第四章物联网智能视频技术选读.ppt

非正常遗留物或入侵者，系统还可以提供报警管理。 智能视频识别主要包括人脸识别及车牌识别，其主要的技术在于在视频画面中找出局部画面的共性。例如：人脸必然有两个眼睛，如果我们可以找到双目的位置，那么就可以定性人脸的位置及尺寸。不过，以现有的技术来说，人脸识别系统必须在双目可视的情况下，才可进行人脸比对。 其主要包括：人脸识别系统、车牌识别系统; 目前智能视频识别技术在实现上一般采用两种方式，一种是基于静态图像的智能识别技术，一种是基于视频的智能识别技术。 基于静态图像的智能识别技术，一般是利用物联网技术如红外、激光、压力等传感器触发识别系统通过提取视频序列中的单幅图像进行视频识别或者智能视频在智能分析中识别出相应目标后对单幅图像进行识别，这种方式处理速度和效果都较好，目前视频识别也多采用此种方式。 基于视频的智能识别技术，此种技术是直 接利用视频进行人脸或者车辆等的进行动态建模，实现动态模型进行识别，此种技术比单纯的图像识别能够将更多的目标的三维特征进行多次匹配，从而提高识别的准确度和精度，现阶段基于视频的识别算法主要是基于室内的环境条件，室外复杂环境下还不是很成熟， 例如室外条件下的人脸图像光照、姿态等的剧烈变化使人脸识别仍然面临着许多困难，多种特征提高识别的性能也将是未来研究个重点。 智能视频识别指系统从视频画面中找出局部中一些画面的共性，包括目标识别和目标跟踪，如人脸识别、人体识别、车牌识别等。 1.人脸识别技术 2.车牌识别技术 近年来，智能监控技术应用在视频监控系统得到了很好的应用，如智能交通行业的车牌识别、安防的智能监控，但是还存在很多有挑战性的难题没有解决如包括特殊天气情况下(雾天)的适用算法研究，夜间车辆的运动检测，运动阴影的检测，以及车辆遮挡问题的处理，在这些情况下的效果并不理想， 4.2.3智能视频改良技术 严重影响了智能监控系统的完善和推广，也阻碍了视频监控其他相关研究的进展。 在智能视频监控系统中，需要清晰准确地提取图像特征，但是当在雾天情况下，场景的能见度降低，图像中目标对比度和颜色等特征被衰减，系统无法正常工作。在光线不足环境如夜晚环境下，对比度比较差，即使灯光照充足，目标轮廓也无法达到白天的亮度，再就是运动 物体的投射阴影对目标在场景中的几何特征影响比较大，而当前的目标识别算法大都是基于目标的几何特征的，因此无论是在晴天还是在雨天，都可能因为阴影或倒影问题导致漏检和误分类，同时阴影对目标区域的扩展容易导致几个目标物体粘结在一起，给后续的目标跟踪造成困难。 传统的解决方案，一般采用搭建多摄像机系统的方法，摄像机群中包括普通CCD摄像机和红外摄像机，通过对多摄像机的信息进行融合来解决雾天情况下场景可见度低的问题。但是多摄像机监控系统价格昂贵，使智能视频监控技术难于普及和推广。 如何通过图像改良技术实现图像视频的质量，来提高智能视频的有效率是智能视频技术 的关键技术。影响图像质量清晰程度有很多因素，室外光照度不均匀会造成图像灰度过于集中；摄像头获得的图像经过数/模转换，线路传输时都会产生噪声污染，图像质量不可避免降低，轻者变现为图像伴有噪点，难于看清图像细节；重者图像模糊不清，连大概物体面貌轮廓都难以看清。因此，对图像进行分析处理之前，必须对图像进行改善，即增强图像。 图像增强并不考虑图像质量下降的原因，只是将图像中感兴趣的重要特征有选择性的突出出来，同时衰减不需要的特征，目的就是提高图像的可理解性。图像增强是数字图像处理的一个重要分支。很多由于场景条件的影响图像拍摄的视觉效果不佳，这就需要图像增强来改善人的视觉效果，比如突出图像中目标物体的某些特点、从数字图像中提取目标物体的特征参数等等， 这些都有利于对图像中目标的识别、跟踪和理解。图像改良处理主要内容是突出图像中感兴趣的部分，减弱或去除不需要的信息。这样使有用信息得到加强，从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。 智能视频监控技术是计算机视觉和模式识别技术在视频监控领域的应用。它对视频图像中的目标进行自动检测、跟踪和分析，从而使计算机能够过滤掉用户不关心的信息，通过分析理解视频画面中的内容，提供对监控和预警有用的关键信息。它将机器视觉的技术方法应用于传统的视频监控中， 4.3智能视频的典型应用 从而能够最大限度地减少人为干预，提高监控效率，减轻工作人员的工作负担，对动态场景中的目标实现实时检测、跟踪、识别、分类等等。智能视频分析技术在ATM监控、交通、博物馆、古迹、运动场馆、航空场所、停车场、商场等场所得到了良好应用。 4.3.1 ATM智能视频监控 4.3.2机场智能视频监控 4.2.3森林防火智能视频监控 智能视频技术作为最早应用物联网的重要技术之一，其发展必将受到物联网的巨大影响。随着 计算机、网络、信