计算机智能视频.docVIP

智能视频 传统视频监控存在的缺陷 其一、海量视频信息在显示、存储、检索方面存在一定的限制。随着监控系统的普及，所获取的视频信息越来越多，一个小的视频监控系统可能包含几十个摄像头，而稍微大一点的系统可能就有成百上千个。这些摄像设备在获取监控视频后通常都集中到监控中心中，但即使是使用目前流行的“电视墙”的大规模显示矩阵，并采用多面分格显示方式的话，最多也就能显示三四十路摄像头的视频信息。因此，对于大的视频监控系统只能采取轮流或随机地抽取视频源显示在监视屏上。这意味着对于一些大型的视频监控系统来讲，各个监控点的视频并非每时每刻都处于监控当中。因而视频监控系统对于一些突发事件无法保证及时监控。同时，这些海量视频信息怎么样进行存储，方便智能化的查询也是研究人员和工程技术人员所面对的一个问题。 其二、监控人员的监控行为存在不稳定性、随意性和局限性。监控工作是一项枯燥的工作，监控人员的注意力集中度是有限的，不可能对每个屏幕都有100%的注意力。据统计人的持续注意力时间通常低于每小时20分钟，如果再加上电话、聊天等其他事件的干扰，监控人员平均监看每个视频源的时间会低于每小时5分钟，因而无法保证7×24小时稳定的监控要求 其三、由于硬盘数字录象机（DVR）得到应用，保留较长一段时间的视频记录。当出现了异常情况时，可以使用DVR进行历史视频的回放检查，找出原因或过程。一定程度上缓解了由于监控系统随机性所造成缺陷，但这种“事后查验”的方式是在安全受到威胁甚至于损失已造成的情况下来进行的，因而无法及时发现情况，从而进一步采取措施。 智能视频的定义: 智能视频分析技术能够通过数字图像处理和分析来理解视频画面中的内容。智能的意义主要体现在“自动的分析和抽取视频源中的关键信息”。如果把 HYPERLINK / 摄像机看作人的眼睛，而 HYPERLINK / 智能视频系统或设备则可以看作人的大脑。 智能视频监控的特点: 实用性 实时性 有效性 自动化，节省大量重复劳动的人力 智能视频监控的应用: 在拥挤、复杂的场所自动识别爆炸物和武器等危险物品， 检测各种诸如定向运动、越界、游荡、遗留和移去等 对可疑目标进行持续监视和跟踪等 其它 智能视频监控的一些成功案例: 1997年美国国防高级研究项目署( Defense Advanced Research Projects Agency ,DARPA )设立了以卡内基梅隆大学为首、麻省理工学院等高校参与的视觉监控重大项目VSAM( Visual Surveillance And Monitoring)，主要研究用于战场及普通民用场景进行监控的自动视频理解技术 实时的视觉监控系统W4不仅能够定位和分割出人的身体部分以及实现多人跟踪，而且能够检测出人是否携带物体等简单行为 1999年欧盟Framework5程序委员会设立重大项目ADVISOR系统，旨在开发一个公共交通(如地铁，机场)的安全管理系统，它覆盖了人群和个人的行为模式分析、人机交互等研究； 2000 DARPD又资助了HID(Human Identification at a Distance )计划，其任务是开发多模式监控技术以实现远距离情况下人的检测、分类和识别、从而增强国防、民用等场所抵御恐怖袭击的能力； * 智能视频分析技术4个等级划分 智能视频监控的关键的技术: 目前，智能视频监控系统的关键技术主要涉及运动目标检测和提取、目标跟踪、目标分类和目标运动行为分析及理解4个方面。各个部分的主要功能如下： 1 目标检测： 其任务为搜索图像中静止或运动的感兴趣区域。 2 目标跟踪： 该部分的任务对感兴趣的目标进行跟踪并获取其运动轨迹。 3 目标分类： 将被跟踪的目标分类为汽车、行人等不同类别的物体。 4 目标行为识别： 对单个目标或群体目标进行运动和行为分析。 目标的检测: 在视频监控中目标检测的目的是从序列图像中将感兴趣的区域(一般为运动目标区域)从背景图像中抽取出来。运动目标区域的有效分割对于目标检测、跟踪和行为理解等后期处理是非常重要的，因为以后的处理过程仅仅考虑图像种对应于运动区域的像素。 目标检测的主要的算法有： 背景减除法 时间差分法 光流法 扩展的EM算法 能量运动检测 基于数学形态学的场景变化检测等 目标跟踪: 目标跟踪是计算视觉领域中一个极具挑战性的课题，除视频监控外，其还被广泛的应用在人机交互、视频压缩、医学图像处理等领域中。所谓目标跟踪是指在图像序列中识别出目标的同时对其进行精确定位，获取目标的运动的参数，如位置、速度、加速度以及运动轨迹等，从而进行进一步处理与分析，实现对运动目标的行为理解，以完成更高一级的视觉任务。对于目标跟踪问题的处理，总体上讲有两种思路：一种称之为自底向上(bottom up)的处理方法；另一种称之