安防市场报_视频分析技术漫谈.docVIP

视频分析技术漫谈 视频分析技术其实是模式识别技术中的一个分支。 模式识别技术从数据源的性质不同来划分可分为多个不同的分支。第一个分支是针对物理数据的模式识别技术，即针对物理数据，如仪器仪表的读数、传感器返回的探测值、雷达探测到的反向波频率或相位等，进行分析，以便获得不同的结论，如设备或系统工作是否正常，是否有异常事件发生等。这一分支是模式识别技术最初的研究对象或形式。第二个重要的分支是对图像数据的模式识别技术，包括对灰度图像、彩色图像等，当前的模式识别技术在图像分析领域已取得十分巨大的进步，获得许多非常有实用价值的研究成果或技术，这也是当前模式识别技术最为人所熟知的研究领域。针对图像数据的模式识别技术根据图像内容的不同，又分为了许多小的研究课题，如指纹图像的识别，文字图像的识别、虹膜图像的识别、人脸识别，车牌识别等，都已在实际工程中得到广泛的应用，它们的最大的特点是对单张图像的内容提取和识别，以获取图像中的特定信息。而视频分析技术则是模式识别技术中的第三个重要的分支，是对于视频信号的分析识别技术。 其实在模式识别技术中，针对图像的识别和针对视频信号的识别从核心技术上来说有很多共通之处，因为说到底，视频信号其实就是由一系列的连续的视频帧图像组成(这里指的是已经过解码还原的原始视频信号，并不包括使用各种技术或协议进行编码后以便于传输的视频信号)，但其中还是有一个关键的区别，使视频分析和图像识别具有了比较大的差异，这一区别就是：“视频信号是‘一系列的连续视频帧图像组成’”，在进行视频分析过程中，必然要利用到多帧图像间的不同信息，并将这种信息的不同与两帧之间的时间间隔考虑在一起，从这个角度来说，其实视频分析技术分析的是一个“图像流”，既然是“图像流”，那么大量帧图像之间的差别及其对应的时间轴数据就是它区别于图像识别的关键。 视频分析技术在模式识别领域发展较晚，目前我们了解得比较多一些的有“步态识别”和本文着重介绍的“行为检测”等课题。在这里需要多提到一句的是，有一些技术虽然其接入的也是视频信号，但由于其分析的信息对象的特殊性，仍然只能归纳于图像识别，而不能归入视频分析技术范围中，例如在车牌识别技术中，系统接入道路监控视频，通过线圈触发而截取一副帧图像，并针对其进行车牌号码的识别和提取，此时车牌识别技术仍是基于单张图像的识别，虽然接入的是视频信号，但并没有利用到多帧图像及其时间轴关系，也只能算成是图像识别的那一分支。因此，在模式识别技术中，视频分析技术区别于图像识别技术的关键即在于是否必须利用到视频“图像流”，并根据多个视频信号帧图像的排列、时间轴及其图像之间的差别来实现对视频信号中内容的自动提取。 视频分析技术发展较晚，目前的小的研究分支包括步态识别，手语识别等，远不如图像识别技术发展得成熟而丰富。当前由于在国际上反恐形势的需要，社会公共安全空前得到重视，而应用于安防领域的视频分析技术也随之迅速发展起来，并形成相对成熟的产品，在安防领域得到部分的实际工程应用，这也算是市场需求推动核心技术研发的一个典型案例吧。 在安防行业领域内使用的视频分析技术由于其使用的环境、场景不同，具有一些区别于其他领域的独特特征，因而也有了一些较为特殊的，专用的称谓。各产品厂家出于对自己产品的宣传的目的，也曾采用了一些特殊的叫法，如“行为识别”、“行为检测”、“行为分析”、“智能视频”、 “事件检测”等等，但其所指的内容却还是接近的，在本文中，估且使用“行为识别”这个词作为在安防领域内的这一技术的通称。 行为识别在安防领域中的应用实际上是指采用视频分析技术对视频中视野范围内目标的活动进行提取和分析，获取活动目标的运动特征，这一技术通常也分为两个研究方向： 第一种研究方向是以监测目标作为一个整体，研究其整体运动轨迹，以便从其运动路线的方面来判断其是否违反了某种路线的规则，如是否侵入了某个特定的区域，是否在特定区域内徘徊，是否停止在某特定区域内超过特定长时间，是否有向左或向右转弯的倾向，是否遗留了某些物品等等，这种研究方向要研究的是目标整体在空间上的运动路线，并不关心被监测目标的局部肢体运动。举个例来说，如果以一个人为研究目标，这个人站在某处，不断地晃动手臂或是踢腿，但只要其在原地活动，以这种研究方向来说此人就是静止的。正因为如此，这一研究方向所采用的视频往往是大视野的，使目标的这种“肢体”(包括其他目标的局部部分，如一辆汽车的车门)运动能够忽略，而且不至于对目标的跟踪和运动路线的提取造成影响。 第二种研究方向是以监测目标的局部肢体的运动特征作为研究对象，判断其肢体运动的动作，并定义其肢体运动的性质，如是否在打电话，是否在打架，是否在偷盗，是否在文物上乱抹乱画乱蹬乱踏等等。由于要观察被监测目标的肢体的细节运动，因此这一研究方向所采用的视频往往是小视野的特写镜头，这