智能視頻監(jiān)控?cái)z像頭關(guān)鍵技術(shù)簡(jiǎn)介

　　目前智能視頻監(jiān)控?cái)z像頭的構(gòu)成以及硬件技術(shù)已經(jīng)相對(duì)穩(wěn)定和成熟，要最終完成智能視頻監(jiān)控?cái)z像頭的監(jiān)控任務(wù)和智能技術(shù)還需要軟件功能的密切配合，高效的視頻編解碼技術(shù)以及有效的計(jì)算機(jī)視覺(jué)算法是智能視頻監(jiān)控?cái)z像頭的核心技術(shù)，為攝像機(jī)完成智能分析任務(wù)提供了重要的技術(shù)保障。從視頻采集到智能結(jié)果結(jié)構(gòu)化輸出主要包括：運(yùn)動(dòng)目標(biāo)提取、運(yùn)動(dòng)目標(biāo)跟蹤、運(yùn)動(dòng)目標(biāo)分類(lèi)和運(yùn)動(dòng)目標(biāo)行為分析以及結(jié)構(gòu)化描述等步驟。
　　1. 運(yùn)動(dòng)目標(biāo)提取
　　運(yùn)動(dòng)目標(biāo)提取是智能分析的準(zhǔn)備工作，基于此項(xiàng)工作攝像機(jī)可以從圖像序列中將變化區(qū)域從背景區(qū)域中提取出來(lái)，運(yùn)動(dòng)目標(biāo)的有效提取將大大減少后續(xù)過(guò)程的運(yùn)算量，對(duì)于后期的目標(biāo)識(shí)別和行為分析具有重要意義，目前較為主流的方法有背景減除法、時(shí)間差分法和光流法，最經(jīng)典的全局光流場(chǎng)計(jì)算方法是L-K (Lueas&Kanada)法和H-S(Hom&Schunck)法。
　　2. 運(yùn)動(dòng)目標(biāo)跟蹤
　　運(yùn)動(dòng)目標(biāo)的跟蹤，即通過(guò)目標(biāo)的有效表達(dá)，在圖像序列中尋找與目標(biāo)模板最相似候選目標(biāo)區(qū)位置的過(guò)程。簡(jiǎn)單說(shuō)，就是在序列圖像中為目標(biāo)定位。運(yùn)動(dòng)目標(biāo)的有效表達(dá)除了對(duì)運(yùn)動(dòng)目標(biāo)建模外，目標(biāo)跟蹤中常用到的目標(biāo)特性表達(dá)主要包括：視覺(jué)特征(圖像邊緣、輪廓、形狀、紋理、區(qū)域)、統(tǒng)計(jì)特征(直方圖、各種矩特征)、變換系數(shù)特征(傅里葉描繪子、自回歸模型)、代數(shù)特征(圖像矩陣的奇異值分解)等。除了使用單一特征外，也可通過(guò)融合多個(gè)特征來(lái)提高跟蹤的可靠性，目前主流的方法有：基于區(qū)域匹配跟蹤算法、基于輪廓匹配跟蹤算法、基于特征匹配跟蹤算法。
　　3. 運(yùn)動(dòng)目標(biāo)分類(lèi)
　　運(yùn)動(dòng)目標(biāo)分類(lèi)，顧名思義，從檢測(cè)到的運(yùn)動(dòng)區(qū)域中將特定類(lèi)型的物體提取出來(lái)，例如分類(lèi)場(chǎng)景中的人、機(jī)動(dòng)車(chē)、人群等不同的目標(biāo)。目前比較主流的方法有基于運(yùn)動(dòng)特性的分類(lèi)和基于形狀信息的分類(lèi)。
　　4. 運(yùn)動(dòng)目標(biāo)行為分析
　　行為分析是智能視頻監(jiān)控?cái)z像頭的關(guān)鍵目標(biāo)之一，也是視頻監(jiān)控在維護(hù)公共安全中的重點(diǎn)難點(diǎn)問(wèn)題。行為分析涉及計(jì)算機(jī)視覺(jué)、模式識(shí)別、人工智能等多個(gè)領(lǐng)域。它是在對(duì)視頻圖像序列進(jìn)行低級(jí)處理的基礎(chǔ)上，通過(guò)分析處理監(jiān)控場(chǎng)景的圖像、視頻，獲取監(jiān)控場(chǎng)景的信息或場(chǎng)景中運(yùn)動(dòng)目標(biāo)的信息，進(jìn)一步研究圖像中各目標(biāo)的性質(zhì)以及相互之間的關(guān)系，從而得出對(duì)客觀場(chǎng)景的解釋和高層次的語(yǔ)義描述，經(jīng)常借助于神經(jīng)網(wǎng)絡(luò)和決策樹(shù)來(lái)進(jìn)行行為分析。