视频监控从模拟到数字,再到网络、高清、智能,一直在解决二个问题:“实时监控”和“记录存储”。智能视频即解决由机器来完成人工监视、另一个是在海量视频数据中快速搜索到想要找的图像。因此基于上述两点,我们必须选择智能视频系统,智能视频在未来或将成为监控系统的标配。
从最近a&s组织的“车牌识别”和“智能分析”产品专题测试看,智能分析产品可分为二大类。一类是以建立背景模型为基础的行为分析产品,如海康的智能跟踪高速球;另一类是以特征识别为基础的产品,如科达的车牌识别卡口主机。当然,还有兼特征识别和行为分析二种技术的产品,如大华的高清智能摄像机和博康的视频检测器。
行为分析基于运动背景建模与目标识别技术,即是在相对静止的背景图像中找到活动的目标物体;特征识别无需背景模型,而需要目标物体的特征。因此,特征识别就是将所截得的图像与特征库里具有相似程度的图像进行匹配,如果特征库里的特征图像越多,得到的结果越正确。
从本次测试还可看到,现在的智能产品存在二种形态:一种是基于智能视频处理器解决方案的嵌入式系统;第二种是基于工业计算机的解决方案。上述例举的四产品都属于嵌入式方案,视频分析设备或紧靠IP摄像机之后或与IP摄像机集成一体,可见嵌入式系统或已成为智能产品发展的主流。但基于工业计算机的智能方案也有其特出优点,即可进行非常繁复的运算,所以其可用于若干最关键的需智能视频分析应用的场合。
被测的智能视频产品至少在测试时都表现得比较完美,但不是说所有智能视频产品已经做得很好了,其实抱怨误报率或漏报率高的问题还是屡见不鲜。要解决这一问题,必须对智能视频技术有一点了解。只有这样,才能知道影响智能监控性能的因素有哪些。
智能视频分析过程主要由前景检测、目标检测、目标跟踪、目标分类、轨迹分析、事件检测等部分组成,各部分有专业应用。但有时为了提高算法在某些场景下的性能,一些附加模块也会被加入到算法中,如抗抖动、阴影抑制、车灯抑制模块等。所以说,智能算法常常会有多种实现方案,这就是为什么各种智能产品标称功能可能相同,但性能差异或很大。一套智能算法在设计中需要考虑场景中可能出现的各种复杂情况,各算法模块必须要具有对复杂场景的适应性,并且加入相宜的附加模块来提升算法对场景的处理效果。
智能分析通常会存在如下难点:实际环境中因光照变化而引起的背景的复杂性、目标运动的复杂性、遮挡、目标与背景颜色相似、杂乱背景等等都会增加目标检测与算法设计的难度。
例如,背景的复杂性表现在光照变化引起目标颜色与背景颜色的变化,可能造成虚假检测与错误跟踪;目标阴影与背景颜色存在差别通常被检测为前景,这给运动目标的分割与特征提取带来困难,如此举不胜举。所以说,任何智能算法都会受到场景的影响。
造成影响的原因首先是因为计算机视觉技术与人脑相比还逊色很多。其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视频数据并从中获取视频信息内容,但是最复杂的数学模型也无法囊括真实世界中的所有特性。因此智能视频的精度或多或少会受监控场景的影响。
其次,监控场景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。
怎样才能利用智能视频获得令人满意的效果呢?首先要基于对智能算法的理解,调整监控环境或者调试算法,使环境与算法模型达到最大的一致性。
要在条件允许的情况下尽量降低监控场景的复杂度,凸出有效信息。摄像机的选用及安装非常重要,要选用性能较好的摄像机,提升图像的信噪比。安装摄像机时,要合理选择安装位置及摄像机角度,尽量使视频图像扰动较少且目标重叠较少。比如统计人流量,俯视是一个理想的摄像机安装角度,因为在该角度下,目标的重叠程度较小。除了摄像机的选用及安装外,合理设置警戒规则也会提升智能技术处理效果。