在线永久免费观看丝袜黄网站-凹凸国产熟女精品视频国语-日韩亚洲午夜精品一区二区三区-日韩欧美国产另类一区二区

智能視頻監(jiān)控技術(shù)主要是指對固定的監(jiān)控?cái)z像機(jī)拍攝的視頻進(jìn)行探測分析，從而獲得視頻中的運(yùn)動(dòng)目標(biāo)，提取語義級別的事件信息，再經(jīng)分析與識別，進(jìn)而做出反應(yīng)的一種技術(shù)。一般，智能視頻監(jiān)控技術(shù)常用的智能探測、分析與識別的軟件算法與基本流程框架如圖1所示，由圖可知，智能視頻監(jiān)控技術(shù)的主要框架分為事件前景檢測，目標(biāo)檢測、特征提取、跟蹤與目標(biāo)分類，事件識別等幾個(gè)部分。

圖1 常用的智能探測、分析與識別的軟件算法與基本流程框架

一、前景檢測技術(shù)

所謂前景檢測技術(shù)，是將輸入的視頻圖像中變化劇烈的圖像區(qū)域從圖像背景中分離出來。這種視頻圖像中變化劇烈的圖像區(qū)域，也稱為前景團(tuán)塊。前景檢測技術(shù)有多種實(shí)現(xiàn)方法，如幀差法、多高斯背景建模及非參數(shù)背景建模等七八種。這些實(shí)現(xiàn)方法之間的復(fù)雜度差異很大，對于各種場景的適應(yīng)能力也有很大差異，因而它們的穩(wěn)定性及性能差異也非常明顯。如利用簡單的幀差法也可以實(shí)現(xiàn)前景檢測，它在穩(wěn)定簡單的場景下可以得到較好的前景檢測結(jié)果，但是在視頻發(fā)生擾動(dòng)或者光照變化時(shí)，大量的靜態(tài)圖像區(qū)域就會被當(dāng)作前景團(tuán)塊誤檢出來，因而該方法僅適用于檢測穩(wěn)定的室內(nèi)場景。這就是為什么各種智能視頻監(jiān)控產(chǎn)品提供的功能大同小異，而存在很大性能差異的原因之一。

二、目標(biāo)檢測、提取、跟蹤與分類技術(shù)

所謂目標(biāo)檢測、提取、跟蹤與分類技術(shù)，是分析前景團(tuán)塊在視頻序列中的狀態(tài)，然后將具有穩(wěn)定存在狀態(tài)及運(yùn)動(dòng)規(guī)律的前景團(tuán)塊作為運(yùn)動(dòng)目標(biāo)提取出來并跟蹤，同時(shí)根據(jù)提取的圖像特征值實(shí)現(xiàn)目標(biāo)類型的甄別與分類。一般，將目標(biāo)分為人和車輛兩類，也有一些特殊應(yīng)用會對目標(biāo)進(jìn)行其他較詳細(xì)的類型的分類。實(shí)際上，目標(biāo)分類技術(shù)是利用一些圖像特征值實(shí)現(xiàn)目標(biāo)類型的甄別的，如目標(biāo)輪廓、目標(biāo)尺寸、目標(biāo)紋理特征等。一系列訓(xùn)練樣本（各種視頻圖像）會被用于訓(xùn)練分類算法，分類算法也根據(jù)特征對監(jiān)控視頻中的目標(biāo)進(jìn)行類型甄別。分類算法也有多種實(shí)現(xiàn)方法，包括支撐向量機(jī)、Adab00st.神經(jīng)網(wǎng)絡(luò)等。顯然，分類特征的選取，分類方法的實(shí)現(xiàn)及訓(xùn)練樣本等，都會使分類技術(shù)產(chǎn)生較大的差異性。

值得指出的是，如果前景出現(xiàn)移動(dòng)物體目標(biāo)，并在設(shè)置的范圍區(qū)域內(nèi)且目標(biāo)物體大小滿足設(shè)置，系統(tǒng)將會把該目標(biāo)進(jìn)行提取并跟蹤。這種目標(biāo)跟蹤技術(shù)，利用運(yùn)動(dòng)目標(biāo)的歷史信息預(yù)測運(yùn)動(dòng)目標(biāo)在本幀可能出現(xiàn)的位置，并在預(yù)測位置附近搜索該運(yùn)動(dòng)目標(biāo)。實(shí)現(xiàn)目標(biāo)跟蹤也有多種方法，如連接區(qū)域跟蹤、模板匹配、粒子濾波等，這些方法在不同場景下的表現(xiàn)也有較大的差異性。此外，對跟蹤成功的目標(biāo)的運(yùn)動(dòng)軌跡應(yīng)進(jìn)行分析，以便對運(yùn)動(dòng)軌跡進(jìn)行平滑及誤差修正，使目標(biāo)的運(yùn)動(dòng)軌跡更加接近于真實(shí)狀態(tài)。通常，目標(biāo)的良好跟蹤是視頻分析效果的基礎(chǔ)前提條件，視頻分析過程需要了解目標(biāo)出現(xiàn)及運(yùn)動(dòng)的時(shí)間、位置、速度、方向等要素，而這些要素則主要通過目標(biāo)跟蹤得到。

三、事件識別技術(shù)

所謂事件識別技術(shù)，是將目標(biāo)檢測、提取、跟蹤與分類出的目標(biāo)信息與前述設(shè)定的事件識別法則（或用戶設(shè)定的預(yù)/報(bào)警規(guī)則）進(jìn)行邏輯判斷，判斷是否有目標(biāo)觸發(fā)了前述的事件識別法則，如符合前述的法則，即做出預(yù)/報(bào)警響應(yīng)，并記錄顯示，必要時(shí)還要對識別出的事件目標(biāo)進(jìn)行跟蹤。

智能視頻監(jiān)控系統(tǒng)的工作過程是，當(dāng)視頻輸入時(shí)，首先利用前景檢測技術(shù)進(jìn)行事件的前景檢測，并提取出前景團(tuán)塊；其次經(jīng)目標(biāo)檢測、提取、跟蹤與分類技術(shù)，分析前景團(tuán)塊在視頻序列中的狀態(tài)，提取具有穩(wěn)定存在狀態(tài)及運(yùn)動(dòng)規(guī)律的前景團(tuán)塊作為運(yùn)動(dòng)目標(biāo)并跟蹤，同時(shí)根據(jù)提取的圖像特征值實(shí)現(xiàn)目標(biāo)類型的甄別與分類；然后利用事件識別技術(shù)將目標(biāo)檢測、提取、跟蹤與分類出的目標(biāo)信息與前述設(shè)定的事件識別法則進(jìn)行邏輯判斷，判斷是否有目標(biāo)觸發(fā)了設(shè)定的事件識別法則。如不符合設(shè)定的法則，仍返回繼續(xù)進(jìn)行前景檢測；如符合設(shè)定的法則，即做出預(yù)/報(bào)警響應(yīng)，并記錄顯示，必要時(shí)還要對識別出的事件目標(biāo)進(jìn)行跟蹤，直到解決問題為止。

如果在上述框架下采用簡單易用的方案來實(shí)現(xiàn)各個(gè)模塊，搭建一套智能視頻監(jiān)控技術(shù)并不是非常困難，但是其性能及其對各種場景的適應(yīng)能力就很難得到保證。為了提高智能視頻監(jiān)控技術(shù)在某些場景下的性能，在上述的常用的智能軟件算法框架上，可根據(jù)需要增加一些附加的軟件模塊加入算法框架。如對安置在汽車等移動(dòng)物體上的攝像機(jī)獲取的視頻圖像，必須要增加一個(gè)抗抖動(dòng)軟件模塊，這樣就可以提升在攝像機(jī)抖動(dòng)情況下的處理效果；如在陰影嚴(yán)重的室外場景下，需增加陰影抑制軟件模塊，從而提升在陰影嚴(yán)重的室外場景下的處理效果；如在光照劇烈變化場景下，可增加光變抑制軟件模塊，從而提升在光照劇烈變化場景下的處理效果；如在目標(biāo)圖像頻繁互相遮擋場景下，可增加遮擋處理軟件模塊，以提升在目標(biāo)圖像頻繁互相遮擋場景下的跟蹤精度等。