一套性能优越的IVS技术是否可以不受场景的影响,在各种场景下都达到最佳处理效果呢?答案是「否定的」。
首先,IVS技术是由计算机视觉技术的发展水平而决定,因为计算机视觉技术还处于发展阶段,与人脑相比,计算机的智能程度还逊色很多。它用一些数学模型来描述真实世界,并试图用这些数学模型来分析影像数据,并从中获取影像信息内容,但是最复杂的数学模型在现阶段也无法囊括真实世界中的所有特性(就算有这样的模型,普通CPU也支撑不了这样庞大的计算)。由于不同的监控场景与IVS技术的内部数学模型之间的吻合程度会有所不同,因此其精准度或多或少都会受到环境的影响。
其次,环境的复杂程度也会对处理结果产生重要影响,因为复杂的场景往往意味着有效信息提取的困难。在传统人为的监控系统中,监控者对于低照度、高度干扰、高拥挤程度影像的监测精准度一般会较低。
至于怎样才能使IVS技术获得令人满意的监控效果呢?首先要基于对IVS技术内部算法的理解,调整监控环境或者调试算法,使监控环境与其内部的算法模型达到最大的一致性。举例来说,如果IVS的目标分类模块将目标尺寸作为重要的分类特征,在大景深的场景中,目标尺寸变化幅度很大,该目标分类模块的精准度就会大大降低。有多种方法可以解决这一问题,降低场景的景深,或是加入场景标定算法等。
同时,要在条件允许的情况下尽量降低监控场景的复杂度,突出有效信息。例如,摄影机的选用及安装就非常重要,要选用性能较好的摄影机,提升图像的信噪比,如果对夜晚场景进行监控,则最好选用红外摄影机。安装摄影机时,要合理选择安装位置及摄影机的角度,尽量使影像图像干扰较少且目标重迭较少。
举例来说,要在较拥挤的场景中统计人流量,俯视角度就是一个比较理想的摄影机安装角度,因为在该角度下,目标的重迭程度较小(如果IVS使用了人脸检测算法来进行人流量统计,情况会有所不同)。除了摄影机的选用及安装外,合理设置警戒规则也会提升IVS的处理效果。举例来说,在统计车流量的分析中,若警戒的设置区域中有树木等物体遮挡目标,IVS在该区域就容易产生目标的误检及误跟踪。