智能监控系统的研究.docxVIP

智能监控系统的研究 如何提高人们生活环境的安全性一直是全世界安全领域专家面临的一个重要问题。智能视频技术是智能技术、计算机技术、信息技术相互融合的产物, 其是安全领域的一次革命, 对提高公共安全, 具有非常大的作用。为此, 文章将对智能视频分析技术的发展及应用进行浅谈, 希望对促进我国该行业领域的进步, 起到一定的帮助性作用。 1 视频监控技术的发展 1.1 电视监控系统 20世纪90年代初期, 出现了以模拟设备为主的模拟视频监控系统, 最典型的全模拟视频监控系统称为闭路电视监控系统, 它以模拟视频矩阵和模拟磁带录像机为主要技术, 模拟摄像机的视频信号利用视频电缆进行传输。模拟监控视频系统依靠录像机存储图像, 监控图像仅能够在监控中心查看, 记录信息有限, 它的优势主要是对视频、音频、信号传输和存储的模拟化, 但一般情况下, 传输距离较短, 所以只适用于小范围的区域监控。 1.2 盘录像及视频压缩 数字视频监控系统以数字硬盘录像机为主要设备, 由数字压缩、编码技术和芯片技术构成, 最初的磁盘录像机主要是在电脑端安装视频压缩和处理软件, 但该系统可靠性不高, 不适用于安全防控领域。后期的数字硬盘录像机由数字控制的视频矩阵构成, 取代了模拟视频矩阵, 存储方式转变为数字存储, 此时的数字硬盘录像机能够灵活进行视频的切换和远程视频监控, 很大程度上提高了监控系统的稳定性。 1.3 视频监控系统的发展 由于数字视频监控的传输有限, 图像质量差等缺点, 随着网络技术和智能化技术的发展, 智能视频监控作为第三代视频监控系统应运而生。它依赖于网络, 由网络视频服务器和模拟摄像机组成, 利用互联网技术, 对监控区域内的图像进行实时的采集、压缩和传输, 实现了图像处理的全过程数字化。目前, 智能视频监控系统在安防管理、生物特征识别、报警预防、平安城市等领域得到了广泛认可。 2 智能视频监控技术的应用要点 2.1 信号转换板c/s 信号处理板中主要有两个线程:一个线程专门负责图像的采集和处理, 主要完成对图像的实时采集, 并对采集到的一帧图像按照上位机设定的模式, 完成上传图像、算法分析以及生成控制信号并通过UART口发送到信号转换板中的部分或全部过程。信号处理板作为C/S架构的服务器端, 为了保证响应的实时性;第二个线程专门监听网络端口, 如果有命令发送过来, 则根据解析的结果, 完成参数的读取、模式的切换、算法的切换、控制信号的生成以及通信链路通断的判断等。 2.2 静态缓冲设计 信号转换板主要完成接收来自信号处理板的数据, 并根据解析结果产生相应的控制信号以驱动对应的执行机构。ST官方提供了丰富的库函数, 这样使得STM32的软件开发过程大大简化, 在完成基本的配置后, 只需完成应用层程序的编写即可。最终, 考虑实时性, 设计的程序在中断中完成数据的接收, 并将接收的数据拷贝到一个静态缓冲区中。主线程循环对静态缓冲区中的数据进行读取, 并根据自定义的串口通信协议对数据进行解析和校验, 如果校验通过则回复表示数据接收正确的ACK信号, 并生成对应的控制信号, 如果校验不通过则回复表示数据接收错误的ACK信号。 2.3 系统优化技术 随着安防要求的不断提高和其目前的应用发展现状, 在未来发展过程中, 将有以下的几个趋势:未来目标识别及跟踪技术将是智能视频分析系统的底端技术, 各种新技术要以此数据结果为支撑。当前的目标识别和跟踪技术对光照变化大、目标遮挡、动态背景干扰等场景进行处理时, 通常难以达到满意的效果。这需要我们对该技术进行更深一步的研究, 对算法进行优化, 提升算法的鲁棒性, 使其对环境的适应力更强。当前的智能视频分析技术, 经常是对一个视频场景来展开的, 缺乏多路视频信号的沟通和协同分析, 因此我们应该加大对跨摄像头跟踪技术的研究, 从而可以在更大范围内对目标进行跟踪, 以对其进行更加准确的分析和判断。 2.4 基于模型的目标跟踪 2.4.1 建立状态预测模型 Kalman滤波是一种很好的预测算法, 利用线性最小方差估计运动目标中的序列图像, 并结合状态方程和观测方程来进行描述, 通过建立状态预测模型来估计运动目标的状态。Kalman滤波计算量不大, 具有良好的实时性和稳定性, 预测时具有无偏、最优的特性, 但是, 该方法的局限性在于, 只能在线性和高斯分布的情况下会有效果, 当状态模型和观测模型不呈现高斯性, 使用该方法的效果较差。 2.4.2 基于蒙特卡洛和贝叶斯的动态误差预演模型 不同于Kalman滤波的预测理念, 粒子滤波尤其适用于状态模型和观测模型呈非高斯分布的目标状态, 它是一种结合蒙特卡洛和贝叶斯预估的优化算法, 以递推的方式处理被测量数据, 粒子滤波并不要求动态系统一定满足高斯线性、噪声为高斯噪声等条件, 测量数据时