視頻監控：智能視頻分析技術優勢與應用

　　隨著智能化技術的普及使用，市場漸漸不再滿足于現有的智能化技術種類，而是尋求更新的算法、更豐富的業務應用、更整體化的系統應用，力求實現在應用的廣度、深度上的突破。為此，安防行業已經開始進行對新一代智能視頻分析技術的研究，提出了一些新的產品形態，新的應用模式，新的系統架構。這些新技術、新產品正在逐漸與市場結合，探求新的發展空間。

　　智能視頻監控優勢

　　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。

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。