fā)展，但是 實施到具體的應(yīng)用，還有許多復(fù)雜的技術(shù)問題。

無法完全消除誤報的影響。例如運動目標(biāo)識別中的背景建模技術(shù)，在控制漏報數(shù)量的同時，還不能完全的刪除誤報。在以目標(biāo)識別為技術(shù)基礎(chǔ)的周界防范產(chǎn)品中，誤報的數(shù)量一直是反映該產(chǎn)品優(yōu)劣的一大指標(biāo)。而誤報的數(shù)量是由背景模型與實際使用情況之間的差距造成的。模型的適應(yīng)能力越強，造成的誤報越少，背后要求的技術(shù)也越高。影響背景模型建立的因數(shù)很多，例如空曠的柏油馬路和邊上有樹木的圍墻，6m高的攝像機與2m高的攝像機所拍攝的畫面就需要不同的背景模型，白天和黑夜的狀態(tài)需要的模型也不同。目前，行業(yè)中還沒有開發(fā)出一種可以涵蓋所有使用情況的背景模型來，也無法完全的解決隨機事件的影響，如在黑夜環(huán)境下車燈造成的誤報。

不具備行為的判斷能力。例如周界防范，機器中行為分析的區(qū)域入侵功能能夠發(fā)現(xiàn)活動目標(biāo)，并可以在這些活動目標(biāo)中利用技術(shù)手段把用戶希望的目標(biāo)(例如人體)提取出來。但是再進一步，這個闖入者的動機是什么，是偶爾路過，還是故意闖入，是否有意的往警戒區(qū)域內(nèi)探望，這些都無法靠機器來識別。畢竟智能視頻分析還只是一系列設(shè)定好的數(shù)學(xué)公式與程序，遠(yuǎn)沒有達到人的判斷能力。

特征識別技術(shù)對畫面要求高。對于基于特征識別的分析技術(shù)，對于圖像的要求比較高。除了畫面本身清晰度外，也需要清楚的展示目標(biāo)物體的特征，目前計算機的識別能力大大低于人類對物體特征的識別能力，不同的光照條件和拍攝角度，都將改變計算機所看到的特征。因此，對攝像機的安裝以及周圍環(huán)境的要求比較高。例如車牌識別的產(chǎn)品，對車牌在畫面中呈現(xiàn)的角度，像素大小都有比較嚴(yán)格的要求，這些高要求限制了該類產(chǎn)品的實施與應(yīng)用。

CPU的處理能力仍然是瓶頸。要滿足實際復(fù)雜的應(yīng)用環(huán)境就需要越加復(fù)雜的算法，隨之帶來了巨大的計算量，目前DSP芯片的能力有限，已經(jīng)不能滿足某些復(fù)雜算法的需要。因此，難以開發(fā)相應(yīng)高級功能的嵌入式產(chǎn)品，這也增加了很多產(chǎn)品的施工難度與實際推廣的阻力。

總體而言，智能視頻分析技術(shù)也如計算機一樣，對于傳統(tǒng)的手段是智能的，但是對于人的智慧來說，還處于低級的階段。