智能監(jiān)控或?qū)⒊蔀榘卜佬袠I(yè)的下一個拐點

    算法的實現(xiàn)可以看作一個建模的過程，也可以理解成一種應用數(shù)學工程。運動目標的檢測識別是指從序列圖像中將變化的前景從背景中分離出來，是數(shù)字圖像處理的一個主要部分。天氣和光照的變化，復雜背景中其他物體的干擾，運動的影子以及攝像機的運動、抖動等都會對目標的提取過程帶來困難。因此運動目標的正確檢測和準確跟蹤成為了視頻監(jiān)控系統(tǒng)中一項重要的技術點。整個過程可以簡單分為以下幾個步驟：視頻預處理，目標檢測與識別，目標分類，目標跟蹤，行為分析和規(guī)則創(chuàng)建。

    視頻預處理

    視頻預處理過程其實就是降低噪聲，突出跟蹤目標。圖像噪聲有兩類，一類是源噪聲，一類屬于觀察噪聲。環(huán)境光線變化，背景的樹葉，雨雪等都屬于源噪聲；而觀察噪聲主要指得是攝像頭抖動，傳輸線路干擾等影響。這些噪聲都會對跟蹤目標提取過程造成麻煩。在消除噪聲方面一般采用的方法為數(shù)字穩(wěn)像，背景自適應學習，閾值分割，形態(tài)學濾波，二值化等。這些處理可以消除圖像中大部分噪聲，減少其對目標檢測的干擾。

    目標檢測與識別

    利用運動目標提取過程得到前景運動的物體后，就需要對目標有一個識別的過程。這種識別分為單目標人工識別和多目標區(qū)域識別。對于單個物體的跟蹤來說，可以從視頻中人為的選取出感興趣的物體，并對其進行跟蹤；對于區(qū)域多物體來說，則可以劃分出一個區(qū)域，只對進入?yún)^(qū)域的物體進行識別和跟蹤。

    目標分類

    對于監(jiān)控區(qū)域內(nèi)的單個物體跟蹤來說是不需要分類的。即使物體在運動過程中發(fā)生了遮擋，當物體滿足線性運動，背景變化比較平緩時，該算法仍然可以對物體進行準確的跟蹤。對于復雜環(huán)境下的非線性運動的物體，我們則在診-來單目標跟蹤的基礎上加入一些目標特征信息來幫助識別跟蹤。目標分類一般應用于多目標情況下跟蹤單目標，或者多目標跟蹤多目標的環(huán)境。當環(huán)境中有多個運動目標的時候我們可以把每個運動的目標都提取出來，按照位置、速度、形狀、紋理以及色彩等有關特征對它們進行分類。首先將感興趣目標的特征信息保存下來，然后對其進行跟蹤。當視頻中跟蹤的物體消失后又出現(xiàn)時，我們就重新用以前保存的特征信息和當前畫面中出現(xiàn)的所有運動目標進行匹配。通過比較的結果，就可以判定出現(xiàn)的物體中哪一個是剛才跟蹤的目標。

    行為分析和規(guī)則創(chuàng)建

    如果說物體的跟蹤過程是一個單純的技術處理過程的話，行為分析則應該屬于高級智能的范疇了。

    簡單的講，行為分析就是在人為規(guī)則創(chuàng)建的基礎上，對視頻中的圖像進行自動的分析和抽取視頻源中關鍵信息的過程。因為規(guī)則的創(chuàng)建是與環(huán)境相關的，比如場景中的情況不同，設置觸發(fā)報警的條件和區(qū)域也不同。因此在智能安防的發(fā)展中，軟件端的工作的重心就是盡量使智能分析朝著人性化的方向發(fā)展，在簡單的設置下，可以讓智能分析對整個圖像有一個自主學習適應的過程，進一步減少人的因素的影響，減輕人的工作量。

    總結與展望

    隨著中國安防產(chǎn)業(yè)發(fā)展越來越快，市場規(guī)模不斷擴大，從事安防產(chǎn)業(yè)的公司也越來越多。對于推廣智能安防產(chǎn)品的公司而言，只有抓住了安防市場的脈搏，掌握了關鍵的技術，才能正確應對未來市場的需求而不斷的推陳出新，不斷的在市場競爭中發(fā)現(xiàn)機遇。同國外相比，中國的智能安防技術還有很長的路要走，但可以肯定的說，隨著國內(nèi)外技術交流次數(shù)的頻繁增加，國內(nèi)人才數(shù)量的倍增以及研發(fā)環(huán)境的完善，這些差距會越來越小。希望今后國內(nèi)從事安防行業(yè)的各個公司也能夠在保護公司自主知識產(chǎn)權的前提下，多多進行溝通和交流，不斷完善安防行業(yè)的產(chǎn)品規(guī)范和市場規(guī)范。在建立共贏市場的前提下，不斷的技術創(chuàng)新，把以智能圖像處理技術為核心的智能視頻監(jiān)控產(chǎn)品在各個行業(yè)和領域中廣泛推廣，為人們的生活創(chuàng)造一個和平安全的環(huán)境。