面向多摄像机网络的智能视频分析技术

    智能视频分析的需求是在视频监控水平发展到一定阶段后必然的产物，它能很好地缓解传统视频监控中海量信息冗余的问题。虽然经过几年的发展，但现阶段，无论是智能视频分析的技术与应用，还是市场环境都还处于成长阶段，需要在不断地实践中探索中前进。

    不同行业需求差异性明显

    据了解，不同的行业对于视频监控的需求一般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。比如在平安城市中，可 针对城市治安突发事件，专门研发打架、抢劫、攀 越等行为分析功能;在银行ATM自助服务区，可通 过对目前ATM自助服务区犯罪手段的分析，实现如 非法粘贴小纸条、安装假键盘、蒙面、暴力抢劫等 行为分析功能;在交通行业，可实现针对交通事件 如逆行、非法停车、交通拥堵等情况报警的更多的 功能。

    只有结合行业应用实际，深入了解不同行业的 具体问题，才能更好地抓住用户的需求，将智能视 频分析技术的功能落实到应用的实处，这也是智能 视频分析技术未来产业化价值的最终体现。

    不断完善核心算法

    在技术方面，目前智能视频分析技术主要分为 模式识别和行为分析技术。模式识别技术包含：人脸检测、人脸比对、车牌识别、烟火识别检测等;行为分析包含：越线、进入、离开、丢失、遗留物、人群聚集、滑倒等。智能分析最核心的是视频算法，目前算法的体现形式包括了集成到硬件和纯软件方式提供，效果基本相同。

    目前，专注于智能视频分析领域的厂商也越来越多，综合型的企业代表如海康威视，专项智能行业型的如卓扬科技、智安邦科技、文安科技等;国外企业代表如美国的ObjectVideo、以色列的ioimage、NICE等。

    为了做好智能分析的良好推广与深入应用，从厂家方面，仍然要不断的完善产品核心算法技术，或者开发出更多符合各个特定场景的应用模式。智能视频分析区别于传统行业产品的一点是，它的核 心算法还远远没有达到定型的程度，具有很大的拓 展空间，因为随着应用的普及，将会对产品的功能 提出更加具体多的要求。另外，智能视频分析的技 术往往还牵涉到许多复杂的参数配置，如何简化这些技术参数的配置是厂家需要重视的问题。同时在 行业推广的过程中涉及到的产品知识与行业技术的推广，也需要各个厂家共同努力。 目前，实际复杂的应用环境就需要越加复杂的 算法，当前应用智能视频分析技术开发相应高级功 能的嵌入式产品，解决了很多产品的施工难度与实 际推广的阻力，这也是智能视频分析技术发展的必 然趋势。

   减少漏报、误报率

    以检测准确性作为评价标准的智能视频分析产 品，一般通过考察其在不同环境下的检测率和误报率 来评价其性能。理想系统的检测率和有效率都应是 100%，但实际系统只能接近这些指标而不是完全达 到。只有通过调整系统的灵敏度参数，改变检测率 与有效率之间的关系，在有效率合乎使用要求的情况 下，性能优良的系统才能达到最高检测率。当灵敏度 调很高时，检测率提高但误报增多，有效率会下降。 反之，误报率减少，有效率提高但检测率会降低。

    智能分析能达到简单的行为分析。提高漏报与 误报的形式必须通过整体的方式去设计，比如摄像 机摆放的位置，镜头的选择，室内的光线，过滤器 及灵敏度，规则的合理设置等。通过整体的考虑可 以降低误报率。

    当前市场上的智能视频分析产品的效果是参差不齐的，有的打着智能的旗号实际上实现不了智能的效果。未来厂家们将继续完善算法，同时加强在 复杂及恶劣环境下的测试，不断提高产品的性能， 将漏报、误报减少到最低程度。

    未来仍需提高的部分

    虽然智能视频分析技术已得到快速发展，但是 实施到具体的应用，还有许多复杂的技术问题。

    无法完全消除误报的影响。例如运动目标识别中的背景建模技术，在控制漏报数量的同时，还不能完全的删除误报。在以目标识别为技术基础的周界防范产品中，误报的数量一直是反映该产品优劣的一大指标。而误报的数量是由背景模型与实际使用情况之间的差距造成的。模型的适应能力越强，造成的误报越少，背后要求的技术也越高。影响背景模型建立的因数很多，例如空旷的柏油马路和边上有树木的围墙，6m高的摄像机与2m高的摄像机所拍摄的画面就需要不同的背景模型，白天和黑夜的状态需要的模型也不同。目前，行业中还没有开发出一种可以涵盖所有使用情况的背景模型来，也无法完全的解决随机事件的影响，如在黑夜环境下车灯造成的误报。

    不具备行为的判断能力。例如周界防范，机器中行为分析的区域入侵功能能够发现活动目标，并可以在这些活动目标中利用技术手段把用户希望的目标(例如人体)提取出来。但是再进一步，这个闯入者的动机是什么，是偶尔路过，还是故意闯入，是否有意的往警戒区域内探望，这些都无法靠机器来识别。毕竟智能视频分析还只是一系列设定好的数学公式与程序，远没有达到人的判断能力。

    特征识别技术对画面要求高。对于基于特征识别的分析技术，对于图像的要求比较高。除了画面本身清晰度外，也需要清楚的展示目标物体的特征，目前计算机的识别能力大大低于人类对物体特征的识别能力，不同的光照条件和拍摄角度，都将改变计算机所看到的特征。因此，对摄像机的安装以及周围环境的要求比较高。例如车牌识别的产品，对车牌在画面中呈现的角度，像素大小都有比较严格的要求，这些高要求限制了该类产品的实施与应用。

    CPU的处理能力仍然是瓶颈。要满足实际复杂的应用环境就需要越加复杂的算法，随之带来了巨大的计算量，目前DSP芯片的能力有限，已经不能满足某些复杂算法的需要。因此，难以开发相应高级功能的嵌入式产品，这也增加了很多产品的施工难度与实际推广的阻力。