正文

    由现代通信与信息技术、计算机网络技术、行业技术、智能控制技术汇集而成的针对某一个方面的应智能电话设施用的智能集合。随着信息技术的不断发展，其技术含量及复杂程度也越来越高，智能化的概念开始逐渐渗透到各行各业以及我们生活中的方方面面。安防视频监控也逐渐走上智能化道路。本文重点解析视频监控智能化的主要表现形式及途径。

    视频监控智能化的主要表现

    智能化是自动化的最高境界，表现为系统自主、优化地调节和准确、协调地互动。自动化系统分为三个层次：系统遥控、编程控制和自主动作。在视频监控领域主要表现在以下三个方面：

    1、系统功能控制与联动

    视频监控系统中的大多功能可以通过遥控来进行调节，如摄像机的方位、镜头的焦距和光圈等；也有一些功能可以通过编程控制来完成，如云台的转动(自动转、自动扫描、预置位)等；还有一些功能已可根据对图像的检测或分析实现自主、优化的调节。如自动光圈、目标的自动跟踪等。

    2、图像信息的自动解释

    图像系统最主要的特点是信息量大，因此、如何充分发挥这个特点，提高系统信息利用水平是视频监控系统始终追求的目标，图像信息的自动解释是必由之路。目前、已有许多技术和产品应用，如通过指纹、人脸识别来进行个体身份识别，通过对图像的分析，发现异常状态来产生报警等、但、这些技术和产品受环境因素的限制较大，在通常的视频监控环境中，成熟性和实用还较低，特别是对于多目标和复杂背景时。在监控环境下实现图像信息的自动解释是视频监控系统智能化的关键技术，是科研的重点和热点，也是拉动视频监控技术、安防技术科技进步的箭头。

    3、系统自适应、自诊断、友好的界面

    系统对环境的适应、对故障的自论断，以及友好的人机交互界面也是系统智能化的内容。它涉及系统控制、故障检测等多个方面，主要是对图像质量的监测、系统及设备工作状的监测。

    视频监控智能化途径

    从技术方面来说，图像信息的自动解释关系图像系统最核心的问题——图像信息的利用水平。可以说：图像信息的自动解释是监控系统智能化标志，是现代视频监控的基本特征。

    图像信息的自动解释有两个基本途径：一是图像识别，主要利用图像信息的空间分辨能力，实现个体的身份认证；二是图像内容分析、主要是利用图像信息的时间分辨能力，理解图像，进行目标行为的分析。

    2012-2016年视频监控系统市场调查与未来前景预测研究报告

    1、图像识别

    主要是指通过对一帧图像中指定目标的特征识别，实现个体身份认证，典型的实例是人脸识别。研究证明，人的行为也是一种生物特征，如步态，眼部动作等。对人步态的分析可以用于个体的识别，但它是通过对一段图像序列的识别来进行个体身份的认证。无论什么方式，图像识别都有要求两个基本条件，一是定义特征、一是建立一定数量的样本数据库。定义特征，选择具有唯一性和相对稳定的特征来表示个体，如用人脸上的标志点来形成特征矢量。样本数据库，按特征的定义采集一定数量(根据应用)的样本特征，建立样本库。

    图像识别的基本工作方法是：将现场采集的目标特征数据与样本库中的数据进行比对。这就这要求现场采集的特征数据和样本库数据具有相关(可比)性，因此、必须建立一个适当限制的应用环境，才能保证系统正常的工作。

    个体身份认证是安全系统最迫切的要求，近年来、有了大量的成果，也有了初步的应用，主要有两种方式：第一是验证，识别监控目标，确认目标的身份及正在发生行为的合法性。是安防系统的功能和典型应用；第二则是识别，将现场采集的特征与样本库进行比对，确定目标的身份，以发现事件的相关线索。是侦察工作的典型应用。系统要建立海量的样本数据库。通常的视频监控系统达不到上述应用的环境条件。

    图像识别系统包括：图像输入、图像的预处理、特征的提取和图像的解释(识别)等技术环节和设备。其关键技术或难点在于实现系统能在一种适当控制的环境下，针对移动目标实时地运行，这些目标通过静止摄像机可能会产生大小不同、角度不同及光照效果不同的图像。并在各种可能的非最佳条件下进行识别，如由于年龄、面部表情、配饰(眼镜、帽子)及可能的伪装(化妆)造成图像的差异。就要求系统采用适当的图像输入方法和预处理技术，以保证图像特征有效地提取，样本的生成和数据库的建立。

    图像识别的方法基本上分为统计方法和结构分析两类，前者是以数学决策理论为基础，建立统计学的识别模型，指纹、掌形的识别多采用这种方法，其特点是稳定、但很少利用图像本身的结构关系。后者则主要是分析图像的结构，它充分地发挥了图像的特点，但容易受图像生成过程中噪声干扰的影响。

    2、图像内容分析

    由于通常的监控系统不适合于进行图像识别，监控系统的智能化就必须寻找新的途径。图像内容分析就成了智能监控的切入点。图像内容分析，自主的定义(简单)特征、不与原始输入相对比；通过目标状态和行为的分析，理解图像内容(判断正常/不正常、预测趋势)；通过图像关联，实现目标的识别。

    图像内容分析分为两个层次：首先是视频探测，视频探测在模拟电视技术中就已得到了应用。在一幅上开图像一个窗口，检测其亮度电平的变化，就可以实现探测。通过一系列窗口的监测其亮度电平的变化，就可以实现运动探测。但它不是真正的视频探测，因为它不能确定目标。在数字视频基础上，首先确认图像中的探测目标，然后再进行其行为的分析，判断出图像中是否出现了“不正常”情况，及时发出报警。是真正的视频探测，它可准确地判断事件，实现真实探测。

    视频探测还非常适于空间的多维探测和多参数探测，同时地处理来自不同方位摄像设备的图像信号，可以作到对目标多方位的监控，实现对特定空间和目标的完全封闭；其次是视频语义解释，通过阅读一段图像，理解图像的内容(视频语义)并把它表达出来，它描述的不是图像本身，而是图像的结构及表现的内容、情节，既视频语义。根据语义可以对图像信息进行标引，在记录图像的同时，生成镜像的标引文件，然后可以通过标引文件对存贮信息进行快速和准确的检索；进而实现图像信息间的关联，图像信息与声音、图形、文本信息之间的关联，这是图像信息深化应用的前提。

    图像内容分析研究的过程分四个阶段，产品和应用也分四个层面；第一是将(运动)目标从视频图像中分离出来。并能在简单环境下(单目标、背景单纯)对目标分类；第二是在简单环境下对目标进行行为分析，判定其运动的方向、方式、目标的复合或离散，发现和告警异常的行为；产生目标的运动轨迹，并能进行目标的自动跟踪；进行目标的统计、关联、过滤、趋势预测等。