智能視頻監(jiān)控技術是基于圖像處理、模式識別的新型視頻監(jiān)控技術。簡而言之，就是發(fā)現圖像中運動的物體，并對其進行跟蹤、分析，及時發(fā)現“異常”行為，觸發(fā)報警并采取其他措施進行干預。

    智能視頻分析的發(fā)展過程

    智能視頻分析技術(Video Analytics)綜合了多學科的研究成果。主要包括圖像處理、跟蹤技術、模式識別、軟件工程，數字信號處理(DSP)等領域。2001年“911”事件發(fā)生后，美國在安防科研方面大大加強了投資力度。許多研究機構和研究人員紛紛加入了安防類技術研究和開發(fā)，智能視頻分析是其中的一個亮點。從研究論文的數量來看，2002年到2005年有一個明顯的高峰期，這和此期間科研經費的大量投入是相吻合的。目前此研究領域的科研論文逐漸轉移到細分問題和方向。這并不代表智能視頻監(jiān)控變成了一個已經解決了的問題，恰恰相反，即使目前最優(yōu)秀的商業(yè)系統(tǒng)離人們對此類技術的期待值還有一些距離。解決問題的方法也沒有達成共識，它實際上反映了原創(chuàng)性的理論工作在減少，此項技術的進步在未來可能更多地依賴企業(yè)自身科研開發(fā)力量。

    國內此市場的發(fā)展滯后北美大概3到4年，現在具有自主知識產權和研發(fā)能力的國內公司并不多，主要有北京的文安、智安邦，上海的安維爾、弘視等。由于公司都處在早期的市場拓展階段，已經完成的有代表性工程項目并不多，典型的有核電站、軍隊項目、港口等。

    主要功能

    目前市場上的智能視頻分析系統(tǒng)通常都具有以下功能：

    1、圖像采集/接口。絕大多數的智能視頻分析算法是基于非壓縮圖像格式，如RGB或者YUV。所以圖像信號在被采集以后不經過壓縮直接送給視頻分析單元。幾乎所有的視頻分析系統(tǒng)都自帶有圖像采集功能，通常是通過BNC輸入模擬圖像信號。現有的圖像監(jiān)控系統(tǒng)中圖像信號通常是以壓縮圖像流的形式存在。可以將圖像流解壓還原成原始圖像格式后再進行分析。

    2、運動物體檢測。簡單地說，運動檢測就是發(fā)現圖像中運動的物體，運動物體可以簡單定義為圖像中變化的部分。一些初級的運動檢測算法就是基于這些概念，此類方法的誤報警率太高，不適合用作實時報警系統(tǒng)。

    并不是所有圖像中的變化都是我們感興趣的運動物體，例如由相機自身引入的變化，它包括像素噪聲，相機自動光圈控制電路引起的整體亮度變化，圖像傳輸中引入的高低頻周期噪聲信號，紅外相機周期校準所帶來的突變等。外界環(huán)境引入的變化包括地面光照在多云天氣里迅速的變化，運動物體陰影，水面波浪或者波光粼粼現象，陸地上樹枝的擺動，夜間汽車大燈造成的光暈，雨雪天氣等現象。另外相機在大風天，尤其是高燈桿上容易抖動，由上述這些現象造成的圖像變化是應該被過濾掉的，它們可以通過算法或者其它技術手段加以解決。

    從算法的角度來看，可以簡單地分為兩大類。一類是建立背景模型，通過和背景模型相對比來發(fā)現運動物體。另一類是通過“光流”法，通過發(fā)現運動物體對光流場的影響來發(fā)現運動物體。另外就是介于兩者之間或者兩者結合的方法。

    3、多物體跟蹤。跟蹤實質上就是將在每一幀上發(fā)現的同一物體沿時間順序串起來。此領域本身就是一個相對獨立的活躍的研究領域。主要研究方向是在復雜環(huán)境下，如多個運動物體，多個相機，運動物體之間互相遮擋，消失及重現等情況下進行有效跟蹤。

    在實際監(jiān)控應用中，尤其是對一些入侵報警的應用案例中，對跟蹤算法的要求比較低。現有的系統(tǒng)對運動物體“融合”及其它復雜應用場景的跟蹤效果并不理想。但是參照以往技術發(fā)展速度，這方面會很快完善起來。