智能監(jiān)控將會(huì)成為安防的下一個(gè)拐點(diǎn)嗎?

    2010年，數(shù)字化、高清化、智能化充斥著整個(gè)安防市場，不論是企業(yè)還是媒體，都在樂此不疲地談?wù)撝�視頻監(jiān)控的這三大走勢。而今，2010北京安博會(huì)召開在即，作為安防行業(yè)的年度盛會(huì)，我們沒有理由懷疑與這三大趨勢有關(guān)的產(chǎn)品會(huì)在展會(huì)上出現(xiàn)。今天，筆者將就智能視頻分析這一話題進(jìn)行探討。

    記得在采訪北京光橋總裁張乃憲先生時(shí)，他曾說，對于視頻監(jiān)控來說，監(jiān)控錄像需要7*24小時(shí)不間斷，保安員在觀看視頻監(jiān)控屏幕時(shí)極易造成視覺疲勞，發(fā)現(xiàn)可疑線索的幾率就大大降低，舉個(gè)例子，人在盯著屏幕觀看錄像12分鐘的時(shí)候，45%的畫面會(huì)被忽視，而當(dāng)觀看錄像達(dá)到22分鐘的時(shí)候，95%的畫面將被忽略;另外，如何在監(jiān)控屏幕不斷切換的同時(shí)發(fā)現(xiàn)突發(fā)事件并及時(shí)預(yù)警也是實(shí)踐中的一個(gè)難題;同時(shí)，隨著視頻監(jiān)控的大范圍應(yīng)用，也帶來了海量的視頻數(shù)據(jù)，如何在這些海量的數(shù)據(jù)中提煉有價(jià)值的數(shù)據(jù)成為一個(gè)亟待解決的問題�；�于這些因素，智能視頻分析的產(chǎn)生和應(yīng)用就顯得極為必要。

    智能視頻技術(shù)分析技術(shù)工作原理及技術(shù)缺陷

    智能視頻分析技術(shù)讓人迫不及待，那么，智能視頻分析的工作原理是什么呢?

    智能視頻分析大體上分為兩大類，一類是以背景模型建立為基礎(chǔ)，主要包括周界防范在內(nèi)的行為分析等。第二類是以特征識(shí)別為基礎(chǔ)，包括車牌識(shí)別、人臉識(shí)別等。

    行為分析主要基于運(yùn)動(dòng)背景建模與目標(biāo)識(shí)別技術(shù)，簡單來講就是在相對靜止的背景圖像中找到在活動(dòng)的目標(biāo)物體。

    運(yùn)動(dòng)目標(biāo)識(shí)別的背景建模技術(shù)，首先根據(jù)某種數(shù)學(xué)原理建立環(huán)境背景的數(shù)學(xué)模型，在概數(shù)學(xué)模型的基礎(chǔ)上，機(jī)器可以區(qū)分出靜止背景與運(yùn)動(dòng)的目標(biāo)物體，然后再根據(jù)目標(biāo)的輪廓、大小等信息對其分類，除去虛假的或無需關(guān)心的目標(biāo)，最終結(jié)合剩下的目標(biāo)軌跡與設(shè)置的規(guī)則產(chǎn)生報(bào)警信號(hào)。

    特征識(shí)別技術(shù)的原理與活動(dòng)目標(biāo)識(shí)別技術(shù)不同。特征識(shí)別無需背景模型而需要目標(biāo)物體的特征，因此機(jī)器會(huì)存有一個(gè)可以用于描述這些特征的數(shù)據(jù)庫，特征識(shí)別也就是在所得的圖像中尋找與特征庫里具有一定相似程度的物體以進(jìn)行匹配，如果特殊庫里描述的特征越多，得到的結(jié)果越正確，同時(shí)需要的計(jì)算量也越大。

    然而，目前智能視頻分析技術(shù)應(yīng)用并不廣泛，還處于試用階段，“不成熟”的技術(shù)無法催生市場的膨脹，這主要表現(xiàn)在以下幾個(gè)方面：

    1.無法完全消除誤報(bào)的影響

    例如運(yùn)動(dòng)目標(biāo)識(shí)別中的背景建模技術(shù)，在控制漏報(bào)數(shù)量的同時(shí)，還不能完全的刪除誤報(bào)。在以目標(biāo)識(shí)別為技術(shù)基礎(chǔ)的周界防范產(chǎn)品中，誤報(bào)的數(shù)量一直是反映該產(chǎn)品優(yōu)劣的一大指標(biāo)。而誤報(bào)的數(shù)量是由背景模型與實(shí)際使用情況之間的差距造成的。模型的適應(yīng)能力越強(qiáng)，造成的誤報(bào)越少，背后要求的技術(shù)也越高。影響背景模型建立的因數(shù)很多，例如空曠的柏油馬路和邊上有樹木的圍墻，6m高的攝像機(jī)與2m高的攝像機(jī)所拍攝的畫面就需要不同的背景模型，白天和黑夜的狀態(tài)需要的模型也不同。目前，行業(yè)中還沒有開發(fā)出一種可以涵蓋所有使用情況的背景模型來，也無法完全的解決隨機(jī)事件的影響，如在黑夜環(huán)境下車燈造成的誤報(bào)。

    2.不具備行為的判斷能力 例如周界防范，機(jī)器中行為分析的區(qū)域入侵功能能夠發(fā)現(xiàn)活動(dòng)目標(biāo)，并可以在這些活動(dòng)目標(biāo)中利用技術(shù)手段把用戶希望的目標(biāo)(例如人體)提取出來。但是再進(jìn)一步，這個(gè)闖入者的動(dòng)機(jī)是什么，是偶爾路過，還是故意闖入，是否有意的往警戒區(qū)域內(nèi)探望，這些都無法靠機(jī)器來識(shí)別。

    3.特征識(shí)別技術(shù)對畫面要求高

    對于基于特征識(shí)別的分析技術(shù)，對于圖像的要求比較高。除了畫面本身清晰度外，也需要清楚的展示目標(biāo)物體的特征，目前計(jì)算機(jī)的識(shí)別能力大大低于人類對物體特征的識(shí)別能力，不同的光照條件和拍攝角度，都將改變計(jì)算機(jī)所看到的特征。因此，對攝像機(jī)的安裝以及周圍環(huán)境的要求比較高。例如車牌識(shí)別的產(chǎn)品，對車牌在畫面中呈現(xiàn)的角度，像素大小都有比較嚴(yán)格的要求，這些高要求限制了該類產(chǎn)品的實(shí)施與應(yīng)用。

    4.CPU的處理能力仍然是瓶頸

    要滿足實(shí)際復(fù)雜的應(yīng)用環(huán)境就需要越加復(fù)雜的算法，隨之帶來了巨大的計(jì)算量，目前DSP芯片的能力有限，已經(jīng)不能滿足某些復(fù)雜算法的需要。因此，難以開發(fā)相應(yīng)高級(jí)功能的嵌入式產(chǎn)品，這也增加了很多產(chǎn)品的施工難度與實(shí)際推廣的阻力。