智能視頻監控分析系統的優勢與應用剖解

        智能視頻監控技術源于計算機視覺技術，作為人工智能研究的一個分支，是一項新興的安防技術，有著廣闊的發展前景。經過了幾年的技術研究與市場開拓，智能視頻分析對人們來說已不再陌生，智能分析行業應用逐漸走上正軌。

　　智能視頻監控的主要優勢

　　·快速的反應時間：毫秒級的報警觸發反應時間；

　　·更有效的監視：保安人員只需要注意相關信息；

　　·強大的數據檢索和分析功能：能提供快速的反應時間和調查時間。

　　運動檢測是基礎

　　絕大多數智能視頻分析都是基于運動目標檢測技術，即首先智能分析系統能準確地完成對運動目標的檢測，將運動物體與圖像背景有效分離，提取出運動目標信息。

　　從計算機視覺的實際應用上來看，運動目標檢測與識別、分析所面臨主要挑戰和需解決問題可以歸結為三個方面，即算法的魯棒性、準確性、實時性。

　　魯棒性

　　魯棒性就是系統的健壯性，用以表征控制系統對特性或參數攝動的不敏感性。運動目標檢測算法的魯棒性是能夠在各種環境條件下實現對運動目標持續、穩定的檢測、分析和識別。

　　影響算法魯棒性的最主要原因有如下幾項：目標狀態的改變、環境光照的變化、部分遮擋引起的目標不規則變形和全部遮擋引起的運動目標暫時消失。

　　準確性

　　運動目標檢測和識別針對不同應用情況，其檢測識別率不同，幾乎無法實現100%檢測成功，即存在誤檢和漏檢情況。由于實際的監控場景環境復雜、千變萬化，其中存在大量噪聲和干擾情況，通過算法的優化可提高一定的檢測準確率，同時往往只能根據實際需求，在誤檢率(虛警率)和漏檢率(漏警率)之間尋求平衡折中。

　　實時性

　　一個實用的智能視頻監控系統，必須具備能夠對視頻圖像序列進行實時處理的能力。由于對視頻動態圖像的處理方法是建立在二維數字信號的處理基礎上，所處理的對象包含巨大的數據量和信息量，要求算法不能計算太復雜，必須快速、實時。對于實時分析預警任務，計算復雜度是至關重要的，這樣才能把系統更多的資源分配給更高級的任務。而這其中實時性和魯棒性又常常是矛盾的，如何尋求平衡發展是技術的關鍵。智能視頻分析系統的應用

　　多年從事安防與視頻監控系統集成和產品研發的公司在進一步成熟傳統監控技術的同時，將智能分析引入視頻監控中。目前，已將視頻的智能分析運用到電力行業、平安城市等的監控系統中。

　　電力行業的變電站視頻監控系統

　　目前電力行業中的視頻監控系統遇到異常情況一般都是進行事后處理，往往為時已晚。因此為防范于未然，可在變電站內在一定范圍內進行周界防范，當發現可疑人物入侵或跨入警戒線時，要求監控系統能夠自動檢測入侵目標，并標識其入侵軌跡，同時發出報警通知管理人員前去處理。

　　將周界監控范圍內所有的禁止入侵的區域設置為防區。這樣當有入侵者侵入防范區域時就會被智能監控系統自動鎖定并標識出行動軌跡，同時發出報警。這里的報警分前端和后端兩種，前端報警可通過聲光報警器來實現，入侵者觸發報警時，監控系統會發出警報聲警告入侵者，并可打開強光燈使入侵者無法藏身；后端報警在系統軟件平臺應用來實現，通過管理人員對入侵行為進行處理，這樣可以做到“事前防范”，避免損失。

　　平安城市監控系統

　　對平安城市監控系統來說，其一方面主要體現在一些重要的路段、社區、公共場所等，以通過視頻監控方式對出現的可疑目標進行監控報警。另一方面則集中在監控系統的后期運營管理過程中，以通過視頻分析技術檢測前端攝像頭常見故障與視頻圖像質量問題，實現監控系統的有效維護。

　　平安城市視頻監控需求復雜、系統容量龐大，不僅涉及到交通車輛、人員聚集監控及違規報警，違章停車等智能交通的監控，還涉及到小區里可疑人物的出現和逗留徘徊的報警等等；甚至要結合物聯網及云計算技術，構建海量視頻存儲與內容分析檢索系統。

聲明:

凡文章來源標明“中國智能交通網”的文章版權均為本站所有，請不要一聲不吭地來拿走，轉載請注明出處，違者本網保留追究相關法律責任的權利；所有未標明來源為“中國智能交通網”的轉載文章均不代表本網立場及觀點，“中國智能交通網”不對這些第三方內容或鏈接做出任何保證或承擔任何責任。