浅谈智能视频分析技术

许　英

Xu Ying

浅谈智能视频分析技术

许英

本文从视频应用的一些特殊场合出发，浅析智能视频的应用价值。

视频分析；前端智能；后端智能；应用场景

1　引言

视频分析产生的背景很简单，其一为安防应用，即当值班人员面对数十、成百上千的摄像机，无法真正在风险产生前预防或干预，多数靠事后回放相关的影音；其二为非安防应用，如商业上流量统计、预防盗窃等。其理念是将风险的分析和判断识别转交给计算机或者芯片，使值班人员从盯守监视器中解脱出来，当系统发现问题的时候，产生报警，此时值班人员进行响应。

智能视频分析监控技术是指采用智能化的视频分析算法，利用计算机对视野范围内目标的特定行为进行分析和提取，当发现存在符合某种规则的行为（如定向运动、越界、游荡、遗留等）发生时，自动向监控系统发出提示信号，采取某种对应措施（如声光报警器报警）或通知监控人员进行人工干预等。

近年来，具备“基础智能”功能的人员卡口、车辆卡口、特征分析前端摄像机大放异彩，它的核心使命是把监控画面中的有用信息尽可能多的进行识别和描述，如人、车、颜色、状态等。而普通的智能产品（如拌线、区域安防等），是安防告警的辅助手段，以提供告警信号为主，多用在无人或者少人的场合。

2　智能视频分析应用场景及分类

2.1智能视频分析应用场景

与安全相关的应用场景是目前市场上主要的智能视频应用场合，特别是在各类恐怖袭击、爆炸案之后，特殊场合对于此类应用的需求不断增长。这些应用主要作用是协助政府或相关机构的安全部门提高室外大地域公共环境的安全防护，这些场合主要包括：军事重地、营区、仓库等重要目标周界的警戒和入侵检测，安全部门门禁的人脸识别与黑白名单、车辆识别与黑白名单，政府单位的执勤岗哨侦测，机场、火车站等地敏感地区的非法滞留等。

2.2智能视频分析分类

从广义上来说，智能视频分析技术主要包括视频分析类、视频识别类和视频改善类三类。

（1）视频分析类。该类主要是在监控图像中找出目标，并检测目标的运动特征属性（如目标相对的像素点位置，目标的移动方向及相对像素点移动速度，目标本身在画面中的形状及其改变），根据以上的基本功能，视频分析主要分为以下功能模块：周界入侵检测、目标移动方向检测、目标运动、停止状态改变检测、目标出现与消失检测、人流量、车流量统计、PTZ自动追踪系统、系统智能自检功能等。

（2）视频识别类。该类包括人脸识别、步态识别与车牌识别，其主要技术是在视频图像中找出局部中一些画面的共性，如人脸必然有两个眼睛，如果可以找到双目的位置，那么就可以定性人脸的位置及尺寸。

（3）视频改善类。该类主要是针对某些不可视、模糊不清，或者是对振动的图像进行部分优化处理，以增加视频的可监控性能。具体包括：红外夜视图像增强处理、车牌识别影像消模糊处理、光变与阴影抑制处理、潮汐与物体尺寸过滤处理、视频图像稳定系统等。

3　智能视频分析实现方式

智能视频分析技术目前有两种常用方式：一种是基于智能视频处理器的前端解决方案，另一种是基于监控的后端智能视频分析解决方案。

3.1后端智能

基于监控的后端智能视频分析解决方案是所有的前端摄像机仅仅具备基本的视频采集功能，所有的视频分析都必须汇集到后端或者关键节点处由计算机或者监控平台统一处理。其优点是：对前端设备要求低、可有效与现有监控系统融合，可扩展性强；缺点是只能控制若干关键的监控点，并且对计算机性能和网络带宽要求比较高。

3.2前端智能

基于视频处理器的前端解决方案可以使得视频分析技术采用分布式的架构方式，在此方式下，所有的目标跟踪、行为判断、报警触发都是由前端智能分析设备完成，视频分析单元一般位于视频采集设备附近（或内置于摄像机），这样可以有选择地设置系统，让系统只有当报警发生的时候才传输视频到控制中心或存储中心，相对于服务器方式，大大节省的网络负担及存储空间。

3.2.1前端智能，便于大规模部署

目前广泛使用的摘要系统多以后端摘要为主，存在录像摘要时间较长，服务器性能有限等问题。在平安城市等具有海量监控点的情况下，基于“特征分析摄像机+后端智能管理”的模式，可有效分摊系统各部分的工作负荷，高效实现监控目标摘要，便于大规模部署。

3.2.2语义搜索，海量数据快速定位

基于特征分析摄像机输出的结构化数据，后端业务系统可通过语义信息，例如：时间、颜色、类型等信息，对海量数据进行快速检索，快速找到监控目标。

3.2.3以图搜图，模仿人脑分析目标

基于特征分析摄像机输出的最佳抓拍图片，后端业务系统可采用以图搜图的方式，对海量图片信息进行快速检索，实现如人脸以图搜图、车辆以图搜图、人脸比对、车辆比对等深度应用。

3.2.4二次挖掘，人工智能深度应用

基于特征分析摄像机提供的视频、图片、结构化数据等信息，业务系统可进行二次数据挖掘，对车辆、人员等进行更多信息提取，例如车标、车型、车速、人员年龄、性别等信息，为深度应用提供数据支撑。

4　智能视频分析的应用场景

4.1周界警戒及入侵检测

采用视频监控加智能分析报警的方法对外围周界进行无缝覆盖，发现有目标侵入立即发出报警。设备采用低照度及感知型摄像机，并安装声光报警器，报警发生时声光报警器响起，同时后端机房也能准确显示报警位置。可以感知设定区域内突然出现和入侵的物体并及时报警，比如在军事禁区等重要场所出现可疑人物等。

4.2人脸识别与黑白名单

（1）关卡信息视频监控。在海关、机场、火车站、企业、园区等出入口场合，或者城市重点路段，使用具备人脸识别的人员卡口前端智能摄像机，对于过往人群，既可以抓拍最佳人脸也可以抓拍最佳人身像。光线良好的情况下，人脸与人员抓拍率均在95％以上。

（2）人员目标特征分析。人员抓拍次数可控，可选取单个人员的多张抓拍照片中最优的一张进行存储，节省存储空间。根据环境自动调整算法，选取最优人脸，并自动识别人员行进的方向、速度等信息，方便后期进行结构化数据生成。

（3）人员实时计数。具备人脸识别的前端智能摄像机还可以对双向通行的人员进行计数，在光线良好充足的情况下，全天候统计准确率大于80％。在商场、博物馆等场所可以用来进行客流统计，为管理者提供决策依据。

4.3车辆识别与黑白名单

具备车辆识别的前端智能摄像机一般分为卡口、电警、违停和出入口多种类型。车辆关卡摄像机部署在车头方向，可识别车牌、车型和车身颜色等信息。即使在逆光环境下，车辆内的人脸也可以抓拍得十分清楚。800万像素的单车道卡口，抓拍到的车内人脸可达智能识别的标准，包括年检标准都可以清晰辨识。可以自动检测与取证禁止停车区域内的车辆违法停车行为，从全景到车辆特征再到车牌细节，都清晰呈现。

4.4目标统计与拥挤探测

用于在高速公路或环线公路上监视交通情况，例如统计通过的车辆数、平均车速、是否有非法停靠、是否有故障车辆等。统计穿越入口或指定区域的人或物体的数量，例如为业主计算某天光顾其店铺的顾客数量，从而深度挖掘该地区的消费能力。探测某个区域人群过于拥挤，此技术基于“人数统计”，如某个区域人数超过30人将触发报警。

4.5重要目标涉密物体移动侦测

当设定的监控区域内目标物（枪等）被移走、替代或恶意遮挡时发出报警，用来保护财产安全。

4.6执勤岗哨侦测

在哨位管理的区域安装固定摄像机，智能视觉服务器启用哨位侦测模式。当被监控哨位出现脱岗或有众多人员集聚时报警，提示管理人员进行处理，交接岗时记录抓拍。哨兵在岗哨内执勤，姿势正确且在规定的区域内活动，属于正常状态，不会触发报警。而哨兵在岗哨内执勤过程中，出现靠墙、弯腰、坐下、倒地、脱岗或聚众时，系统识别为哨位异常触发报警。

4.7非法滞留侦测

当一个物体（如箱子、包裹、车辆、人物等）在营区的敏感区域停留的时间过长，或超过了预定义的时间长度就产生报警。检测物体被移动或出现可疑物体，车辆或其他目标物停靠或滞留超过一定的时间，对被蓄意放在设定区域的物品进行探测并报警，比如有人遗留包裹或爆炸物等。

5　结束语

不同行业对于视频监控的需求有着非常明显的差异，特别是对于智能视频分析技术的应用需求，由此也决定了不同行业间检测行为类型与异常事件的特殊性。随着各行业应用不断深入，安全级别防范控制要求进一步提升，安防领域将面临越来越多不同的挑战，其对视频监控的需求也日益多样化和复杂化。

如何能够在海量视频数据中识别与挖掘更多有价值的信息，已成为了智能视频分析技术在深化行业应用过程中共同面临的问题。只有结合行业应用实际，深入了解各不同行业的具体要求，才能更好地抓住用户的需求，使智能视频分析得到深入的应用。■

［1］西刹子.安防天下-智能网络视频监控技术详解与实践.北京：清华大学出版社，2010，2

［2］卢选民，张原，史浩山.分布式智能监控系统视频多画面显示的设计与实现.计算机应用研究，2000，3

［3］杨磊，李峰，付龙，杨娟编.电视监控实用技术.北京：机械工业出版社，2003

［4］王绍棣，张莉等.基于内容特征分析的图像和视频检索系统.计算机工程与应用，2001，7

［5］张兆杨，杨高波，刘志.视频对象分割提取的原理与应用.北京：科学出版社，2009，3

［6］谭铁牛.智能视频监控技术概述［C］.第一届全国智能视觉监控学术会议，2002

［7］徐璐.基于直方图和混合高斯模型的摄像头移动监测.上海交通大学电子信息与电气工程学院，2009，1

［8］高俊祥，杜海清.智能视频监控系统的关键技术［J］.中国多媒体通信，2008，13

［9］安博会上看智能监控市场的发展.安全防范.十一届安博会，2007，11

［10］李庆斌，李众立.基于ARM9的智能视频入侵物识别系统设计［J］.微计算机信息，2011，03

［11］张毅，张烁，罗元，徐晓东.基于Kinect深度图像信息的手势轨迹识别及应用［J］.计算机应用研究，2012，09

［12］李卓，邱慧娟.基于相关系数的快速图像匹配研究［J］.北京理工大学学报，2007，11

Discussion on Intelligent Video Analytical Technology

This paper analyzes the application value of intelligent video in some special scenarios.

Video analyzing；intelligent front-end；intelligent Back-end；application scenario

10.3969/J.ISSN.1672-7274.2016.09.005

TN919.8，TP392

A

1672-7274（2016）09-0017-03

Xu Ying